ModelContextProtocol C SDK 中工具调用与进度令牌的深度解析
背景与现状
在ModelContextProtocol C# SDK的使用过程中,开发者们发现了一个值得探讨的技术点:如何在通过IChatClient接口调用工具时,灵活地添加进度令牌(ProgressToken)等元数据信息。当前SDK提供了两种主要的工具调用方式:
-
底层直接调用:通过SendRequestAsync方法直接发送JsonRpcRequest请求,这种方式可以完全控制请求参数,包括添加Meta信息如ProgressToken。
-
高级封装调用:通过IChatClient接口和ListToolsAsync获取的工具实例进行调用,这种方式更加简洁但缺乏对调用参数的细粒度控制。
技术挑战
核心问题在于高级封装调用方式中,McpClientTool类的设计没有提供足够的扩展点来定制工具调用行为。具体表现在:
- 工具调用参数被封装在内部,无法添加自定义元数据
- 工具实例的创建过程固定,缺乏注入自定义逻辑的机制
- 现有设计更注重简单性而非扩展性
解决方案探讨
开发团队和社区成员提出了几种可能的改进方向:
1. 属性注入模式
通过添加WithMeta()等链式方法,允许在工具调用前设置元数据。这种方式的优点是:
- 保持API的流畅性
- 向后兼容现有代码
- 直观易用
但缺点是可能导致类的方法不断膨胀,维护成本增加。
2. 工厂模式
引入ToolFactory委托或接口,允许自定义工具实例的创建过程。这种方案的优点包括:
- 高度灵活性
- 单一职责原则
- 易于扩展新功能
3. 继承扩展
将McpClientTool设计为可继承的,让开发者可以创建自定义工具类。这种传统OOP方式的优势是:
- 符合C#开发习惯
- 完全控制工具行为
- 清晰的类型系统
最佳实践建议
基于技术讨论,对于需要使用进度令牌等高级功能的场景,目前推荐以下实践:
-
简单场景:直接使用底层SendRequestAsync方法,完全控制调用参数。
-
复杂场景:创建自定义AIFunction派生类,实现特定的调用逻辑。
-
通用场景:等待SDK未来版本可能提供的工厂机制或扩展点。
设计原则反思
这一技术讨论引发了对SDK设计原则的深入思考:
-
简单性与扩展性的平衡:SDK需要在易用性和灵活性之间找到合适的平衡点。
-
协议层与应用层的分离:明确区分协议规范定义的功能和应用层需要的便利功能。
-
演进式设计:随着使用场景的丰富,逐步添加必要的扩展机制,而非一次性过度设计。
未来展望
ModelContextProtocol C# SDK作为一个新兴项目,这类技术讨论有助于其健康成长。开发者可以期待:
- 更灵活的扩展机制
- 更清晰的架构分层
- 更丰富的示例和文档
通过社区和核心团队的共同努力,SDK将能够更好地满足各种复杂场景下的开发需求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00