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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00