在ModelContextProtocol C SDK中处理工具函数可选参数与默认值
2025-06-27 10:14:55作者:史锋燃Gardner
在开发基于ModelContextProtocol C# SDK的AI工具函数时,正确处理函数参数的可选性和默认值是一个常见需求。本文将深入探讨这一技术点,帮助开发者更好地设计符合要求的工具函数接口。
参数可选性与默认值的本质区别
在C#语言层面,函数参数的可选性可以通过两种方式实现:
- 使用
Optional特性标记参数 - 为参数提供默认值
这两种方式在语义上有所不同。Optional特性主要影响方法调用时的行为,而默认值则提供了参数未传递时的回退值。
SDK中的特殊考量
ModelContextProtocol C# SDK在生成工具函数的JSON Schema时,默认会将所有参数标记为必需(required)。这一设计决策源于与AI服务(如OpenAI)的兼容性考虑——在严格模式下,这些服务会拒绝包含非必需参数的Schema。
实际开发中的最佳实践
- 优先使用默认值:对于需要默认行为的参数,直接提供默认值即可,无需添加
Optional特性。
[McpServerTool(Name = "query_data")]
public static async Task<string> QueryData(
[Description("是否包含详细信息")] bool includeDetails = false)
{
// 实现代码
}
-
必需参数处理:对于必须由调用方提供的参数,不要设置默认值,也不需要使用
Optional特性。 -
复杂场景处理:如果确实需要生成包含可选参数的Schema,目前需要通过修改SDK配置实现。开发者可以期待未来版本可能会提供更灵活的配置选项。
技术实现原理
在底层实现上,SDK使用AIJsonSchemaCreateOptions来控制Schema生成行为。其中的RequireAllProperties属性决定了是否将所有参数标记为必需。当前版本默认设置为true以确保最大兼容性。
总结
理解SDK对参数处理的设计哲学,有助于开发者编写出既符合规范又能满足业务需求的工具函数。随着AI服务生态的发展,相关参数处理机制也可能会进一步演进,开发者应保持对SDK更新的关注。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322