ModelContextProtocol C SDK 中的 XML 文档工具定义方案探索
在软件开发过程中,良好的工具定义和文档说明对于团队协作和代码维护至关重要。ModelContextProtocol 的 C# SDK 近期讨论了一个关于如何利用 XML 文档注释来定义多行工具描述的功能增强方案。
传统上,C# 开发者使用 [McpServerTool] 属性来定义工具,这种方式简洁但功能有限,特别是在需要提供详细的多行描述时显得力不从心。XML 文档注释作为 C# 生态中广泛使用的文档方式,自然成为了增强工具定义描述能力的候选方案。
ASP.NET Core 的 OpenAPI 集成已经展示了类似的技术路线,它们成功地将 XML 文档注释转化为 API 的 Schema 描述。然而,这种方案在实现上存在一定挑战,主要在于运行时可靠读取 XML 文档的技术难度。对于框架级产品如 ASP.NET Core 来说相对容易实现,但对于库级别的 ModelContextProtocol SDK 则需要更精巧的设计。
从技术实现角度看,[McpServerTool] 属性本质上是对 McpServerTool.Create 方法的语法糖,开发者完全可以通过编程方式自由创建和注册工具实例。SDK 还提供了 McpServerTool 基类用于自定义行为扩展,以及 DelegatingMcpServerTool 这种装饰器模式实现,允许开发者包装现有工具实例来增强或修改其行为。
这种设计为 XML 文档注释的集成提供了良好的扩展点。开发者可以创建自定义的 McpServerTool 派生类,在初始化时读取程序集中的 XML 文档注释,将这些文档内容转化为工具定义的元数据。这种方案既保持了现有 API 的简洁性,又为需要丰富文档的场景提供了支持。
考虑到不同项目的需求差异,这种功能更适合作为可选扩展实现。开发者可以根据项目实际情况决定是否引入 XML 文档支持,而不会强制所有用户承担额外的运行时开销。这种灵活的设计哲学正是现代 SDK 开发的重要原则之一。
对于希望实现类似功能的开发者,建议深入研究 SDK 中 McpServerTool 及相关类型的源代码和测试用例,理解其扩展机制的工作原理。通过合理利用装饰器模式和派生类扩展,可以在不修改核心代码的情况下实现丰富的文档支持功能。
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