ModelContextProtocol项目中的客户端与服务端API分离设计思考
2025-07-08 14:15:15作者:邬祺芯Juliet
背景与问题起源
在ModelContextProtocol项目的C# SDK开发过程中,开发团队遇到了一个关于NuGet包设计的架构问题。当前的项目结构将客户端和服务端API都打包在同一个ModelContextProtocol包中,这导致了一些实际应用场景中的不便。
现状分析
当前ModelContextProtocol NuGet包包含了完整的客户端和服务端功能实现。这种设计虽然简化了包的维护,但也带来了一些问题:
- 不必要的依赖传递:当开发者只需要使用客户端功能时,仍然会被强制引入服务端相关的依赖项,如ASP.NET Core的DI容器抽象等
- 包体积膨胀:服务端特有的功能代码增加了整体包的大小
- 未来扩展限制:如果未来服务端需要增加对ASP.NET Core的依赖,将会影响所有客户端用户
技术讨论与方案探索
开发团队对这个问题进行了深入的技术讨论,尝试了多种解决方案:
方案一:客户端/服务端分离
最初提出的方案是将现有包拆分为:
- ModelContextProtocol.Client
- ModelContextProtocol.Server
经过实际验证,这种拆分会导致:
- 总包体积增大(约增加125KB)
- 需要创建第三个共享核心包
- 部分内部实现需要在多个包中重复编译
方案二:协议层与辅助层分离
另一种方案是将基础协议实现与高级功能分离:
- ModelContextProtocol.Protocol(基础协议实现)
- ModelContextProtocol(高级功能)
这种方案虽然减少了约90KB的体积,但改善效果有限。
性能考量
微软Visual Studio团队特别关注程序集加载数量对启动性能的影响。任何增加程序集加载数量的方案都可能影响IDE的启动性能。
最终解决方案
经过多次讨论和验证,团队决定采用折中方案:
- 从主包中移除对Microsoft.Extensions.Options和Microsoft.Extensions.Hosting的依赖
- 将这些功能移至AspNetCore专用包中
- 创建ModelContextProtocol.Core精简包
调整后的依赖关系简化为:
- Microsoft.Extensions.Logging.Abstractions
- Microsoft.Extensions.AI.Abstractions
- Microsoft.Extensions.DependencyInjection.Abstractions
- System.Net.ServerSentEvents(在net10中属于netcoreapp)
技术实现细节
在实现过程中,团队特别关注了以下技术点:
- JSON序列化优化:协议中的约80个DTO类使用了JSON源生成器,这占据了包体积的很大部分
- 修剪(trimming)支持:在简单控制台应用场景下,大部分依赖项可以被完全修剪掉
- ASP.NET Core集成:将ASP.NET特有的功能完全隔离在单独的包中
架构设计启示
这个案例为我们提供了几个重要的架构设计经验:
- 依赖最小化原则:核心库应尽可能减少外部依赖
- 关注实际应用场景:需要考虑不同使用场景下的具体需求
- 性能权衡:在功能拆分和性能影响之间需要找到平衡点
- 未来扩展性:设计时要考虑未来可能的功能演进路径
结论
ModelContextProtocol项目通过这次架构调整,实现了更清晰的模块划分和更合理的依赖管理。这种演进过程展示了在实际项目中如何平衡功能完整性、性能要求和未来可扩展性等重要因素。最终的解决方案既满足了客户端应用的轻量级需求,又保留了服务端功能的完整性,为项目未来的发展奠定了良好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
Ascend Extension for PyTorch
Python
343
410
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++
886
602
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
181
暂无简介
Dart
775
192
deepin linux kernel
C
27
11
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
895