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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
617
793
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++
1.01 K
1.01 K
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
433
394
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
403
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989