ModelContextProtocol C SDK中同一进程内客户端与服务端通信的解决方案
背景介绍
在使用ModelContextProtocol C# SDK进行开发时,开发者Chrisdf遇到了一个典型问题:当尝试在同一进程内同时运行客户端和服务端时,系统会出现挂起现象。这种情况在需要构建自包含应用程序时尤为常见,特别是在Unity游戏开发环境中。
问题现象
开发者最初尝试通过以下方式启动服务端:
await _host.StartAsync(); // 非阻塞方式启动主机
然而,这种实现方式导致了服务端在接收到客户端消息后出现挂起,无法继续处理后续请求。这种情况在两种传输方式下都会出现:
- 使用TCP回环(loopback)通信
- 使用内存管道(in-memory pipe)通信
根本原因分析
经过项目维护者stephentoub的诊断,发现问题出在服务端的启动方式上。正确的做法应该是使用RunAsync方法而非StartAsync方法来启动服务端。这两种方法在行为上有重要区别:
RunAsync:会启动服务并开始处理传入请求StartAsync:仅准备服务但不自动开始处理请求
解决方案
stephentoub提供了一个完整的工作示例,展示了如何正确地在同一进程内实现客户端与服务端的通信:
// 创建双向通信管道
Pipe clientToServerPipe = new(), serverToClientPipe = new();
// 创建并启动服务端
IMcpServer server = McpServerFactory.Create(
new StreamServerTransport(clientToServerPipe.Reader.AsStream(),
serverToClientPipe.Writer.AsStream()),
new McpServerOptions()
{
Capabilities = new()
{
Tools = new()
{
ToolCollection = [McpServerTool.Create((string arg) => $"Echo: {arg}",
new() { Name = "Echo" })]
}
}
});
_ = server.RunAsync(); // 关键点:使用RunAsync而非StartAsync
// 创建客户端
IMcpClient client = await McpClientFactory.CreateAsync(
new StreamClientTransport(clientToServerPipe.Writer.AsStream(),
serverToClientPipe.Reader.AsStream()));
// 使用客户端调用服务端功能
var tools = await client.ListToolsAsync();
foreach (var tool in tools)
{
Console.WriteLine($"Tool Name: {tool.Name}");
}
var echo = tools.First(t => t.Name == "Echo");
Console.WriteLine(await echo.InvokeAsync(new()
{
["arg"] = "Hello World"
}));
技术要点
-
管道通信机制:示例中使用了两组Pipe实现全双工通信,这是进程内高效通信的常见模式。
-
服务端配置:通过McpServerOptions可以灵活配置服务端能力,包括工具集合等。
-
工具定义:示例中定义了一个简单的Echo工具,展示了如何创建和注册自定义工具。
-
异步处理:整个通信过程采用异步模式,确保不会阻塞主线程。
实际应用建议
对于需要在Unity等游戏引擎中集成ModelContextProtocol的开发者,建议:
-
将服务端运行在独立的协程中,避免阻塞游戏主线程。
-
考虑使用内存管道通信方式,减少序列化开销。
-
合理设计工具接口,保持每个工具功能的单一性。
-
注意异常处理,特别是在工具调用过程中。
总结
通过正确使用RunAsync方法,开发者可以成功地在同一进程内实现ModelContextProtocol客户端与服务端的通信。这一解决方案不仅解决了最初的挂起问题,还展示了SDK的核心功能和使用模式,为开发者构建自包含应用程序提供了可靠的技术基础。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00