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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00