ModelContextProtocol C SDK 中 McpTool 的多媒体返回支持演进

在 ModelContextProtocol C# SDK 的开发过程中，开发者们遇到了一个关于工具方法返回类型限制的技术挑战。本文将深入探讨这一问题的背景、解决方案及其技术实现细节。

问题背景

在实现 server-everything 功能时，开发团队发现现有的 McpTool 工具方法存在一个明显的限制：它只能返回文本类型的内容，而无法处理多媒体数据（如图片）。这一限制在实现 Tiny Image Tool 功能时尤为突出，因为该功能需要同时返回文本和图片两种不同类型的内容。

技术挑战分析

传统的 McpTool 方法实现存在以下技术约束：

1. 返回值会被强制序列化为文本内容类型
2. 缺乏对多种内容类型混合返回的支持
3. 开发者被迫选择实现更底层的 CallToolHandler 接口来绕过限制

解决方案演进

开发团队经过讨论后，决定扩展 McpTool 的功能，使其能够支持多媒体内容的返回。核心解决方案是引入了 DataContent 类型，这一设计允许方法返回不同类型的内容数据。

DataContent 的实现机制

DataContent 类型通过以下方式工作：

1. 根据返回数据的 MIME 类型自动判断内容类型
2. 对于图片数据，自动映射为 "image" 类型
3. 对于其他二进制数据，映射为 "resource" 类型
4. 保持向后兼容性，不影响现有文本返回功能

技术实现细节

在实际代码实现中，开发团队对 AIFunctionMcpServerTool 类进行了增强，使其能够正确处理 DataContent 类型的返回值。系统会自动检测返回值的类型，并根据 MIME 类型进行适当的内容类型映射。

这种设计既保持了 API 的简洁性，又提供了足够的灵活性来支持多种内容类型的返回。开发者现在可以在单个工具方法中返回文本、图片或其他二进制数据，而无需降级使用更复杂的 CallToolHandler 接口。

未来扩展方向

虽然当前解决方案已经解决了基本的多媒体返回需求，但开发团队还在考虑进一步的增强：

1. 支持更多内容类型的自动映射
2. 优化内容类型检测机制
3. 提供更丰富的内容组合能力

这一改进显著提升了 ModelContextProtocol C# SDK 的实用性和灵活性，为开发者构建更丰富的服务器端功能提供了更好的支持。