在Microsoft.Extensions.AI中集成远程HTTP工具的方法
Microsoft.Extensions.AI是.NET生态中用于构建AI应用的重要扩展库,其中的AIFunctionFactory提供了将本地方法注册为AI可调用工具的能力。但在实际开发中,我们经常需要将远程HTTP服务(如MCP Server)也集成到AI工具链中。
背景与挑战
传统上,AIFunctionFactory.Create方法仅支持注册本地C#方法作为AI工具。当开发者需要将远程HTTP服务(如运行在localhost:3001的MCP Server)暴露的API(如GetInsights)集成到ChatOptions.Tools时,会遇到直接集成困难的问题。
解决方案
通过使用ModelContextProtocol(MCP)的官方C# SDK,我们可以实现远程HTTP工具的集成。以下是具体实现方法:
MCP服务端配置
首先需要在MCP服务端进行正确配置,使其能够通过HTTP协议提供工具服务:
// 添加MCP服务并配置HTTP传输
builder.Services.AddMcpServer()
.WithHttpTransport()
.WithToolsFromAssembly();
var app = builder.Build();
// 映射MCP端点并启动服务
app.MapMcp();
app.Run("http://localhost:3001");
客户端集成
在需要使用这些远程工具的AI应用中,可以通过以下方式集成:
// 创建MCP客户端连接
var mcpClient = await McpClientFactory.CreateAsync(
new SseClientTransport(new SseClientTransportOptions
{
Endpoint = new Uri("http://localhost:3001/sse")
})
);
// 获取远程工具列表
var tools = await mcpClient.ListToolsAsync();
// 将远程工具添加到ChatOptions
var response = await client.GetResponseAsync(request.message, new ChatOptions
{
Tools = [..tools],
});
技术要点
-
SSE传输协议:MCP客户端使用Server-Sent Events(SSE)作为默认传输协议,适合实时通信场景。
-
工具发现机制:ListToolsAsync方法会自动发现远程服务暴露的所有可用工具。
-
无缝集成:获取的McpClientTool实例可以直接作为AIFunction使用,无需额外转换。
-
服务端工具注册:WithToolsFromAssembly方法会自动注册程序集中所有符合条件的工具方法。
最佳实践
-
确保MCP服务端和客户端使用兼容的协议版本。
-
对于生产环境,建议配置HTTPS而非HTTP以确保通信安全。
-
考虑实现工具版本控制机制,便于后续维护和升级。
-
在工具方法实现中加入适当的错误处理和日志记录。
通过这种方式,开发者可以轻松地将任何符合MCP协议的远程HTTP服务集成到Microsoft.Extensions.AI构建的AI应用中,大大扩展了AI工具的可选范围和应用场景。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00