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。
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