ModelContextProtocol C SDK 中处理Copilot Studio集成时的URL完整性问题
在ModelContextProtocol C# SDK的实际应用中,开发者hemantkathuria遇到了一个与Copilot Studio集成的特殊场景。本文将深入分析这个问题背景、技术细节以及解决方案。
问题背景
在使用ModelContextProtocol的HTTP with SSE传输协议时,Copilot Studio当前存在一个已知限制:它要求SSE连接端点必须返回完整的URI(包含主机信息)。这与标准协议规范有所不同,标准协议允许使用相对路径。
技术分析
ModelContextProtocol的HTTP with SSE传输协议规范中,SSE连接端点通常返回相对路径。但在Copilot Studio的特殊场景下,客户端要求必须接收完整的URL格式。这种差异导致标准集成方式无法直接使用。
在底层实现上,ModelContextProtocol C# SDK提供了SseResponseStreamTransport类来处理SSE连接。默认情况下,MapMcp方法会使用相对路径配置端点,这在大多数情况下都能正常工作。
解决方案
针对Copilot Studio的特殊需求,开发者可以采用以下两种解决方案:
-
直接使用底层传输类:通过绕过高级MapMcp方法,直接使用SseResponseStreamTransport类,手动构造包含完整主机信息的端点URL。
-
自定义端点映射:创建一个自定义的端点映射方法,动态构建完整的URL。这种方法需要:
- 从请求上下文中获取协议和主机信息
- 生成唯一的会话ID
- 构造包含完整主机信息的端点URL
实现示例
以下是实现自定义端点映射的核心代码片段:
static void MapAbsoluteEndpointUriMcp(IEndpointRouteBuilder endpoints)
{
var loggerFactory = endpoints.ServiceProvider.GetRequiredService<ILoggerFactory>();
var options = endpoints.ServiceProvider.GetRequiredService<IOptions<McpServerOptions>>().Value;
var routeGroup = endpoints.MapGroup("");
Dictionary<string, SseResponseStreamTransport> transports = new();
routeGroup.MapGet("/sse", async context =>
{
context.Response.Headers.ContentType = "text/event-stream";
var host = $"{context.Request.Scheme}://{context.Request.Host}";
var sessionId = Guid.NewGuid().ToString();
var transport = new SseResponseStreamTransport(context.Response.Body, $"{host}/message?sessionId={sessionId}");
// 其余实现代码...
});
}
未来展望
值得注意的是,ModelContextProtocol正在演进其传输协议规范。新的Streamable HTTP传输协议将不再需要向客户端发送任何URL(无论是完整还是相对路径),这将从根本上解决此类兼容性问题。
结论
在处理类似Copilot Studio这样的特殊集成场景时,开发者需要理解协议规范与实际实现之间的差异。通过灵活使用SDK提供的底层API,可以构建出满足特定需求的解决方案。同时,随着协议的演进,这类问题有望得到更优雅的解决。
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