.NET 创建MCP使用大模型对话

发布于：2025-04-02 ⋅ 阅读:(18) ⋅ 点赞:(0)

一：准备工作

使用官方C# sdk：https://github.com/modelcontextprotocol/csharp-sdk

版本：dotnet add package ModelContextProtocol --version 0.1.0-preview.4

* 注意 preview版本迭代比较快，方法名、参数都有可能变动，甚至意外BUG，本示只保证使用0.1.0-preview.4版本复现功能。

VS2022版本： 17.13.3

.NET 版本：9.0.201

二：创建MCPServer

我们创建一个天气服务。

 新建控制台项目，选择.NET9框架，名称叫做MCPServer。

添加ModelContextProtocol引用，注意当前是preview版本，需要勾选包含发行版才能搜到。

在Program.cs 文件中添加下述代码，注册McpServer

using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using Microsoft.Extensions.Logging;

var builder = Host.CreateApplicationBuilder(args);
builder.Logging.AddConsole(consoleLogOptions =>
{
    consoleLogOptions.LogToStandardErrorThreshold = LogLevel.Trace;
});
builder.Services
    //Mcp服务
    .AddMcpServer()
    .WithStdioServerTransport()
    .WithToolsFromAssembly();
await builder.Build().RunAsync();

新增一个天气Tool文件，命名为：WeatherTool，增加下述代码

using ModelContextProtocol.Server;
using System.ComponentModel;

namespace MCPServer
{
    [McpServerToolType]
    public class WeatherTool
    {
        [McpServerTool(Name = "Get City Weather"), Description("获取指定城市的天气，返回temperature温度和weather天气情况组成的json信息。")]
        public static string GetCurrentWeather([Description("城市名称")] string city)
        {
            //随机温度
            var temperature = new Random().Next(-20, 50);
            //天气组
            var weatherList = new string[] { "晴", "多云", "大雨", "小雨", "大雪" };
            //随机天气
            var weather = weatherList[new Random(Guid.NewGuid().GetHashCode()).Next(0, weatherList.Length - 1)];

            //模仿json格式返回
            return "{\"temperature\":" + temperature + ",\"weather\":\"" + weather + "\"}";

        }
    }
}

使用McpServerToolType和McpServerTool对类和方法进行标识。preview早期版本命名为McpToolType和McpTool，注意分辨。

到此，MCPServer编写完成，运行不报错即可。

[可选]调试工具：

在MCPServer项目根目录执行node.js命令，可以打开mcp调试web页：

npx @modelcontextprotocol/inspector dotnet run

打开http://localhost:5173/，并点击链接，需要等一会

连接成功后，点击Tools页面，ListTools可以查看目前注册的Tool。点击相应Tool，可以进行调试，如下图：

如果点击链接报错，没有出现"Connected"，你可以手动重新生成一下MCPServer项目，看看是否会报错。有可能项目被某些进程占用了，使用taskkill /pid 进程id /f 杀掉即可。

调试窗口不使用后，建议Ctrl+C杀掉，提示Terminate batch job (Y/N)? 输入Y即可。

三：创建McpClient

新建控制台项目，选择.NET9框架，名称叫做MCPClient。

依然添加ModelContextProtocol引用。

1. 注册Client

McpClientOptions options = new()
{
    ClientInfo = new() { Name = "Weather Client", Version = "1.0.0" }
};

//1：注册MCPServer，以项目中引用为例。

var config = new McpServerConfig
{
    Id = "weather",
    Name = "Weather MCP Server",
    TransportType = TransportTypes.StdIo,

     //此处注册McpSever
    TransportOptions = new Dictionary<string, string>
    {
        //当前以项目内部直接运行为例
        ["command"] = "dotnet",
        ["arguments"] = "run --project ../../../../MCPServer --no-build",
    }
};

//创建Client

await using var mcpClient = await McpClientFactory.CreateAsync(config, options);

//查找McpServer中注册的Tools
var mcpTools = await mcpClient.ListToolsAsync();
foreach (var tool in mcpTools)
{
    Console.WriteLine($"{tool.Name} ({tool.Description})");
}

Console.WriteLine("---------- Tools");
Console.WriteLine();

2：注册大模型

方案1，使用本地大模型。示例，使用Ollama 下载的qwq大模型。

添加：Microsoft.Extensions.AI.Ollama程序包，当前示例版本：9.3.0-preview.1.25161.3

//注册大模型
var openClient = new OllamaChatClient(new Uri("http://localhost:11434/"), "qwq:32b");

确保端口是畅通状态，建议先在浏览器打开上述http网址，如果是局域网、广域网，注意配置局域网内可以访问策略，此处不做太多赘述。

方案2，使用远程模型，如阿里百炼平台、华为、腾讯等，此处以阿里百炼(https://bailian.console.aliyun.com/)为例。

添加：Microsoft.Extensions.AI.OpenAI程序包，当前示例版本：9.3.0-preview.1.25161.3

var oclinet = new OpenAIClient(new System.ClientModel.ApiKeyCredential("密钥"), new OpenAIClientOptions
{
    //阿里云提供的基础地址
    Endpoint = new Uri("https://dashscope.aliyuncs.com/compatible-mode/v1")
});
//模型名称
var openClient = new OpenAIChatClient(oclinet, "qwen-max");

无论使用本地还是远程大模型，创建成功后先测试一下：

//测试模型，使用流式输出。
var res = openClient.GetStreamingResponseAsync("你好");
await foreach (var message in res)
{
    Console.Write(message);
}
Console.WriteLine();
Console.WriteLine("-------------llm test");

返回示例：

到此，连接大模型成功。

3：注册ChatClient

var client = new ChatClientBuilder(openClient)
    //添加日志
    .UseLogging(factory)
    //向聊天客户端添加函数调用
    .UseFunctionInvocation()
    .Build();

4：执行大模型对话

下述代码比较简单，就是循环接收输入，然后执行大模型对话输出，不做太多解释。


var msg = "";

while (true)
{
    Console.WriteLine();
    Console.WriteLine("这里是天气服务，你想咨询哪里的天气？");
    msg = Console.ReadLine();

    if (msg == "exit")
    {
        Console.WriteLine("程序退出");
        return;
    }

    IList<ChatMessage> messages =
    [
        //为ai设定身份
        new(ChatRole.System, """
                             你是一个天气助理，在输出天气时，请以家长口吻叮嘱用户添衣、带伞等。
                             """),
        new(ChatRole.User, msg)
    ];

    //区别于GetStreamingResponseAsync，此处示例非流式输出
    //注意，某些大模型要求流水输出，只能使用GetStreamingResponseAsync方式。
    var response =
    await client.GetResponseAsync(
        messages,
        new ChatOptions { Tools = [.. mcpTools] });

    Console.WriteLine(response);

}

注意点1：使用ChatRole.System设定ai角色。

注意点2：使用 GetStreamingResponseAsync 流模式接收推理大模型，使用GetResponseAsync接收普通模型。有些模型不支持GetResponseAsync方式，只支持GetStreamingResponseAsync方式，注意区分。比如下图所示：

5：执行程序

输入北京

拿到tool的回答，气温20度，大雨。

大模型根据天气及角色定义，给出最后的回答，到此结束。

以下是源码：

MCPServer.Program.cs

using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using Microsoft.Extensions.Logging;

var builder = Host.CreateApplicationBuilder(args);
builder.Logging.AddConsole(consoleLogOptions =>
{
    consoleLogOptions.LogToStandardErrorThreshold = LogLevel.Trace;
});
builder.Services
    .AddMcpServer()
    .WithStdioServerTransport()
    .WithToolsFromAssembly();
await builder.Build().RunAsync();

MCPServer.WeatherTool.cs

using ModelContextProtocol.Server;
using System.ComponentModel;

namespace MCPServer
{
    [McpServerToolType]
    public class WeatherTool
    {
        [McpServerTool(Name = "Get City Weather"), Description("获取指定城市的天气，返回temperature温度和weather天气情况组成的json信息。")]
        public static string GetCurrentWeather([Description("城市名称")] string city)
        {
            //随机温度
            var temperature = new Random().Next(-20, 50);
            //天气组
            var weatherList = new string[] { "晴", "多云", "大雨", "小雨", "大雪" };
            //随机天气
            var weather = weatherList[new Random(Guid.NewGuid().GetHashCode()).Next(0, weatherList.Length - 1)];

            //模仿json格式返回
            return "{\"temperature\":" + temperature + ",\"weather\":\"" + weather + "\"}";

        }
    }
}

MCPClient.Program.cs

using Microsoft.Extensions.AI;
using Microsoft.Extensions.Logging;
using ModelContextProtocol.Client;
using ModelContextProtocol.Configuration;
using ModelContextProtocol.Protocol.Transport;
using OpenAI;

Console.WriteLine($"程序启动中，请稍后");

McpClientOptions options = new()
{
    ClientInfo = new() { Name = "Weather Client", Version = "1.0.0" }
};

//1：注册MCPServer，以项目中引用为例。

var config = new McpServerConfig
{
    Id = "weather",
    Name = "Weather MCP Server",
    TransportType = TransportTypes.StdIo,
    TransportOptions = new Dictionary<string, string>
    {
        //运行MCPServer
        ["command"] = "dotnet",
        ["arguments"] = "run --project ../../../../MCPServer --no-build",
    }
};


using var factory =
    LoggerFactory.Create(builder => builder.AddConsole().SetMinimumLevel(LogLevel.Trace));

//2：创建MCPClient
await using var mcpClient = await McpClientFactory.CreateAsync(config, options);


//3：发现MCPServer中的Tool
var mcpTools = await mcpClient.ListToolsAsync();
foreach (var tool in mcpTools)
{
    Console.WriteLine($"{tool.Name} ({tool.Description})");
}

Console.WriteLine("---------- Tools");
Console.WriteLine();


//4：注册大模型

//注册方式1，使用本地模型。以本地使用Ollama启动的千问32b模型为例
//var openClient = new OllamaChatClient(new Uri("http://localhost:11434/"), "qwq:32b");

//注册方式2，使用远程模型。以阿里云百炼平台为例
var oclinet = new OpenAIClient(new System.ClientModel.ApiKeyCredential("sk-密钥"), new OpenAIClientOptions
{
    Endpoint = new Uri("https://dashscope.aliyuncs.com/compatible-mode/v1")
});
//模型名称
var openClient = new OpenAIChatClient(oclinet, "qwen-max");

//测试模型，使用流式输出。
var res = openClient.GetStreamingResponseAsync("你好");
await foreach (var message in res)
{
    Console.Write(message);
}
Console.WriteLine();

Console.WriteLine("-------------llm test");
Console.WriteLine();


//5：创建Chat客户端
var client = new ChatClientBuilder(openClient)
    //添加日志
    .UseLogging(factory)
    //向聊天客户端添加函数调用
    .UseFunctionInvocation()
    .Build();

//6：执行对话
var msg = "";

while (true)
{
    Console.WriteLine();
    Console.WriteLine("这里是天气服务，你想咨询哪里的天气？");
    msg = Console.ReadLine();

    if (msg == "exit")
    {
        Console.WriteLine("程序退出");
        return;
    }

    IList<ChatMessage> messages =
    [
        //为ai设定身份
        new(ChatRole.System, """
                             你是一个天气助理，在输出天气时，请以家长口吻叮嘱用户添衣、带伞等。
                             """),
        new(ChatRole.User, msg)
    ];

    //区别于GetStreamingResponseAsync，此处示例非流式输出
    //注意，某些大模型要求流水输出，只能使用GetStreamingResponseAsync方式。
    var response =
    await client.GetResponseAsync(
        messages,
        new ChatOptions { Tools = [.. mcpTools] });

    Console.WriteLine(response);

}

代码仓库：https://github.com/zhanglilong23/mcpdemo.git

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布