将MCP（ModelContextProtocol）与Semantic Kernel集成（调用github）-EW帮帮网

文章目录

将MCP（ModelContextProtocol）与Semantic Kernel集成（调用github）

将MCP（ModelContextProtocol）与Semantic Kernel集成（调用github）

在当今快速发展的技术领域，人工智能（AI）的应用正在不断拓展和深化。为了更好地将AI模型与各种数据源和工具连接起来，模型上下文协议（Model Context Protocol, MCP） 应运而生。MCP是一种开放协议，旨在标准化应用程序向大型语言模型（LLM）提供上下文的方式。本文将详细介绍如何将MCP工具与 语义内核（Semantic Kernel） 集成，以实现更强大的AI功能。

一、模型上下文协议（MCP）简介

1.1 简介

模型上下文协议（MCP）是一种开放协议，它标准化了应用程序如何向大型语言模型（LLM）提供上下文信息。MCP通过定义统一的接口，使得不同的数据源和工具能够与AI模型进行无缝连接。这种标准化的连接方式不仅提高了系统的互操作性，还增强了AI模型对上下文的理解能力，从而为用户提供更加精准和智能的服务。

MCP的潜在应用场景包括数据集成、知识管理等，对于开发先进的AI解决方案具有重要意义。
本文介绍了如何将 Model Context Protocol 工具与 Semantic Kernel 结合使用。模型上下文协议（MCP）是一种开放协议，用于标准化应用程序如何为 LLM 提供上下文。MCP 标准化了 AI 模型与各种数据源和工具之间的连接。

模型上下文协议非常重要，因为它增强了 AI 模型与数据和工具的交互方式，促进了互作性、灵活性并改进了上下文理解。它的潜在应用涵盖各个领域，包括数据集成和知识管理，使其成为开发高级 AI 解决方案的重要组成部分。

1.2 示例

本文中描述的示例侧重于通过函数调用将 AI 模型连接到 MCP 工具。

有关模型上下文协议（MCP）的更多信息，请参阅文档。

下面描述的此示例使用官方 ModelContextProtocol 包，受这些示例的影响。

该示例显示：

如何使用 ModelContextProtocol 连接到 MCP 服务器
检索 MCP 服务器提供的工具列表
将 MCP 工具转换为 Semantic Kernel 函数，以便将它们添加到 Kernel 实例中
从 Semantic Kernel 调用 MCP 工具以响应 LLM 函数调用请求

二、集成步骤

2.1 安装环境依赖

dotnet add package ModelContextProtocol --prerelease
dotnet add package SemanticKernel

2.2 构建语义内核（Kernel）

在开始集成之前，我们需要构建一个语义内核（Kernel）实例。Kernel是语义内核的核心组件，负责管理和执行各种AI功能。在本示例中，我们将使用OpenAI的Chat Completion模型，因此需要提供有效的API密钥。

var builder = Kernel.CreateBuilder();
builder.Services.AddLogging(c => c.AddDebug().SetMinimumLevel(Microsoft.Extensions.Logging.LogLevel.Trace));
builder.Services.AddOpenAIChatCompletion(
   modelId: "glm-4-flash",// 这里使用了智谱的免费模型，可按需替换其他模型
                    endpoint: new Uri("https://open.bigmodel.cn/api/paas/v4"),
                    apiKey: "YOUR KEY");
Kernel kernel = builder.Build();

2.3 创建MCP客户端

MCP采用客户端-服务器架构，客户端通过MCP协议与服务器建立一对一连接。在本示例中，我们将创建一个MCP客户端，连接到本地运行的GitHub服务器。

MCP 主机：希望通过 MCP 访问数据的 IDE 或 AI 工具等程序
MCP 客户端：与服务器保持 1：1 连接的协议客户端
MCP 服务器：轻量级程序，每个程序都通过标准化的 Model Context Protocol 公开特定功能

什么是 npx？
npx 是 Node.js 附带的命令行工具（从版本 5.2.0 开始），是 npm（Node Package Manager）生态系统的一部分。它用于直接从命令行执行Node.js包，而无需在系统上全局安装它们。

// 创建一个MCPClient GitHub的服务器
await using IMcpClient mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new()
{
    Name = "GitHub",
    Command = "npx",
    Arguments = ["-y", "@modelcontextprotocol/server-github"],
}));

2.4 获取MCP工具

MCP服务器可以将可执行功能作为工具暴露给客户端。这些工具可以被LLM调用，从而实现与外部系统的交互。通过以下代码，我们可以获取GitHub服务器提供的工具列表，并打印每个工具的名称和描述。

// 获取GitHub服务器上可用的工具列表
var tools = await mcpClient.ListToolsAsync().ConfigureAwait(false);
foreach (var tool in tools.Tools)
{
    Console.WriteLine($"{tool.Name}: {tool.Description}");
}

GitHub MCP服务器提供了多种工具，例如创建或更新文件、搜索仓库、创建问题等。

2.5 将MCP工具转换为Kernel函数

为了在语义内核中使用MCP工具，我们需要将它们转换为Kernel函数。Kernel函数是语义内核中表示工具的抽象。通过以下代码，我们可以将MCP工具转换为Kernel函数，并将其添加到Kernel实例中。

kernel.Plugins.AddFromFunctions("GitHub", tools.Select(aiFunction => aiFunction.AsKernelFunction()));

2.6 通过函数调用MCP工具

将MCP工具转换为Kernel函数后，我们就可以在Kernel中使用它们了。以下是一个示例，展示如何通过函数调用获取GitHub仓库的最近四次提交。

OpenAIPromptExecutionSettings executionSettings = new()
{
    Temperature = 0,
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(options: new() { RetainArgumentTypes = true })
};

var prompt = "总结最后四次提交到microsoft/semantic-kernel存储库的情况？";
var result = await kernel.InvokePromptAsync(prompt, new(executionSettings)).ConfigureAwait(false);
Console.WriteLine($"\n\n{prompt}\n{result}");

注：获取github提交信息失败，实际上已经调用了mcp了，前面测试还可以，写博客时一直失败，后续会再排查原因
在这里插入图片描述

三、完整代码示例


            // 创建一个MCPClient GitHub的服务器
            await using var mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new()
            {
                Name = "MCPServer",
                Command = "npx",
                Arguments = ["-y", "@modelcontextprotocol/server-github"],
            }));

            // 获取GitHub服务器上可用的工具列表
            var tools = await mcpClient.ListToolsAsync().ConfigureAwait(false);
            foreach (var tool in tools)
            {
                Console.WriteLine($"{tool.Name}: {tool.Description}");
            }

            // 构建内核与MCP工具内核函数
            var builder = Kernel.CreateBuilder();
            builder.Services
                .AddLogging(c => c.AddDebug().SetMinimumLevel(Microsoft.Extensions.Logging.LogLevel.Trace))
                .AddOpenAIChatCompletion(
                    modelId: "glm-4-flash",
                    endpoint: new Uri("https://open.bigmodel.cn/api/paas/v4"),
                    apiKey: "YOUR KEY");
            Kernel kernel = builder.Build();
#pragma warning disable SKEXP0001 // 类型仅用于评估，在将来的更新中可能会被更改或删除。取消此诊断以继续。
            kernel.Plugins.AddFromFunctions("GitHub", tools.Select(aiFunction => aiFunction.AsKernelFunction()));
#pragma warning restore SKEXP0001 // 类型仅用于评估，在将来的更新中可能会被更改或删除。取消此诊断以继续。

            // 开启函数自动调用
#pragma warning disable SKEXP0001 // 类型仅用于评估，在将来的更新中可能会被更改或删除。取消此诊断以继续。
            OpenAIPromptExecutionSettings executionSettings = new()
            {
                Temperature = 0,
                FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(options: new() { RetainArgumentTypes = true })
            };
#pragma warning restore SKEXP0001 // 类型仅用于评估，在将来的更新中可能会被更改或删除。取消此诊断以继续。

            // 测试使用GitHub工具
            //var prompt = "Summarize the last four commits to the microsoft/semantic-kernel repository?";
            var prompt = "总结最后四次提交到microsoft/semantic-kernel存储库的情况？";
            var result = await kernel.InvokePromptAsync(prompt, new(executionSettings)).ConfigureAwait(false);
            Console.WriteLine($"\n\n{prompt}\n{result}");

四、总结

通过将MCP工具与语义内核集成，能够实现对GitHub数据的高效访问和操作。这种集成不仅提高了系统的灵活性和互操作性，还为开发者提供了更加便捷的方式来构建智能应用程序。

注：如果遇到下面报错，说明电脑上没装Node.js，需要进行安装。
在这里插入图片描述

将MCP（ModelContextProtocol）与Semantic Kernel集成（调用github）

文章目录