C# 从零开发 MCP Client 基础教程(一)

C# 从零开发 MCP 工具基础教程

1. 前期准备

1.1 MCP (Model Context Protocol) 是什么？

MCP 简介

MCP (Model Context Protocol) 是一个开放协议，用于标准化应用程序如何向大语言模型 (LLM) 提供上下文信息。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化的方式。

简单来说，大语言模型就像是我们的大脑，但仅有“大脑”并不足以完成所有任务。过去，我们通常通过人工与 AI 模型的对话，手动指令 AI 完成任务，模型输出结果后，我们还需自行分析整理。这无疑大大增加了我们的时间成本。而现在，借助 MCP 工具，模型就像是有了“手脚”，能够根据我们的命令调用不同的工具去执行任务，而 MCP 协议就是模型和这些工具之间的桥梁。

为什么模型能调用不同的工具呢？这得益于大模型已支持 Function Call（函数调用）功能。简单来说，Function Call 允许模型解析用户请求，并生成调用外部函数所需的参数，从而实现更复杂的任务处理。

Function Call 原理

语义理解：模型解析用户输入，判定是否需要调用函数。
函数匹配：从预定义的工具库中选择合适的工具（例如查询天气、数学计算等）。
参数生成：将用户描述转换为函数所需的参数格式（如 Fetch {Url:{地址}}）。
执行与整合：调用外部工具获取结果，并生成自然语言答复。**

更多详细信息可以参考 MCP 中文文档或官方英文文档。

1.2 MCP 能够干什么

实时数据获取：例如查询天气、股票等动态信息（大模型自身知识库为静态的）。
自然语言执行 SQL：通过连接数据库查询本地数据并进行数据分析。
私域知识扩展：通过本地知识库、知识图谱等私有数据源解决特定领域问题。

2. 如何使用 C# 接入 MCP Tools？

2.1 准备工作

首先，我们需要选择要使用的 AI 模型。这里我们使用的是硅基流动的 Qwen/QwQ-32B 模型。如果你没有硅基流动账号，可以注册一个国内账号，默认官方会赠送 2000 万 Tokens 的额度。注册完成后，你可以选择你需要的模型（例如 Qwen/QwQ-32B）。请确保所选模型支持 Function Call。大家可以使用我的邀请链接硅基流动官网 进行注册，注册完成之后我们就可以进入到硅基流动的主页面，我们可以在模型广场中选择我们将要用到的模型，我选用的是 Qwen/QwQ-32B，如下图，选用的模型需要具备FunctionCall 函数调用的能力

2.2 创建控制台项目

在 Visual Studio 2022 中，创建一个控制台应用项目（例如 MCPClient）。然后，安装所需的 NuGet 包：

dotnet add package ModelContextProtocol --prerelease

接下来我们可以用Github 上面的案例代码测试一下Mcp Client 工具的调用：

//创建MCp Client 连接到对应的MCp Server 工具
#region 适用于 0.1.0-preview.4 版本
    var client = await McpClientFactory.CreateAsync(new()
    {
        Id = "everything",
        Name = "Everything",
        TransportType = TransportTypes.StdIo,
        TransportOptions = new()
        {
            ["command"] = "npx",
            ["arguments"] = "-y @modelcontextprotocol/server-everything",
        }
    });
#endregion
#region 适用于 0.1.0-preview.9 版本
var clientTransport = new StdioClientTransport(
    new StdioClientTransportOptions
    {
        Name = "Everything",
        Command = "npx",
        Arguments = ["-y", "@modelcontextprotocol/server-everything"],
    }
);

var client = await McpClientFactory.CreateAsync(clientTransport);
#endregion

//打印 MCP 服务器上可用的工具列表
foreach (var tool in await client.ListToolsAsync())
{
    Console.WriteLine($"{tool.Name} ({tool.Description})");
}

// 执行一个工具，这里执行 的是 刚才打印可以使用 的 echo 函数，他的主要作用是调用它，他会返回你调用的message
var result = await client.CallToolAsync(
    "echo",
    new Dictionary<string, object?>() { ["message"] = "Hello MCP!" },
    CancellationToken.None);

// echo always returns one and only one text content object
Console.WriteLine(result.Content.First(c => c.Type == "text").Text);

执行结果如下：

2.3 进行工具调用

在测试了基本的 MCP Client 调用后，接下来我们可以实现一个实际的功能：通过 MCP Client 获取任意网页的信息并让 AI 模型进行总结。你可以通过访问 官方服务器工具列表 寻找合适的工具。比如，Fetch 工具可以用来提取网页内容并将其转换为 Markdown 格式。
我们可以点击进入到官方服务器工具列表中查询我们想要调用的工具,这里我们使用的是Fetch 工具，进入链接我们可以查询对应工具的详细说明

接下来我们可以看一下他的配置,它这里推荐的是通过uvx 调用，所以我也打算采用这和个方式模拟，大家也可以使用python 自行安装运行进行调用，uvx 需要安装uvx 环境，如果不会安装可以参考https://docs.cherry-ai.com/advanced-basic/mcp文档并下载对应的 uvx 包，这里因为我本身电脑已经安装了Cherry Studio ，已经配置好了对应的环境，就不做演示了，我的uvx 路径是： C:\Users{用户名}.cherrystudio\bin，先记住这个路径，等会要用

"mcpServers": {
  "fetch": {
    "command": "uvx",
    "args": ["mcp-server-fetch"]
  }
}

开始编写MCP Client 代码
因为要使用刚刚我们不准备的模型并连接到 fetch 工具执行我们想要检索的网页
我们需要安装一些方便我们接入大模型的nuget 包

dotnet add package Microsoft.Extensions.AI --prerelease
dotnet add package Microsoft.Extensions.AI.Abstractions --prerelease
dotnet add package Microsoft.Extensions.AI.OpenAI --prerelease

安装完成后，我们开始编写我们的代码

using Microsoft.Extensions.AI;
using ModelContextProtocol.Client;
using ModelContextProtocol.Protocol.Transport;
using OpenAI;
using System.ClientModel;


//创建McpClient 客户端
#region  适用于 0.1.0-preview.4 版本
var client = await McpClientFactory.CreateAsync(new()
{
    Id = "fetch",
    Name = "Fetch",
    TransportType = TransportTypes.StdIo,
    TransportOptions = new()
    {
        ["command"] = @"C:\Users\你的用户名\.cherrystudio\bin\uvx.exe",
        ["arguments"] = "mcp-server-fetch",
    }
});
#endregion
#region  适用于 0.1.0-preview.9 版本
var clientTransport = new StdioClientTransport(
    new StdioClientTransportOptions
    {
        Name = "Fetch",
        Command = @"C:\Users\liufx\.cherrystudio\bin\uvx.exe",
        Arguments = ["mcp-server-fetch"],
    }
);

var client = await McpClientFactory.CreateAsync(clientTransport);
#endregion


var tools = await client.ListToolsAsync();

//打印服务器上可用的工具列表
foreach (var tool in tools)
{
    Console.WriteLine($"{tool.Name} ({tool.Description})");
}

//创建密钥
var apiKeyCredential = new ApiKeyCredential("你的密钥");
//配置OpenAPI 客户端 选项配置
var aiClientOptions = new OpenAIClientOptions();
aiClientOptions.Endpoint = new Uri("https://api.siliconflow.cn");


#region  适用于 9.3.0-preview.1.25161.3
var aiClient = new OpenAIClient(apiKeyCredential, aiClientOptions)
    .AsChatClient("Qwen/QwQ-32B");
//创建ChatClient 客户端
var chatClient = new ChatClientBuilder(aiClient)
    .UseFunctionInvocation()
    .Build();
#endregion

#region  适用于 9.4.0-preview.1.25207.5
// 创建 OpenAI 客户端，并指定使用的模型
IChatClient chatClient = new OpenAI.Chat.ChatClient(
    "Qwen/QwQ-32B",
    apiKeyCredential,
    aiClientOptions
)
    .AsIChatClient()
    .AsBuilder()
    .UseFunctionInvocation()
    .Build();
#endregion

//创建消息
IList<ChatMessage> Messages = [
     new(ChatRole.System, "你是一个很有帮助的助手，帮助我们测试MCP服务器的功能"),
     new(ChatRole.User, "现在，我有一个网页需要你帮我分析一下,网页的地址是：https://modelcontextprotocol.github.io/csharp-sdk/api/ModelContextProtocol.html"),
    ];

//通过大模型调用fetch工具
var response = await chatClient.GetResponseAsync(
    Messages,
    new() { Tools = [.. tools] });
//获取工具使用的消息
var toolUseMessage = response.Messages.Where(m => m.Role == ChatRole.Tool);
if (response.Messages[0].Contents.Count > 1)
{
    var functionCall = (FunctionCallContent)response.Messages[0].Contents[1];
}

调试结果如下：

这样我们就完成了对Fetch 工具的基本调用了，是不是很简单就可以了，perfect!!!

3.小结

本文介绍了MCP的基本概念和工作模式，然后演示了如何通过 C# SDK创建 MCP Client 对 MCP 工具的调用。由于篇幅过长，后面我会再看情况写一篇关于MCP 服务的Demo ，并演示MCP Client 对我们自己开发的MCP Server 的调用

如果你也是.NET程序员希望参与AI应用的开发，那就快快了解和使用基于Microsoft.Extensioins.AI + MCP C# SDK 的生态组件库吧。

posted @ 2025-04-05 00:05 lfx-Sunshine 阅读(1112) 评论(0) 收藏举报

刷新页面返回顶部

lfx-Sunshine