MCP (Model Context Protocol)即模型上下文协议目前不要太火爆了，关于它是什么相信大家已经很熟悉了。目前主流的AI开发框架和AI工具都支持集成MCP，这也正是它的意义所在。毕竟作为一个标准的协议，当然是更多的生态接入进来才会有意义。使用MCP我们可以把Tools调用标准化，这意味着我们可以忽略语言、框架快速把工具融合到不同的模型中去。现在，如何把现有的业务逻辑快速的接入到模型中，成为模型落地很关键的一步，今天我们就借助微软的Semantic Kernel和Microsoft.Extensions.AI框架，通过简单的示例展示，如何把现有的ASP NET Core WebApi转换成MCP Server。MCP摘要：MCP (Model Context Protocol)即模型上下文协议目前不要太火爆了，关于它是什么相信大家已经很熟悉了。目前主流的AI开发框架和AI工具都支持集成
MCP是一个开放协议，它为应用程序向 LLM 提供上下文的方式进行了标准化。它的重点是标准化，而不是取代谁。它涉及到几个核心的概念
• MCP Hosts: 如Claude Desktop、IDE、AI工具、或者是你开发的AI程序等
• MCP Clients: 维护与MCP Servers一对一连接的协议客户端
• MCP Servers: 轻量级程序，通过标准的Model Context Protocol提供特定能力
简单来说就是你写的AI应用就是MCP Hosts，因为MCP是一个协议，所以你需要通过MCP Clients访问MCP Servers，MCP Servers提供的就是工具或者一些其他能力。需要说明的是，如果想在AI应用中使用MCP，模型需要支持Function Calling，当然如果你能通过提示词的方式调试出来也是可以的，但是效果肯定不如本身就支持因为MCP是一个开放协议，所以我们可以把原来固定在AI应用里的工具代码单独抽离出来，形成独立的应用，这样这个Tools应用就可以和AI应用隔离，他们可以不是同一种语言，甚至可以在不同的机器上。所以现在很多开源的组件和平台都可以提供自己的MCP Server了。就和没有微服务概念之前我们代码都写到一个项目里，有了微服务之后我们可以把不同的模块形成单独的项目，甚至可以使用不同的开发语言。可以通过HTTP、RPC等多种方式调用他么。框架简单介绍一下本文涉及到的相关框架及地址：
• Microsoft.Extensions.AI：微软提供的通过.NET实现AIGC操作的开发基础框架，提供了基础对话和等基础操作，使用简单扩展性强，支持OTEL要测协议监控模型调用情况。目前已适配Ollama、OpenAI、Azure OpenAI等。项目地址https://github.com/dotnet/extensions/tree/main/src/Libraries/Microsoft.Extensions.AI• Semantic Kernel：以为基础(低版本的不是)打造的更强大的AI开发框架，提供了基础对话和功能的同时，还提供了多模态、RAG、智能体、流程处理等强大的应用级功能,有.NET、Python、Java三种语言版本。项目地址https://github.com/microsoft/semantic-kernel• mcpdotnet(modelcontextprotocol/csharp-sdk)：原名为mcpdotnet，现在是.NET构建MCP的官方项目，可以使的Microsoft.Extensions.AI和Semantic Kernel快速的适配到MCP。项目地址https://github.com/modelcontextprotocol/csharp-sdk
整体来说实现的思路也很简单，因为Semantic Kernel支持加载OpenAPI格式的数据加载成它的Plugins，我们可以把Plugins转换成提供的标准的AIFunction类型，通过mcpdotnet可以把AIFunction标准类型转换成mcpdotnet的Tools我们需要新建一个ASP.NET Core WebAPI项目，用来完成查询天气的功能。首先，添加Swagger支持。当然你使用别的库也可以，这里的重点就是可以得到该项目接口的OpenAPI数据信息。其次，添加根据IP查询地址信息的功能
因为IPTools使用的是sqlite数据库，所以需要把db加载到项目里。具体使用细节可以查看该库的具体地址https://github.com/stulzq/IPToolsAlways
接下来实现具体功能的Controller代码 ///
/// 获取城市天气
///
[ApiController]
[Route("api/[controller]/[action]")]
public classWeatherController(IHttpClientFactory _httpClientFactory) : ControllerBase
{
///
/// 获取当前时间
///
/// 当前时间
[HttpGet]
publicstringGetCurrentDate
{
return DateTime.Now.ToString("MM/dd");
}
///
/// 获取当前城市信息
///
/// 当前城市信息
[HttpGet]
public async TaskGetLocation
{
var httpClient = _httpClientFactory.CreateClient;
IpData ipInfo = await httpClient.GetFromJsonAsync("https://ipinfo.io/json");
var ipinfo = IpTool.Search(ipInfo!.ip);
return ipinfo;
}
///
/// 获取天气信息
///
///
省份
///
城市
///
日期(格式：月份/日期)
/// 天气信息
[HttpGet]
public async TaskstringGetCurrentWeather(stringregion,stringcity,stringcurrentDate)
{
WeatherRoot weatherRoot = await httpClient.GetFromJsonAsync($"https://cn.apihz.cn/api/tianqi/tqybmoji15.php?id=88888888&key=88888888&sheng={region!}&place={city!}")!;
DataItem today = weatherRoot!.data!.FirstOrDefault(i => i.week2 == currentDate)!;
return$"{today!.week2} {today.week1},天气{today.wea1}转{today.wea2}。最高气温{today.wendu1}摄氏度,最低气温{today.wendu2}摄氏度。";
}
}
publicclassIpData
{
publicstringip { get; set; }
publicstringcity { get; set; }
publicstringregion { get; set; }
publicstringcountry { get; set; }
publicstringloc { get; set; }
publicstringorg { get; set; }
publicstringpostal { get; set; }
publicstringtimezone { get; set; }
publicstringreadme { get; set; }
}
publicclassDataItem
{
publicstringweek1 { get; set; }
publicstringweek2 { get; set; }
publicstringwea1 { get; set; }
publicstringwea2 { get; set; }
publicstringwendu1 { get; set; }
publicstringwendu2 { get; set; }
publicstringimg1 { get; set; }
publicstringimg2 { get; set; }
}
publicclassWeatherRoot
{
public List data { get; set; }
publicintcode { get; set; }
publicstringplace { get; set; }
}
代码里实现了三个action，分别是获取城市天气、获取当前城市信息、获取天气信息接口。接下来添加项目配置
var builder = WebApplication.CreateBuilder(args);builder.Services.AddControllers;
builder.Services.AddEndpointsApiExplorer;
builder.Services.AddSwaggerGen(options =>
{
options.SwaggerDoc("v1", new OpenApiInfo
{
Version = "v1",
Title = "",
Description = "",
});
var xmlFilename = $"{Assembly.GetExecutingAssembly.GetName.Name}.xml";
options.IncludeXmlComments(Path.Combine(AppContext.BaseDirectory, xmlFilename));
});
builder.Services.AddHttpClient;
var app = builder.Build;
//使用OpenApi的版本信息
app.UseSwagger(options =>
{
options.OpenApiVersion = Microsoft.OpenApi.OpenApiSpecVersion.OpenApi3_0;
});
app.UseSwaggerUI(options =>
{
options.SwaggerEndpoint("/swagger/v1/swagger.json", "v1");
});
app.UseAuthorization;
app.MapControllers;
app.Run;完成上面的代码之后，可以运行起来该项目。通过获取WebApi接口的OpenAPI的数据格式。MCP Server接下来搭建项目，来把上面的WebApi项目转换成MCP Server。首先添加MCP和SemanticKernel OpenApi涉及到的类库，因为我们需要使用SemanticKernel来把swagger.json加载成Plugins
接下来我们来编写具体的代码实现
IKernelBuilder kernelBuilder = Kernel.CreateBuilder;;Kernel kernel = kernelBuilder.Build;
#pragma warning disable SKEXP0040
//把swagger.json加载成Plugin
//这里也可以是本地路径或者是文件流
await kernel.ImportPluginFromOpenApiAsync(
pluginName: "city_date_weather",
uri: new Uri("http://localhost:5021/swagger/v1/swagger.json"),
executionParameters: new OpenApiFunctionExecutionParameters
{
EnablePayloadNamespacing =true
}
);
#pragma warning restore SKEXP0040
var builder = Host.CreateEmptyApplicationBuilder(settings: );
builder.Services
//添加MCP Server
.AddMcpServer
//使用Stdio模式
.WithStdioServerTransport
//把Plugins转换成McpServerTool
.WithTools(kernel.Plugins);
await builder.Build.RunAsync;
publicstaticclassMcpServerBuilderExtensions
{
///
/// 把Plugins转换成McpServerTool
///
public static IMcpServerBuilderWithTools(this IMcpServerBuilder builder, KernelPluginCollection plugins)
{
foreach (var plugin in plugins)
{
foreach (var function in plugin)
{
builder.Services.AddSingleton(services => McpServerTool.Create(function.AsAIFunction));
}
}
return builder;
}
}MCP的传输层协议可以使用stdio(既标准输入输出)、sse或者是streamable，甚至是自定义的方式进行通信。其中stdio可以本机进程间通信，sse或者是streamable进行远程通信。它的消息格式，或者理解为数据传输的格式是其中ImportPluginFromOpenApiAsync方法是其中比较关键的点，它是把OpenApi接口信息转换成Kernel Plugins。它通过读取swagger.json里的接口信息的元数据构建成KernelFunction实例，而具体的触发操作则转换成Http调用。具体的实现方式可以通过阅读CreateRestApiFunction[1]方法源码的实现。再次AsAIFunction方法则是把KernelFunctionFromMethod转换成KernelAIFunction，因为是继承了KernelFunction类，则是继承了AIFunction类，所以这个操作是把KernelFunction转换成AIFunction。可以把理解成KernelFunction的外观类，它只是包装了KernelFunction的操作，所以触发的时候还是里的操作。具体的实现可以查看 KernelAIFunction[2]类的实现。几句简单的代码既可以实现一个Mcp Server，虽然上面我们使用的是Uri的方式加载的OpenAPI文档地址，但是它也支持本地文件地址或者文件流的方式。不得不说微软体系下的框架在具体的落地方面做得确实够实用，因为具体的逻辑都是WebApi实现的，Mcp Server只是一个媒介。MCP Client最后实现的是MCP Client是为了验证Mcp Server效果用的，这里可以使用任何框架来实现，需要引入ModelContextProtocol和具体的AI框架，AI框架可以是，也可以是Semantic Kernel。这里我们使用，因为它足够简单也足够简洁，引入相关的类库
其中提供了McpClient功能，提供具体的AI功能集成。具体实现如下所示//加载McpServer，以为我们构建的是使用Stdio的方式，所以这里直接使用McpServer路径即可
awaitusing IMcpClient mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new
{
Name = "city_date_weather",
Command = "..\\..\\..\\..\\McpServerDemo\\bin\\Debug\\net9.0\\McpServerDemo.exe"
}));
//加载MCP Tools
var tools = await mcpClient.ListToolsAsync;
foreach (AIFunction tool in tools)
{
Console.WriteLine($"Tool Name: {tool.Name}");
Console.WriteLine($"Tool Description: {tool.Description}");
Console.WriteLine;
}
//中文的function calling，国内使用qwen-max系列效果最好
stringapiKey = "sk-****";
var chatClient = new ChatClient("qwen-max-2025-01-25", new ApiKeyCredential(apiKey), new OpenAIClientOptions
{
Endpoint = new Uri("https://dashscope.aliyuncs.com/compatible-mode/v1")
}).AsIChatClient;
IChatClient client = new ChatClientBuilder(chatClient)
//开启function calling支持
.UseFunctionInvocation
.Build;
//构建Tools
ChatOptions chatOptions = new
{
Tools = [.. tools],
};
//创建对话代码
List chatList = ;
stringquestion = "";
do
{
Console.Write($"User:");
question = Console.ReadLine;
if (string.IsOrWhiteSpace(question) || question == "exists")
{
break;
}
chatList.Add(new Microsoft.Extensions.AI.ChatMessage(ChatRole.User, question));
Console.Write($"Assistant:");
StringBuilder sb = new StringBuilder;
awaitforeach (var update in client.GetStreamingResponseAsync(chatList, chatOptions))
{
if (string.IsOrWhiteSpace(update.Text))
{
continue;
}
sb.Append(update.Text);
Console.Write(update.Text);
}
chatList.Add(new Microsoft.Extensions.AI.ChatMessage(ChatRole.Assistant, sb.ToString));
Console.WriteLine;
} while (true);
Console.ReadLine;McpClient接入AI应用
• 首先，通过McpClient加载McpServer里的工具
• 其次，把MCP Tools加载到Microsoft.Extensions.AI里
• 最后，在和AI模型对话的时候把Tools转换成function calling。中文的function calling，个人体验下来国内使用qwen-max系列效果最好
其中mcpClient.ListToolsAsync获取到的是McpClientTool集合，而McpClientTool继承自AIFunction类，具体可查看McpClientTool[3]实现源码。由此可以看出微软封装基座的重要性，以后更多的框架都可以围绕进行封装统一操作，这样大大提升了扩展的便捷性。当然，你也可以使用Semantic Kernel框架进行上面的操作，这里就不过多赘述了，直接上代码//加载McpServer，以为我们构建的是使用Stdio的方式，所以这里直接使用McpServer路径即可awaitusing IMcpClient mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new
{
Name = "city_date_weather",
Command = "..\\..\\..\\..\\McpServerDemo\\bin\\Debug\\net9.0\\McpServerDemo.exe"
}));
//加载MCP Tools
var tools = await mcpClient.ListToolsAsync;
using HttpClientHandler handler = new HttpClientHandler
{
ClientCertificateOptions = ClientCertificateOption.Automatic
};
using HttpClient httpClient = new(handler)
{
BaseAddress = new Uri("https://dashscope.aliyuncs.com/compatible-mode/v1")
};
#pragma warning disable SKEXP0070
IKernelBuilder kernelBuilder = Kernel.CreateBuilder;
kernelBuilder.AddOpenAIChatCompletion("qwen-max-2025-01-25", "sk-***", httpClient: httpClient);
//把Tools加载成sk的Plugins
kernelBuilder.Plugins.AddFromFunctions("weather", tools.Select(aiFunction => aiFunction.AsKernelFunction));
Kernel kernel = kernelBuilder.Build;
var chatCompletionService = kernel.GetRequiredService;
PromptExecutionSettings promptExecutionSettings = new
{
FunctionChoiceBehavior = FunctionChoiceBehavior.Auto
};
var history = new ChatHistory;
while (true)
{
Console.Write($"User:");
stringinput = Console.ReadLine;
if (string.IsOrWhiteSpace(input) || input == "exists")
{
break;
}
history.AddUserMessage(input);
var chatMessage = await chatCompletionService.GetChatMessageContentAsync(
history,
executionSettings: promptExecutionSettings,
kernel: kernel);
Console.WriteLine("Assistant:" + chatMessage.Content);
history.AddAssistantMessage(chatMessage.Content);
}
Console.ReadLine;MCP是一个协议标准，所以MCP Server可以做到一次构建，到处使用。运行效果运行的时候需要先运行起来WebApi项目，然后把McpServer编译成exe文件，然后运行McpClient项目，我们打印出来了可用的Tools列表。在Client项目进行对话，询问当前天气效果如下
感兴趣的如果想运行具体的代码示例，可以查看我上传的代码示例McpDemo[4]
本文演示了如何把ASP.NET Core WebApi打造成Mcp Server，通过讲解基本概念，介绍使用的框架，以及简单的示例展示了这一过程，整体来说是比较简单的。MCP的重点是标准化，而不是取代。如果想在AI应用中使用MCP，模型需要支持.我们可以把原来固定在AI应用里的工具代码单独抽离出来，使用不同的开发语言形成独立的应用，这样这个Tools应用就可以和AI应用隔离，形成独立可复用的工具。现在AI大部分时候确实很好用，但是它也不是银弹。至于它的边界在哪里，只有不断地使用实践。你身边的事情都可以先用AI尝试去做，不断地试探它的能力。AI帮你做完的事情，如果能达到你的预期，你可以看它的实现方式方法，让自己学习到更好的思路。如果是完全依赖AI，而自己不去思考，那真的可能会被AI取代掉。只有你自己不断的进步，才能进一步的探索AI，让它成为你的好工具。
引用链接[1]CreateRestApiFunction:https://github.com/microsoft/semantic-kernel/blob/main/dotnet/src/Functions/Functions.OpenApi/OpenApiKernelPluginFactory.cs#L251
[2]KernelAIFunction:https://github.com/microsoft/semantic-kernel/blob/main/dotnet/src/SemanticKernel.Abstractions/Functions/KernelFunction.cs#L529
[3]McpClientTool:https://github.com/modelcontextprotocol/csharp-sdk/blob/main/src/ModelContextProtocol/Client/McpClientTool.cs#L28
[4]McpDemo:
来源：opendotnet
