构建智能应用的新方式：Semantic Kernel MCP 客户端实践

最新推荐文章于 2025-05-08 17:35:35 发布

大模型

最新推荐文章于 2025-05-08 17:35:35 发布

阅读量696

点赞数 21

文章标签： microsoft 人工智能大数据大模型 ai ai大模型 LLM

本文链接：https://blog.csdn.net/2301_77193447/article/details/147784445

版权

构建智能应用的新方式：Semantic Kernel MCP 客户端实践

引言

在人工智能快速发展的今天，如何有效地将各种 AI 服务和工具整合到一起，为用户提供统一、智能的交互体验，成为了开发者面临的重要挑战。本文将介绍我最近开发的一个项目 —— Semantic Kernel MCP 客户端，它基于微软的 Semantic Kernel 框架，实现了对多种 MCP (Multi-modal Chat Protocol) 服务的集成和管理。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

什么是 Semantic Kernel 和 MCP？

在深入了解项目之前，让我们先简单了解一下核心技术：

Semantic Kernel 是微软开发的一个开源框架，它为开发者提供了一种简单而强大的方式来集成大型语言模型（如 GPT-4）到传统应用程序中。它允许 AI 与应用程序的功能无缝协作，使开发者能够构建更智能的应用。

MCP (Multi-modal Chat Protocol) 是一种用于多模态聊天的协议，它允许不同的 AI 工具和服务通过统一的接口进行交互。这使得开发者可以轻松地将各种专业工具（如 GitHub 工具、搜索引擎等）集成到 AI 应用中。

项目概述

Semantic Kernel MCP 客户端项目的核心目标是：将多个 MCP 服务集成到一个统一的接口中，并通过 Semantic Kernel 使这些服务能够被 AI 模型（如 GPT-4o）无缝调用。

这个项目解决了以下几个关键问题：

如何管理和连接多个 MCP 服务
如何将 MCP 服务的工具映射为 Semantic Kernel 函数
如何让 AI 模型能够自动选择和使用合适的工具

技术实现

核心架构

项目的核心架构包括以下几个部分：

MCP 客户端管理：通过 McpDotNetExtensions 类提供对 MCP 客户端的创建、管理和访问
工具映射：将 MCP 服务提供的工具自动映射为 Semantic Kernel 函数
聊天界面：提供一个简单的控制台界面，支持用户输入问题并获取流式响应

关键代码解析

MCP 客户端配置和加载

public static async Task<Dictionary<string, IMcpClient>> GetAllMcpClientsAsync(string? configPath = null, ILoggerFactory? loggerFactory = null)
{
    var configs = await LoadMcpConfigsAsync(configPath);
    var result = new Dictionary<string, IMcpClient>();
    var options = new McpClientOptions
    {
        ClientInfo = new() { Name = "MCP Client", Version = "1.0.0" }
    };

    var factory = new McpClientFactory(
        configs,
        options,
        loggerFactory ?? NullLoggerFactory.Instance
    );

    foreach (var config in configs)
    {
        try
        {
            var client = await factory.GetClientAsync(config.Id).ConfigureAwait(false);
            result.Add(config.Id, client);
        }
        catch (Exception ex)
        {
            // 记录错误但继续处理其他客户端
            var logger = (loggerFactory ?? NullLoggerFactory.Instance).CreateLogger(typeof(McpDotNetExtensions));
            logger.LogError(ex, "无法创建ID为'{Id}'的MCP客户端", config.Id);
        }
    }

    return result;
}

这段代码负责从配置文件中加载 MCP 服务配置，并创建相应的客户端实例。它使用了工厂模式来创建客户端，并处理了可能出现的错误，确保即使某个客户端创建失败，其他客户端仍然可以正常工作。

工具映射为 Kernel 函数

public static async Task<IEnumerable<KernelFunction>> MapToFunctionsAsync(this IMcpClient mcpClient)
{
    var tools = await mcpClient.ListToolsAsync().ConfigureAwait(false);
    return tools.Tools.Select(t => t.ToKernelFunction(mcpClient)).ToList();
}

private static KernelFunction ToKernelFunction(this Tool tool, IMcpClient mcpClient)
{
    async Task<string> InvokeToolAsync(Kernel kernel, KernelFunction function, KernelArguments arguments, CancellationToken cancellationToken)
    {
        try
        {
            // 转换参数为mcpdotnet期望的字典格式
            Dictionary<string, object> mcpArguments = [];
            foreach (var arg in arguments)
            {
                if (arg.Value is not null)
                {
                    mcpArguments[arg.Key] = function.ToArgumentValue(arg.Key, arg.Value);
                }
            }

            // 通过mcpdotnet调用工具
            var result = await mcpClient.CallToolAsync(
                tool.Name,
                mcpArguments,
                cancellationToken: cancellationToken
            ).ConfigureAwait(false);

            // 从结果中提取文本内容
            return string.Join("\n", result.Content
                .Where(c => c.Type == "text")
                .Select(c => c.Text));
        }
        catch (Exception ex)
        {
            Console.Error.WriteLine($"调用工具'{tool.Name}'时出错: {ex.Message}");

            // 重新抛出异常，让kernel处理
            throw;
        }
    }

    return KernelFunctionFactory.CreateFromMethod(
        method: InvokeToolAsync,
        functionName: tool.Name,
        description: tool.Description,
        parameters: tool.ToParameters(),
        returnParameter: ToReturnParameter()
    );
}

这段代码是项目的核心部分，它将 MCP 服务提供的工具转换为 Semantic Kernel 函数。这种转换使得 AI 模型可以像调用普通函数一样调用这些工具，大大简化了开发过程。

主程序流程

var model = "gpt-4o";
var kernelBuilder = Kernel.CreateBuilder();
var apiKey = "your-openai-api-key";

// 配置OpenAI
kernelBuilder.AddOpenAIChatCompletion(model, new Uri("https://api.openai.com/v1"), apiKey);

// 创建Kernel
var kernel = kernelBuilder.Build();

// 添加MCP服务
var allClients = await McpDotNetExtensions.GetAllMcpClientsAsync().ConfigureAwait(false);
await McpDotNetExtensions.SetKernelToFunction(allClients, kernel);

var executionSettings = new OpenAIPromptExecutionSettings
{
    Temperature = 0,
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto()
};
var chat = kernel.GetRequiredService<IChatCompletionService>();

while (true)
{
    Console.WriteLine("请输入您的问题：");
    var str = Console.ReadLine();

    if (str == "exit")
    {
        break;
    }

    var chatHistory = new ChatHistory();
    chatHistory.AddUserMessage(str);
    await foreach (var item in chat.GetStreamingChatMessageContentsAsync(chatHistory, executionSettings, kernel))
    {
        Console.Write(item?.Content);
    }

    Console.WriteLine();
}

主程序首先初始化 Semantic Kernel 和 OpenAI 客户端，然后加载所有 MCP 服务并将其工具映射为 Kernel 函数。接着，它创建一个简单的交互式控制台界面，允许用户输入问题并获取 AI 的响应。