MCP for .NET：能够真正做事的 AI 代理

Source: Dev.to

Crysta 是一款 AI 应用，您可以为真实的业务场景构建自己的 AI 代理。
与普通聊天机器人不同，您可以连接不同的 MCP 服务器，为您的代理赋予实用功能，如日程安排、预订以及数据访问。简而言之，Crysta 帮助您构建一个不仅能聊天、还能真正完成工作的 AI 代理。

用户可以连接的内容

• Google 日历工作流
• 预订和排程系统
• 通过 MCP 暴露的业务数据工具
• 类似 DeepWiki 的知识工具（通过 MCP）

因此，代理不仅只能回答诸如“预订会议”之类的请求，还可以通过已连接的工具实际执行该操作。

为什么这对 .NET 开发者很重要

MCP 为 .NET 开发者提供了一种直接的方式，将真实功能添加到 AI 代理，而无需自行构建每个集成。与其将每个 API 直接接入你的应用，不如连接 MCP 兼容的工具，让代理通过相同的函数调用流程使用它们。

好处

• 更快的开发速度： 新功能来自添加 MCP 工具，而不是编写新的集成。
• 更清晰的架构： 你的代理通过添加工具而成长，而不是通过增加更多提示逻辑或自定义胶水代码。

我们是如何构建的（高层概述）

1. 用户向代理添加 MCP 服务器链接。
2. 系统验证链接并读取工具元数据。
3. 已连接的 MCP 工具成为该代理可用操作的一部分。
4. 在聊天过程中，模型可以在需要时调用这些工具。
5. 失败和连接健康状况会被跟踪，以便用户快速修复失效的链接。

我们使用的包

• ModelContextProtocol
• Microsoft.Extensions.AI
• Microsoft.Extensions.AI.OpenAI
• Azure.AI.OpenAI

这种组合在 .NET 中提供了 MCP 工具发现以及稳健的函数调用管道。

小型代码示例（基于我们的代码）

1) MCP 客户端 + 验证服务

using ModelContextProtocol.Client;

public class McpServerService : IMcpServerService
{
    public async Task ValidateAndGetMcpInfoAsync(string mcpUrl)
    {
        if (!Uri.TryCreate(mcpUrl, UriKind.Absolute, out _))
        {
            return new StoredMcpServer { IsValid = false, ErrorMessage = "Invalid URL format" };
        }

        try
        {
            var transport = new HttpClientTransport(
                new HttpClientTransportOptions { Endpoint = new Uri(mcpUrl) },
                loggerFactory: null);

            var client = await McpClient.CreateAsync(transport);
            var serverInfo = client.ServerInfo;

            return new StoredMcpServer
            {
                Url = mcpUrl,
                Title = serverInfo?.Name ?? "Unknown MCP Server",
                Description = serverInfo?.Title ?? "No description available",
                AddedDate = DateTime.Now,
                IsValid = serverInfo is not null
            };
        }
        catch (Exception ex)
        {
            return new StoredMcpServer { IsValid = false, ErrorMessage = ex.Message };
        }
    }

    public async Task CreateClientAsync(string mcpUrl, CancellationToken cancellationToken = default)
    {
        var transport = new HttpClientTransport(
            new HttpClientTransportOptions { Endpoint = new Uri(mcpUrl) },
            loggerFactory: null);
        return await McpClient.CreateAsync(transport);
    }
}

2) 在运行时从代理技能加载 MCP 工具

using Microsoft.Extensions.AI;
using ModelContextProtocol.Client;

private async Task> GetMcpToolsAsync()
{
    if (interactiveAgent?.Skills == null) return [];

    var allTools = new List();
    using var scope = ServiceScopeFactory.CreateScope();
    var mcpServerService = scope.ServiceProvider.GetRequiredService();

    foreach (var skill in interactiveAgent.Skills)
    {
        if (skill.SkillType != SkillType.MCP) continue;
        if (skill.SkillJson is null) continue;

        var check = await mcpServerService.ValidateAndGetMcpInfoAsync(skill.SkillJson);
        if (!check.IsValid) continue;

        var client = await mcpServerService.CreateClientAsync(skill.SkillJson);
        var tools = await client.ListToolsAsync();
        allTools.AddRange(tools);
    }

    return allTools;
}

3) 将 MCP 工具附加到 Microsoft.Extensions.AI 聊天管道

using System.ClientModel;
using Azure.AI.OpenAI;
using Microsoft.Extensions.AI;

var azureChatClient = new AzureOpenAIClient(
        new Uri(endpoint),
        new ApiKeyCredential(apiKey))
    .GetChatClient(deployment)
    .AsIChatClient();

var mcpTools = await GetMcpToolsAsync();

var chatClient = new ChatClientBuilder(azureChatClient)
    .ConfigureOptions(options =>
    {
        options.Tools ??= [];
        foreach (var tool in mcpTools)
        {
            options.Tools.Add(tool);
        }
    })
    .UseFunctionInvocation(c => c.AllowConcurrentInvocation = true)
    .Build();

这正是我们使用的思路：验证 MCP 链接、发现工具，然后将这些工具传递给聊天客户端，使代理能够调用它们。

Closing

MCP 将我们的产品从“能回答的 AI”转变为“能行动的 AI”。
这就是用户立刻注意到的区别。

如果你想看到最终结果，请在此查看：