C#实现MCP Client 与 LLM 连接，抓取网页内容功能！

该专栏优先在飞书发布，欢迎收藏关注！

https://www.feishu.cn/community/article?id=7507084665509904403

前面的课程，我们已经用C#实现了，自己的MCP Client。

下面我们一起来实现，MCP Client与LLM 对接。

一、添加依赖库

目前来说，绝大部分的大模型的API，都是遵循OpenAI的接口规范。

Microsoft.Extensions.AI 是微软官方提供的一套统一的 AI 抽象层，大大简化 AI 模型在 .NET 应用中的集成。

添加依赖库：Microsoft.Extensions.AI.OpenAI，版本为：最新预发行版 9.4.4-preview.1.25259.16**，添加的时候记得勾选：包括预发行版。**

添加依赖库：Microsoft.Extensions.AI，版本为：9.4.4-preview.1.25259.16。

二、OpenAI 客户端实现

新增文件：ChatAIClient

2.1 初始化OpenAI客户端

初始化OpenAI客户端，并使用UseFunctionInvocation 来增强客户端，这里启用函数调用。

备注：以下代码涉及的秘钥，记得替换为自己的。

using Microsoft.Extensions.AI;
using OpenAI;
using System.ClientModel;
namespace MCPClient
{/// <summary>/// 表示一个用于与 AI 聊天模型交互的客户端封装类。/// 负责初始化聊天客户端并维护对话上下文。/// </summary>public class ChatAIClient{/// <summary>/// 封装后的 AI 聊天客户端接口，支持函数调用等功能。/// </summary>private IChatClient ChatClient;/// <summary>/// 存储当前会话中的所有聊天消息记录。/// </summary>private IList<ChatMessage> Messages;/// <summary>/// API 访问密钥，用于身份认证。【记得替换为自己的】/// </summary>private const string _apiKey = "6092598c-ce00-48fd-a5be-0d758088c888";/// <summary>/// AI 服务的基础请求地址。【记得替换为自己的】/// </summary>private const string _baseURL = "https://api-inference.modelscope.cn/v1/";/// <summary>/// 使用的 AI 模型标识符。【记得替换为自己的】/// </summary>private const string _modelID = "Qwen/Qwen2.5-72B-Instruct";/// <summary>/// 初始化一个新的 <see cref="ChatAIClient"/> 实例。/// 构造函数中自动完成聊天客户端的初始化配置。/// </summary>public ChatAIClient(){InitIChatClient();}/// <summary>/// 初始化内部使用的 AI 聊天客户端实例。/// 配置 API 凭证、服务端点，并构建具备函数调用能力的客户端。/// 同时初始化系统消息作为对话起点。/// </summary>private void InitIChatClient(){// 创建 API 密钥凭证ApiKeyCredential apiKeyCredential = new ApiKeyCredential(_apiKey);// 设置 OpenAI 客户端选项，如自定义服务端点OpenAIClientOptions openAIClientOptions = new OpenAIClientOptions();openAIClientOptions.Endpoint = new Uri(_baseURL);// 创建 OpenAI 客户端并获取指定模型的聊天接口var openaiClient = new OpenAIClient(apiKeyCredential, openAIClientOptions).GetChatClient(_modelID).AsIChatClient();// 构建增强功能的聊天客户端（例如启用函数调用）ChatClient = new ChatClientBuilder(openaiClient).UseFunctionInvocation().Build();// 初始化对话历史，包含一条系统提示信息Messages =[// 添加系统角色消息new(ChatRole.System, "您是一位乐于助人的助手，帮助我们测试MCP服务器功能，优先使用中文回答！"),];}}
}

2.2 处理用户的自然语言查询

在ChatAIClient文件，添加如下代码，实现与 AI 模型交互，并传入 MCP 工具。

/// <summary>
/// 异步处理用户的自然语言查询，并与 AI 模型进行交互，支持 MCP 工具调用。
/// </summary>
/// <param name="query">用户的自然语言查询内容</param>
/// <param name="tools">可用的 MCP 工具列表，用于扩展 AI 的外部能力</param>
/// <returns>AI 返回的最终文本响应结果</returns>
public async Task<string> ProcessQueryAsync(string query, IList<McpClientTool> tools)
{// 如果消息历史为空，则初始化系统提示消息if (Messages.Count == 0){Messages = [new(ChatRole.System, "您是一位乐于助人的助手，帮助我们测试MCP服务器功能，优先使用中文回答！")];}// 添加用户输入的消息到对话历史Messages.Add(new(ChatRole.User, query));// 设置请求选项，注入可用工具var options = new ChatOptions{Tools = [.. tools]};// 调用 AI 客户端获取响应var response = await ChatClient.GetResponseAsync(Messages, options);// 将 AI 响应加入对话历史Messages.AddMessages(response);// 输出调用的工具信息OutputToolUsageInfo(response);// 返回模型生成的文本响应return response.Text;
}

2.3 MCP 工具使用情况日志

在ChatAIClient文件，添加如下代码，输出 AI 调用MCP 工具的情况。

 /// <summary>/// 辅助方法：输出 AI 在响应中调用的工具信息到控制台。/// </summary>/// <param name="response">来自 AI 的完整响应对象</param>private void OutputToolUsageInfo(ChatResponse response){// 获取所有 Tool 角色的消息var toolUseMessages = response.Messages.Where(m => m.Role == ChatRole.Tool).ToList();// 判断是否调用了工具// 获取响应中所有角色为 Tool 的消息（即 AI 调用了哪些工具）var toolUseMessage = response.Messages.Where(m => m.Role == ChatRole.Tool);// 判断第一条消息的内容是否多于一个（通常第一个消息是用户问题，第二个是调用函数）if (response.Messages[0].Contents.Count > 1){// 尝试从第一条消息的第二个内容项提取出函数调用信息var functionCall = (FunctionCallContent)response.Messages[0].Contents[1];// 设置控制台输出颜色为绿色，用于突出显示工具调用信息Console.ForegroundColor = ConsoleColor.Green;string arguments = "";// 如果函数调用包含参数，则拼接参数信息if (functionCall.Arguments != null){foreach (var arg in functionCall.Arguments){arguments += $"{arg.Key}:{arg.Value};";}// 输出调用的方法名及参数信息Console.WriteLine($"调用方法名:{functionCall.Name};参数信息：{arguments}");// 遍历所有 Tool 消息，输出每个工具调用的结果foreach (var message in toolUseMessage){// 提取工具调用后的执行结果var functionResultContent = (FunctionResultContent)message.Contents[0];Console.WriteLine($"调用工具结果：{functionResultContent.Result}");}// 恢复控制台默认颜色（白色）Console.ForegroundColor = ConsoleColor.White;}else{// 如果没有参数Console.WriteLine("工具参数为空");}}else{Console.ForegroundColor = ConsoleColor.Green;Console.WriteLine("本次没有调用工具");Console.ForegroundColor = ConsoleColor.White;}}
}

三、为LLM添加工具能力

在前面课程基础之上，在Program.cs添加代码。

**代码说明：**为LLM添加工具能力，并处理客户提交的内容。

// 创建聊天客户端实例
ChatAIClient chatAIClient = new ChatAIClient();
// 进入主循环，持续接收用户输入直到输入 "exit"
while (true)
{try{// 设置控制台文字颜色为黄色，提示用户输入问题Console.ForegroundColor = ConsoleColor.Yellow;Console.Write("\n提问: ");// 读取用户输入并去除前后空格，若为空则赋默认空字符串string query = Console.ReadLine()?.Trim() ?? string.Empty;// 判断用户是否输入 "exit" 以退出程序if (query.ToLower() == "exit"){break;}// 调用异步方法处理用户查询，并传入预定义的工具列表（listToolsResult）string response = await chatAIClient.ProcessQueryAsync(query, listToolsResult);// 设置输出颜色为黄色，显示 AI 的响应内容Console.ForegroundColor = ConsoleColor.Yellow;Console.WriteLine($"AI：{response}");// 恢复控制台默认颜色（白色）Console.ForegroundColor = ConsoleColor.White;}catch (Exception ex){// 捕获所有异常并输出错误信息，防止程序崩溃Console.WriteLine($"\nError: {ex.Message}");}
}

四、测试效果

===

启动项目，并输入以下内容：

抓取 https://blog.csdn.net/daremeself/article/details/147166987 的内容，并markdown格式输出

调用MCP Server的工具的情况日志。

AI响应的结果：

好了，今天就分享到这边！

下一个课程：实现自己的MCP Server。

**文中示例代码：**https://pan.quark.cn/s/b5b8853200f9

- End -