مایکروسافت نسخه ۲.۰ از C# SDK خود را برای Model Context Protocol (MCP) منتشر کرد. این به‌روزرسانی قابلیت‌های streaming بومی، کامپایل ahead-of-time (AOT) و پشتیبانی نزدیک‌تر از dependency-injection (DI) را برای توسعه‌دهندگان .NET فراهم می‌کند. اکنون عامل‌های هوش مصنوعی سریع‌تر و سبک‌تر می‌توانند در محیط‌های serverless با تأخیر (latency) به‌طور محسوسی کمتر، راه‌اندازی شوند.

چرا این SDK اهمیت دارد

پروتکل MCP، یک استاندارد باز که توسط Anthropic ایجاد شده است، نحوه تعامل مدل‌های زبانی بزرگ (LLMs) با ابزارهای خارجی را تعریف می‌کند. با افزایش شرکت‌هایی که جریان‌های کاری مبتنی بر LLM می‌سازند، یک پروتکل مشترک نیاز به آداپتورهای سفارشی را کاهش می‌دهد. مایکروسافت با گنجاندن این پروتکل در اکوسیستم .NET، آن را مستقیماً در پشته‌ای (stack) قرار می‌دهد که قدرت‌بخش بسیاری از بک‌اندهای سازمانی است.

ویژگی‌های جدید چه کاری انجام می‌دهند

  • پشتیبانی از Streaming – به‌جای انتظار برای پاسخ کامل LLM، کلاینت هر توکن یا خروجی ابزار را به محض رسیدن پردازش می‌کند. یک رفت‌وبرگشت (round-trip) طولانی به مجموعه‌ای از به‌روزرسانی‌های تدریجی تبدیل می‌شود که باعث می‌شود عامل‌های تعاملی سریع‌تر و روان‌تر به نظر برسند.
  • کامپایل Native AOT – این SDK از قبل به یک باینری بومی (native binary) کامپایل می‌شود. فایل اجرایی حاصل کوچک‌تر است و سریع‌تر اجرا می‌شود؛ این یک مزیت آشکار برای Azure Functions یا سایر پلتفرم‌های serverless است که در آن‌ها زمان cold-start مستقیماً بر هزینه تأثیر می‌گذارد.
  • یکپارچگی بهبودیافته با DI – این SDK اکنون مستقیماً به کانتینر dependency-injection داخلی .NET متصل می‌شود. توسعه‌دهندگان می‌توانند سرویس‌های MCP را در کنار سرویس‌های تجاری موجود ثبت کنند و پیکربندی را متمرکز و قابل تست نگه دارند.

پیامدها برای سازمان‌ها

اکثر بک‌اندهای سازمانی در حال حاضر روی .NET اجرا می‌شوند، بنابراین این SDK یک نقطه اصطکاک اصلی را از بین می‌برد: تبدیل منطق تجاری داخلی به ابزارهای «آماده برای هوش مصنوعی». تیم‌ها می‌توانند سرویس‌های موجود خود — مانند پردازش سفارش، جستجوی موجودی و پرس‌وجوهای CRM — را بدون نیاز به ساخت یک لایه API مجزا، به عنوان توابع قابل دسترسی برای LLM ارائه دهند. قابلیت Streaming تأخیر محسوس برای کاربران نهایی را کاهش می‌دهد، در حالی که AOT باعث صرفه‌جویی در زمان و هزینه مصرف Azure می‌شود.