Microsoft wydał wersję 2.0 swojego SDK dla języka C# dla Model Context Protocol (MCP). Aktualizacja zapewnia programistom .NET natywne strumieniowanie, kompilację ahead-of-time (AOT) oraz ściślejsze wsparcie dla wstrzykiwania zależności (DI). Szybsze i lżejsze agenty AI mogą teraz uruchamiać się w środowiskach serverless z zauważalnie niższym opóźnieniem.

Dlaczego to SDK jest ważne

MCP, otwarty standard stworzony przez Anthropic, definiuje sposób, w jaki duże modele językowe (LLM) komunikują się z zewnętrznymi narzędziami. W miarę jak coraz więcej firm buduje procesy oparte na LLM, wspólny protokół ogranicza potrzebę tworzenia niestandardowych adapterów. Pakując protokół do ekosystemu .NET, Microsoft umieszcza go bezpośrednio w stosie technologicznym, który napędza wiele korporacyjnych systemów backendowych.

Co oferują nowe funkcje

  • Wsparcie dla strumieniowania – Zamiast czekać na pełną odpowiedź LLM, klient przetwarza każdy token lub wynik narzędzia w momencie jego otrzymania. Pojedynczy, długi cykl komunikacji staje się serią przyrostowych aktualizacji, dzięki czemu interaktywne agenty działają bardziej responsywnie.
  • Kompilacja Native AOT – SDK jest kompilowane z wyprzedzeniem (ahead-of-time) do natywnego pliku binarnego. Powstały plik wykonywalny jest mniejszy i uruchamia się szybciej, co stanowi wyraźną zaletę dla Azure Functions lub innych platform serverless, gdzie czas zimnego startu (cold-start) wpływa na koszty.
  • Ulepszona integracja DI – SDK można teraz bezpośrednio podłączyć do wbudowanego kontenera wstrzykiwania zależności (dependency-injection) w .NET. Programiści mogą rejestrować usługi MCP obok istniejących usług biznesowych, zachowując scentralizowaną i łatwą do przetestowania konfigurację.

Znaczenie dla przedsiębiorstw

Większość korporacyjnych systemów backendowych działa już w oparciu o .NET, więc SDK eliminuje główny punkt problematyczny: tłumaczenie wewnętrznej logiki biznesowej na narzędzia „gotowe na AI”. Zespoły mogą udostępniać istniejące usługi — takie jak przetwarzanie zamówień, sprawdzanie stanów magazynowych czy zapytania CRM — jako funkcje dostępne dla LLM, bez konieczności budowania oddzielnej warstwy API. Strumieniowanie zmniejsza odczuwalne opóźnienia dla użytkowników końcowych, podczas gdy AOT oszczędza czas i pieniądze związane z konsumpcją zasobów Azure.