MCP(Model Context Protocol)는 AI 모델과 외부 데이터 소스, 도구를 연결하는 표준 프로토콜로 AI가 사용자의 작업 문맥을 이해하고 다양한 정보를 전달할 수 있도록 해주며
닷넷에서 로컬에 작동하는 MCP EchoServer를 먼저 만들어본후 MCP에 액터모델을 연결해 Client-Server Model로 확장하는 변종실험으로 간단한 노트작성및 검색기능을 탑재해보았습니다.
콘솔로 새프로젝트
- 타켓 프레임워크 : 9.0 으로하기
- 사용된 ModelContextProtocol-Preview 버전이 타깃이 프레임워크 9.0부터 지원을 해서~ 9.0으로 출발
필요 Nuget 패키지
- ModelContextProtocol - MCP작성을 위한 패키지
- ModelContextProtocol.NET.Server - 작성된 MCP를 표준 MCP 서버로 구동시키기위한 패키지
MCP Server APP 작동코드
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using Microsoft.Extensions.Logging;
var builder = Host.CreateApplicationBuilder(args);
builder.Logging.AddConsole(consoleLogOptions =>
{
// Configure all logs to go to stderr
consoleLogOptions.LogToStandardErrorThreshold = LogLevel.Trace;
});
builder.Services
.AddMcpServer()
.WithStdioServerTransport()
.WithToolsFromAssembly();
await builder.Build().RunAsync();
- StdIO모드로 Local LLM Agent툴과 상호작용하는듯
- 특정 Port가 Listen되어 Remote로 서비스를 제공하는 일반적인 Server 개념과는 다릅니다.
- 처음 MCP Server 구동할때 서버는 Port는 도대체 뭐지? - 삽질주의 PartA
- LLM Agent가 필요하면 필요한 타이밍 툴을 실행하고 종료하는 짧은 사이클을 가졌습니다.
- 아주 짧은 사이클을 가졌으며~ 롱텀이라 생각했던 싱글톤사이클의 DI를 주입하더라도~ 객체가 금방사라져 삽질을 하게됩니다. - 삽질주의 PartB
- 계속 지속 작동하는 Server로 인식하기보다 LLM Agent가 필요하면 잠깐 당겨써는~ Execute Tool이다라고 생각해야 여러모로 헛갈리지 않을듯
MCP 코드
using System.ComponentModel;
using ModelContextProtocol.Server;
namespace McpServer.Tools;
[McpServerToolType]
public static class EchoTool
{
[McpServerTool, Description("Echoes the message back to the client.")]
public static string Echo(string message) => $"Hello from C#: {message}";
[McpServerTool, Description("Echoes in reverse the message sent by the client.")]
public static string ReverseEcho(string message) => new string(message.Reverse().ToArray());
}
- McpServerToolType을 인식해 MCP코드를 작동시켜주며~ Tools디렉토리하위에 Tool단위로 구성파일을 추가
Description은 이것을 이용하는 LLM에게 툴의 설명을 주며 , LLM과 상호작용해 해당기능을 수행합니다.
MCP TestTool로는 VisualStudio Code + Copilot이 이용되었습니다.
VisualStudio Code
- Agent모드로 전환해줍니다.
- Add MCP Server를 해줍니다.
Visual Studio에 MCP 작동코드를 추가합니다.
{
"mcp": {
"servers": {
"McpServer": {
"type": "stdio",
"command": "dotnet",
"args": [
"run",
"--project",
"D:\\Code\\Webnori\\NetCoreLabs\\McpServer\\McpServer.csproj",
"--no-build",
]
}
}
}
}
- 경로는 윈도우 기준 제 폴더이니~ dotnet run 프로젝트 경로를 맞추어줍니다.
- 닷넷작업 본 IDE인 VisualStudio또는 Jetbrain Rider에서만 변경빌드를 해주려고, 빌드없이 실행인 no-build옵션을 선택했습니다.
- 다 작성되면 Running 로 MCP를 Local 실행할수 있습니다.
- py uv 패키지를 이용해 publish하면 더 쉽게 보급하는듯 -여기서는 로컬닷넷 개발환경이 이용되었습니다.
MCP Tool 선택
- MCP Server가 잘등록되고 나면~ 코파일럿 Agent모드일때 우리가 작성한 Tool을 선택할수 있습니다.
TEST
- 우리가 작성한 MCP 기능을 인식해 LLM을 통해 자연어 수행을 할수 있게됩니다.
여기까지가 닷넷을 통해 MCP-Server 를 만들고 테스트해보는 가장 심플한 방법이자 가장 많이 알려진 방법입니다.
MCP에 노트작성기능과 검색기능 그리고 사용히스토리기능을 하는 액터베이스의 서버기능을 만들어 MCP-Server를 업그레이드 시도해보겠습니다.
액터모델과 함께 시도하는 구성도
- MCP Client : MCP Tool을 셋업할때 MCP Server라고 부르지만~ 여기서 구성되는 전체그림에서는 Client이기때문에 Client로 표현했습니다.
- MCP Server : MCP Client에게 액터로 구성된 기능들을 제공합니다.
- RavenDB : 도큐먼트 DB로 몽고DB와 유사하지만 AICD,풀텍스트검색,반경검색,벡터검색,그래프검색등 다양한 검색을 보편적으로 지원하며 MCP및 RAG 연구할때 AI연구 DB로 심플하게 이용할수 있습니다. - RavenDB with Akka.net
- RecoderActor : 노트를 작성합니다.
- SearchActor : 노트검색기능을 제공합니다.
- HistoryActor : 노트작성및 검색 이용기록을 인메모리로 보유해 요청하면 이력을 제공합니다.
코파일럿에서 여기서 구현된 MCP를 이용한 LLM샘플을 살펴보고 구현코드를 마지막으로 살펴보겠습니다.
작성된 MCP TOOL
- Agent LLM에서 Tool을 선택해 이용할수있습니다.
- 노트는 보편적단어이니 구현된 컨텍스트 설명에 웹노리노트라고 명시해 프롬프트 작성시 웹노리 노트 작성해라고 하면 여기서 구현된 MCP툴이 작동됩니다.
노트작성
데이터 저장확인
- LLM에 의해 데이터가 작 작성되었습니다.
- RAG에 활용되는 임베딩기능을 여기서 소개는 제외되었지만~ 벡터검색 기능을 지원해 이용및 추가로 활용할수도 있습니다.
키워드검색
반경검색
사용히스토리
- 최근작성과 최근검색 히스토리를 제공합니다. - DB사용없이 인메모리
MCP를 구현하는 대상은 모두 유닛테스트화가 되어 있으며
RAG에 활용이 되는 벡터검색도 가능하며 임베딩된 벡터값의 유사도를 검색할수 있습니다.
[Fact(DisplayName = "SearchNoteByVectorAreOk")]
public void SearchNoteByVectorAreOk()
{
var actorSystem = _akkaService.GetActorSystem();
TestProbe testProbe = this.CreateTestProbe(actorSystem);
var searchActor = actorSystem.ActorOf(Props.Create(() => new SearchActor()));
searchActor.Tell(testProbe.Ref);
testProbe.ExpectMsg("done-ready");
Within(TimeSpan.FromMilliseconds(3000), () =>
{
searchActor.Tell(new SearchNoteByVectorCommand()
{
Vector = new float[] { 1.0f, 2.0f, 3.0f },
TopN = 10
});
var result = testProbe.ExpectMsg<SearchNoteActorResult>();
// Output results
foreach (var note in result.Notes)
{
output.WriteLine($"Title: {note.Title}, Content: {note.Content}, Category: {note.Category}" +
$" Latitude: {note.Latitude}, Longitude: {note.Longitude}");
}
Assert.NotNull(result.Notes);
});
}
노트저장소
public class NoteRepository
{
private readonly IDocumentStore _store;
public NoteRepository()
{
_store = new DocumentStore
{
Urls = new[] { "http://localhost:9000" },
Database = "net-core-labs"
};
_store.Initialize();
new NoteIndex().Execute(_store);
}
public void AddNote(NoteDocument note)
{
using (var session = _store.OpenSession())
{
session.Store(note);
session.SaveChanges();
}
}
public List<NoteDocument> SearchByText(string title,string content, string category)
{
using (var session = _store.OpenSession())
{
// 명시적으로 변수로 선언
var titleValue = title;
var contentValue = content;
var categoryValue = category;
IRavenQueryable<NoteDocument> query = session.Query<NoteDocument>();
if (!string.IsNullOrEmpty(titleValue))
{
query = query.Search(r => r.Title, titleValue); // 제목 풀텍스트 검색
}
if (!string.IsNullOrEmpty(contentValue))
{
query = query.Search(r => r.Content, contentValue); // 컨텐츠 풀텍스트 검색
}
if (!string.IsNullOrEmpty(categoryValue))
{
query = query.Where(r => r.Category == categoryValue); // 카테고리 필터
}
var results = query.ToList();
return results;
}
}
public List<NoteDocument> SearchByRadius(double latitude, double longitude, double radiusKm)
{
using (var session = _store.OpenSession())
{
return session.Query<NoteDocument>()
.Spatial(
r => r.Point(x => x.Latitude, x => x.Longitude),
criteria => criteria.WithinRadius(radiusKm, latitude, longitude))
.ToList();
}
}
public List<NoteDocument> SearchByVector(float[] vector, int topN = 5)
{
using (var session = _store.OpenSession())
{
var results = session.Query<NoteDocument>()
.VectorSearch(
field => field.WithEmbedding(x => x.TagsEmbeddedAsSingle, VectorEmbeddingType.Single),
queryVector => queryVector.ByEmbedding(new RavenVector<float>(vector)),
0.85f,
topN)
.Customize(x => x.WaitForNonStaleResults())
.ToList();
return results;
}
}
}
- RavenDB가 고급검색 기능을 다양하게 지원해서~ 구현복잡도및 난이도를 낮추었습니다. 여러DB를 사용하게되는경우 ETL이 필요할수도 있는데 Zero ETL
- DB개발은 지루하면 안된다는 모토를가진 모던DB로 다양한 검색기능응 이용할때 큰 불편함은 없었습니다. -다만 등장한지 얼마안되 최신기능은 GPT보다 문서레퍼런스를 참고하는게 좋음(원래 원칙이지만 요즘은 주의 사항이됨)
검색저장소를 이용하는 SearchActor
public class SearchActor : ReceiveActor
{
private readonly ILoggingAdapter _logger = Context.GetLogger();
private IActorRef? testProbe;
private readonly NoteRepository noteRepository;
private IActorRef? historyActor;
public SearchActor()
{
noteRepository = new NoteRepository();
Receive<IActorRef>(actorRef =>
{
testProbe = actorRef;
testProbe.Tell("done-ready");
});
Receive<SetHistoryActorCommand>(msg =>
{
historyActor = msg.HistoryActor;
if (testProbe != null)
{
testProbe.Tell("done-set-history");
}
});
Receive<SearchNoteByTextCommand>(command =>
{
_logger.Info($"SearchNoteByTextCommand: {command.Title}, {command.Content}, {command.Category}");
var notes = noteRepository.SearchByText(command.Title, command.Content, command.Category);
_logger.Info($"SearchNoteByTextCommand: {notes.Count} notes found");
Sender.Tell(new SearchNoteActorResult()
{
Notes = notes
});
if (testProbe != null)
{
testProbe.Tell(new SearchNoteActorResult()
{
Notes = notes
});
}
if(historyActor != null)
{
historyActor.Tell(notes);
}
});
Receive<SearchNoteByRadiusActorCommand>(command =>
{
var notes = noteRepository.SearchByRadius(command.Latitude, command.Longitude, command.Radius);
Sender.Tell(new SearchNoteActorResult()
{
Notes = notes
});
if (testProbe != null)
{
testProbe.Tell(new SearchNoteActorResult()
{
Notes = notes
});
}
if(historyActor != null)
{
historyActor.Tell(notes);
}
});
Receive<SearchNoteByVectorCommand>(command =>
{
var notes = noteRepository.SearchByVector(command.Vector, command.TopN);
Sender.Tell(new SearchNoteActorResult()
{
Notes = notes
});
if (testProbe != null)
{
testProbe.Tell(new SearchNoteActorResult()
{
Notes = notes
});
}
if(historyActor != null)
{
historyActor.Tell(notes);
}
});
}
}
- 액터모델을 이용한 이벤트 기반의 코드이며 서버기능을 수행할수 있습니다. REST 인터페이스가 익숙하다면 액터모델을 걷어내고 RestAPI화해 교체할수 있는 영역의 코드입니다.
- HistoryActor와 상호작용해~ 검색을 시도하면 검색 히스토리를 남깁니다. 히스토리 작성이 성공할때까지 대기하지 않고~ 성공여부도 관심사가 아니며 단지필요한 이벤트를 발생시킵니다. FireAndForgot 패턴의 일종입니다.
- 이벤트 소싱등 CQRS패턴을 MCP내부 액터모델에 적용한다고하면 다음문서를참고해 능동적으로작동하는 액터모델을 이용 Agent코드를 작성할수도 있습니다.
작성된 MCP Context
[McpServerToolType]
public static class NoteTool
{
[McpServerTool, Description("웹노리 노트에 노트를 추가합니다.")]
public static async Task<string> AddNote(ActorService actorService,
[Description("노트의 제목으로 필수값입니다.")] string title,
[Description("노트의 컨텐츠값으로 필수값입니다.")] string content,
[Description("노트의 카테고리입니다.")] string? category,
[Description("노트에 위치정보가 있다면 latitude를 입력")] double? latitude,
[Description("노트에 위치정보가 있다면 longitude 입력")] double? longitude,
[Description("노트에 임베딩된 값이 있다면 입력")] float[]? tagsEmbeddedAsSingle
)
{
var note = new NoteDocument
{
Title = title,
Category = category,
Content = content,
Latitude = latitude,
Longitude = longitude,
CreatedAt = DateTime.UtcNow,
TagsEmbeddedAsSingle = new RavenVector<float>(tagsEmbeddedAsSingle)
};
actorService.RecordActor.Tell(new AddNoteCommand()
{
Title = title,
Category = category,
Content = content,
Latitude = latitude,
Longitude = longitude,
TagsEmbeddedAsSingle = new RavenVector<float>(tagsEmbeddedAsSingle)
}, ActorRefs.NoSender);
return JsonSerializer.Serialize(note);
}
[McpServerTool, Description("웹노리 노트에서 Text검색을 합니다. 최소 하나값이 필수입니다.")]
public static async Task<string> SearchNoteByText(ActorService actorService,
[Description("웹노리 노트에서 타이틀을 키워드 검색합니다.")] string? title,
[Description("웹노리 노트에서 컨텐츠를 키워드 검색합니다.")] string? content,
[Description("웹노리 노트에서 카테고리를 키워드 검색합니다.")] string? category)
{
var result = await actorService.SearchActor.Ask(new SearchNoteByTextCommand()
{
Title = title,
Content = content,
Category = category
}, TimeSpan.FromSeconds(5));
if (result is SearchNoteActorResult searchResult)
{
return JsonSerializer.Serialize(searchResult.Notes);
}
return "Failed to get note history.";
}
[McpServerTool, Description("웹노리 노트에서 반경검색을 합니다. 모두 필수값입니다.")]
public static async Task<string> SearchNoteByRadius(ActorService actorService,
[Description("This is the latitude of the note ")] double latitude,
[Description("This is the longitude of the note ")] double longitude,
[Description("This is the radius(m) of the note ")] double radius)
{
var result = await actorService.SearchActor.Ask(new SearchNoteByRadiusActorCommand()
{
Latitude = latitude,
Longitude = longitude,
Radius = radius
}, TimeSpan.FromSeconds(5));
if (result is SearchNoteActorResult searchResult)
{
return JsonSerializer.Serialize(searchResult.Notes);
}
return "Failed to get note history.";
}
[McpServerTool, Description("웹노리 노트에서 벡터검색을 합니다. 모두 필수값입니다.")]
public static async Task<string> SearchNoteByVector(ActorService actorService,
[Description("This is the vector of the note If there is no value, enter null.")] float[] vector,
[Description("This is the top N of the note If there is no value, enter null.")] int topN)
{
var result = await actorService.SearchActor.Ask(new SearchNoteByVectorCommand()
{
Vector = vector,
TopN = topN
}, TimeSpan.FromSeconds(5));
if (result is SearchNoteActorResult searchResult)
{
return JsonSerializer.Serialize(searchResult.Notes);
}
return "Failed to get note history.";
}
[McpServerTool, Description("웹노리 노트에서 최근 추가된 노트를 가져옵니다.")]
public static async Task<string> GetNoteHistory(ActorService actorService)
{
//SearchNoteActorResult
var result = await actorService.HistoryActor.Ask(new GetNoteHistoryCommand(), TimeSpan.FromSeconds(5));
if (result is SearchNoteActorResult searchResult)
{
return JsonSerializer.Serialize(searchResult.Notes);
}
return "Failed to get note history.";
}
[McpServerTool, Description("웹노리 노트에서 최근 검색된 노트를 가져옵니다.")]
public static async Task<string> GetNoteSearchHistory(ActorService actorService)
{
//SearchNoteActorResult
var result = await actorService.HistoryActor.Ask(new GetNoteSearchHistoryCommand(), TimeSpan.FromSeconds(5));
if (result is SearchNoteActorResult searchResult)
{
return JsonSerializer.Serialize(searchResult.Notes);
}
return "Failed to get note history.";
}
}
- Agent LLM이 툴을 선택할때 필요로하는 Description과 구현체를 정리하며 MCP Server에서 사실상 핵심코드영역입니다.
- 작동코드는 모두 액터객체를 이용한 이벤트 방식을 사용합니다.
- Tell : 응답값을 바로 알필요가 없을이 이벤트 전송시사용
- Ask : 이벤트 전송후 해당 이벤트에 반응하는 응답값을 대기할때 사용
클라이언트 서버모델
public class ActorService
{
private readonly ActorSystem actorSystem;
public IActorRef SearchActor { get; set; }
public IActorRef RecordActor { get; set; }
public IActorRef HistoryActor { get; set; }
public ActorService(bool serverMode)
{
Console.WriteLine($"ActorService initialized in {(serverMode ? "Server" : "Client")} mode.");
// HOCON 설정
var config = ConfigurationFactory.ParseString($@"
akka {{
actor {{
provider = ""Akka.Remote.RemoteActorRefProvider, Akka.Remote""
}}
remote {{
dot-netty.tcp {{
hostname = ""127.0.0.1""
port = {(serverMode ? 5500 : 0)} // 서버 모드일 때만 포트 5500 사용
}}
}}
}}
");
actorSystem = ActorSystem.Create("MyActorSystem", config);
if (serverMode)
{
// 서버 모드일 때만 작동액터 생성 : MCP Server
SearchActor = actorSystem.ActorOf<SearchActor>("search-actor");
RecordActor = actorSystem.ActorOf<RecordActor>("record-actor");
HistoryActor = actorSystem.ActorOf<HistoryActor>("history-actor");
RecordActor.Tell(new SetHistoryActorCommand()
{
HistoryActor = HistoryActor
});
SearchActor.Tell(new SetHistoryActorCommand()
{
HistoryActor = HistoryActor
});
}
else
{
// 클라이언트 모드일 때 원격 액터 참조 : MCP Client
var remoteAddress = "akka.tcp://MyActorSystem@127.0.0.1:5500";
SearchActor = actorSystem.ActorSelection($"{remoteAddress}/user/search-actor")
.ResolveOne(TimeSpan.FromSeconds(3)).Result;
RecordActor = actorSystem.ActorSelection($"{remoteAddress}/user/record-actor")
.ResolveOne(TimeSpan.FromSeconds(3)).Result;
HistoryActor = actorSystem.ActorSelection($"{remoteAddress}/user/history-actor")
.ResolveOne(TimeSpan.FromSeconds(3)).Result;
}
}
}
- LLM이 이용하는 것은 MCP Client이며 , Client는 LLM실행시마다 Context가 다시 초기화되기때문에~ 상태를 유지하는 Server 객체를 이용합니다.
- 동일 작동코드에서 다른 지점은 이부분으로 Client는 Server가 생성한 액터모델을 Remote로 이용하게 됩니다.
- 원격액터는 클러스터 배치및~ 액터 샤딩을 통한 멀티테넌스처리도 가능하게됩니다. 여기서는 싱글톤 객체와 유사하게 구성되었습니다.
- 독립된 서버 기능을 이용하기위해 기능을 RestAPI Endpoint화 하고 이벤트를 내부 분산처리하는경우 Kafka를 추가로 이용할수 있겠지만 여기서는 AkakRemote Protocol을 이용해 그러한 기능들이 한방에 포함되었습니다.
MCP Server
- MCP에 대응하는 단위테스트를 먼저작성해 연결하는 바톰~업 방식을 이용하였으며 , 닷넷 메인 IDE에서는 서버 디버깅및 Server를 구동했습니다.
MCP-Client
- 동일저장소에서 clientMode 옵션을 주면 클라이언트 모드로 작동하며 MCP자체에 대응합니다.
닷넷에서 MCP구현시 확장가능 요소
ML.NET
- ML.NET을 IDE와 통합된 환경에서 이용할수 있습니다.
- 이 로컬 IDE전용 ML기능은 JetBrain IDE가 아직 제공하지 않습니다. - VisualStudio Only
Cluter 분산처리
- Context를 처리하는 협업가능한 작은 단위의 Agent를 액터로 분산배치및 병렬 처리를 할수 있습니다. OpenAI의경우대응하는플랫폼으로Ray를채택
이상 닷넷이 제공하는 MCPContext 구현코드작성과 액터모델을 이용해 Client(Mcp,리모트액터호출)/Server Mode(액터기능제공) 로 분리작동해본 변종 실험이였습니다.
전체코드 : https://github.com/psmon/NetCoreLabs/tree/main/McpServer