Skip to content
bitzorcas
中EN

Concept

AI 与 MCP 智能体开发

深入解析 BitzOrcas.Modern 原生 AI-Native 架构:基于 Model Context Protocol (MCP) 与编译期代码生成,将企业垂直切片无缝转变为智能体工具。

Last updated

AI 与 MCP 智能体开发总览 (AI & Agentic Engineering)

在企业级软件系统全面迈向 AI-Native 的时代,让大语言模型(LLM)具备“行动能力(Action / Function Calling)”已成为现代架构的核心命题。传统的做法通常是人工为每一个 API 手写 OpenAPI 规范、编写胶水层代码、或直接将数据库连接串暴露给智能体,这种方式存在严重的接口漂移、逻辑重复侵入、零安全审计与多租户越权泄露隐患。

BitzOrcas.Modern 采取了根本性的架构创新:深度原生集成 Anthropic 开源的 Model Context Protocol (MCP) 工业级开放标准,通过 C# 编译期 Roslyn 源码生成技术(Source Generator),将框架现有的 CQRS 垂直切片(Vertical Slices)以“零运行时反射开销、零胶水代码”的形式直接暴露为标准 MCP Tools。


1. 架构核心范式:业务切片即 Agent 工具

在 BitzOrcas 中,开发者不需要为 AI 重新编写一套专有服务。每一个经过严格领域校验、具备多租户上下文、受 Mediator 管线保护的 ICommand 或 IQuery,均可通过一个编译期属性声明直接变为 AI 智能体可调用的工具:

Mediator 统一管线与领域核心企业安全防腐闸门 (Fail-Closed)BitzOrcas Gateway & 传输层JSON-RPC 2.0 / SSE智能体客户端 (MCP Clients)

Cursor IDE (Agent Mode)

Claude Desktop / Web

Antigravity / 自定义 Agent 框架

OpenResty / YARP 网关

/mcp (Streamable HTTP / SSE)

并发限流策略 (mcpPolicy)

租户总闸鉴权 (mcpTenantAccess)

工具清单租户可见性过滤

Mediator Pipeline (Validation, UnitOfWork, TenantContext)

Command / Query Handler

领域聚合根与持久化

MCP 审计日志 (McpToolInvocationAuditor)


2. 核心技术支柱与设计原则

BitzOrcas 的 AI 智能体体系由 4 大设计原则奠定:

核心支柱传统 AI 集成做法的痛点BitzOrcas.Modern 的工程解法
元数据提取运行时反射扫描程序集,启动慢且无法通过 Native AOT 编译编译期 Roslyn 源码生成:BitzOrcas.Mcp.SourceGenerator 在编译时从 C# 类注释与主构造参数推导出符合 JSON Schema 规范的工具元数据。
执行通道为 AI 单独写一套 Controller 或 RPC,代码碎片化严重统一 Mediator 管线:MCP 请求进入系统后,反序列化为真实的 Command/Query 消息,完整经历租户隔离、参数校验、事务发件箱与领域事件派发。
多租户安全智能体容易发生跨租户数据串扰与越权未决操作双层防护闸门:请求期由 McpTenantAccessGate 阻断非授权租户;工具清单期根据租户已购 Feature 动态修剪工具列表,不可见即不可调用。
操作可追溯AI 自主执行了业务写操作,事后无法追踪是哪个 Agent 调用的专用审计链:McpToolInvocationAuditor 完整记录模型会话 Id、工具名称、参数 SHA256 哈希、执行耗时与业务执行结果。

3. 本专题章节导航

为了帮助团队快速落地 Agentic AI 能力,本专题划分为以下关键实践篇章:


100%

滚轮或按钮缩放 · 放大后拖动画面 · 双击切换 100% / 200%