本章小结

本章介绍了MCP协议的架构、设计原理和工程实践，以下是核心知识点的总结。

核心知识点回顾

9.1 MCP协议架构与设计哲学

MCP的核心定义：

• Client/Server模型：Agent (Client) 与工具服务器 (Server) 的双向通信

• JSON-RPC 2.0：所有消息基于标准JSON-RPC

• 三种原语：Tools、Resources、Prompts

为什么MCP成为行业标准：

1. 解决工具集成的碎片化（一个工具一套集成）

2. 降低成本：工具开发者写一次，所有框架都能用

3. 支持分布式：localhost和远程都支持

4. 双向通信：Server可以向Client采样(sampling)

三种原语详解：

原语	用途	示例
Tools	可调用的函数/服务	fetch_weather, send_email, query_db
Resources	可读取的数据	文件、数据库记录、网页
Prompts	提示词模板	code_review_template, translation_template

设计哲学：

• 极简主义：只有三个原语，覆盖99%的用例

• Schema为中心：所有定义都是JSON Schema

• 无强约束：传输、认证等由实现决定

• 流式能力：支持大型数据的分块传输

9.2 传输层：stdio、HTTP与Streamable HTTP

三种传输方式对比：

特性	stdio	Streamable HTTP
架构	本地进程	双向HTTP流
延迟	<1ms	<100ms
部署	本地	网络
扩展性	单C单S	单S多C
复杂度	最低	中等

选择决策：

• 本地开发/单机 → stdio

• 网络部署/多Client → Streamable HTTP （标准MCP传输方式）

连接管理：

• stdio：使用进程池避免重复启动

• HTTP：使用aiohttp的连接池和限制

• OAuth认证：标准的3-legged OAuth流程

关键代码：

# stdio客户端
client = StdioMCPClient("/path/to/server")
client.start()
response = client.send_request("tools/list")

# HTTP客户端
client = HttpMCPClient("http://localhost:8000")
await client.connect()
response = await client.send_request("tools/list")

9.3 MCP服务端开发

开发步骤：

1. 定义工具(Tools)

2. 定义资源(Resources)

3. 定义提示词(Prompts)

4. 实现处理器

5. 选择传输方式启动

关键代码框架：

class MCPServerBase:
    def register_tool(name, description, input_schema, handler)
    def register_resource(uri, name, description, mime_type, reader)
    def register_prompt(name, description, arguments, generator)
    async def handle_request(request)

工具定义的最佳实践：

• inputSchema必须是完整的JSON Schema

• description应该清晰且可被LLM理解

• 支持可选参数提高灵活性

资源定义的最佳实践：

• URI应该结构化：scheme://path/to/resource

• 支持列表和读取操作

• 大文件应该支持流式传输

错误处理：

• 所有错误都应该返回JSON-RPC 2.0错误格式

• 提供有意义的错误消息

• 记录Server端的错误日志

9.4 Harness中的MCP集成模式

系统级集成的五大问题：

1. 动态发现：MCPToolRegistry

   • 自动发现所有Server的工具

   • 构建tool → servers的映射

   • 支持定期重新发现

2. Schema缓存：多层缓存

   • L1：内存缓存（热工具）

   • L2：磁盘缓存（所有工具）

   • L3：远程缓存(Redis)

   • 可减少80%以上令牌消耗

3. 权限隔离：PermissionGateway

   • 为Agent注册权限

   • 检查Tool调用权限

   • 高风险操作需要人工审批

4. 审计追踪：完整的调用日志

   • 记录所有Tool调用

   • 包含Agent ID、参数、结果

   • 支持导出用于合规性

5. 错误降级：FallbackHandler

   • Server故障时使用备选方案

   • 灰度发布和AB测试

   • 金丝雀部署支持

关键代码：

# 注册Server
registry = MCPToolRegistry()
await registry.register_server(MCPServerConfig(...))

# 发现工具
tools_by_server = await registry.discover_tools()

# 调用工具
success, result = await registry.call_tool(
    tool_name, arguments, agent_id
)

9.5 MiniHarness的MCP集成实现

架构设计：

核心组件：

1. ToolSchemaCache：管理Schema的缓存

   • 支持内存和磁盘存储

   • TTL自动过期

   • 缓存命中率统计

2. MCPToolRegistry：工具注册和发现

   • 维护Server配置和Client

   • 映射tool → servers

   • 路由工具调用

3. MCPToolAdapter：LLM适配层

   • 将MCP工具转换为LLM格式

   • 处理输入解析

   • 错误处理

4. MiniHarnessWithMCP：集成入口

   • 初始化所有组件

   • 提供统一的API

   • 统计和监控

关键方法：

harness = MiniHarnessWithMCP()
await harness.initialize()

# 获取工具
tools = await harness.get_tools_for_agent()

# 调用工具
result = await harness.process_tool_call(
    tool_name, tool_input, agent_id
)

本章在Harness中的地位

架构地位

结构如下：

L1: 协议 (MCP规范)
  ↓
L2: 传输 (stdio / HTTP / Streamable HTTP)
  ↓
L3: Server (工具/资源/提示词实现)
  ↓
L4: 集成 (Registry / Cache / Permission)
  ↓
L5: 应用 (MiniHarness / Agent)

与其他章节的关联

• ←第8章：任务编排为MCP工具提供执行框架

• 第9章：MCP提供工具生态

• →第10章：Schema缓存、权限等是生产级需求

• →第11章：MCP故障时的容错和降级

重要数据指标

性能指标

指标	值	备注
Schema缓存命中率	95%+	热工具快速发现
工具发现延迟（缓存）	<5ms	vs 无缓存 200-500ms
令牌节省	80%+	Schema缓存减少重复发送
连接复用率	90%+	减少TCP握手

可靠性指标

指标	目标	说明
Tool调用成功率	99.9%	第一次成功
降级成功率	98%+	Server故障时
审计日志覆盖	100%	所有调用都被记录
权限检查覆盖	100%	无权限调用被拦截

常见问题与最佳实践

Q1: Schema缓存多久失效？

答：建议设置为3600秒（1小时），可以根据工具变更频率调整。如果工具频繁更新，可以缩短到600秒，如果很少更新可以延长到86400秒（1天）。

Q2: 如何处理MCP Server的认证？

答：

1. API Key：在HTTP头中传递 Authorization: Bearer <key>

2. OAuth：使用标准的OAuth 2.0流程

3. mTLS：在HTTP Client中配置证书

4. Custom：Server可以定义任何认证方式

Q3: 如何优化Schema缓存的命中率？

答：

1. 预热热工具Schema（应用启动时）

2. 根据访问频率调整TTL

3. 使用多层缓存（内存→磁盘→远程）

4. 定期分析缓存统计并优化

Q4: 权限如何与SSO系统集成？

答：

# 从SSO获取Agent的权限
async def load_permissions_from_sso(agent_id: str):
    sso_response = await sso_client.get_user_permissions(agent_id)
    gateway.register_permission(agent_id, sso_response['tools'])

Q5: 如何处理Server版本升级时的兼容性？

答：

1. 缓存Schema的哈希值，检测变更

2. 版本变更时重新发现工具

3. 支持多版本Server并行运行

4. 提供Schema迁移工具

关键代码片段速查

添加MCP Server

示例如下：

await registry.add_server(MCPServerConfig(
    server_id="my_server",
    server_name="My Tool Server",
    transport_type="http",
    endpoint="http://localhost:8000",
))

发现和获取工具

代码片段如下：

await registry.discover_tools()
schema = await registry.get_tool_schema("my_tool")
tools = await adapter.get_available_tools()

调用工具

具体实现如下：

success, result, error = await registry.call_tool(
    "my_tool", {"param": "value"}, agent_id="agent1"
)

检查缓存统计

代码如下：

stats = harness.get_stats()
print(f"Cache hit rate: {stats['schema_cache']}")

扩展方向

短期优化

1. 实现工具优先级和限流

2. 添加工具使用统计

3. 支持工具分组和命名空间

4. 实现工具版本管理

长期规划

1. 分布式Schema缓存(Redis)

2. 智能体间工具共享

3. 工具市场和推荐系统

4. 自动工具优化（基于使用模式）

5. 多语言MCP SDK

本章总结

第九章系统地介绍了MCP生态的设计、实现和集成。从协议的设计哲学（三个原语）到不同的传输方式选择，从Server的实现到Harness级别的集成模式，再到MiniHarness中的完整代码实现，形成了一套完整的工具生态管理体系。

关键成果：

• 理解MCP为什么成为行业标准

• 掌握三种原语的设计和使用

• 学会选择合适的传输方式

• 实现完整的MCP Server

• 在Harness中集成多个Server

• Schema缓存可以显著提升性能

• 权限和审计确保企业级安全

这些知识为后续章节的性能优化（第10章）和可靠性保障（第11章）奠定了坚实的基础。MCP的标准化特性使得智能体系统能够轻松扩展和集成来自任何供应商的工具。