当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > MCP 无状态协议改造后哪些上下文要留下:会话移除与可缓存路由的边界

MCP 无状态协议改造后哪些上下文要留下:会话移除与可缓存路由的边界

来源:17golang原创 2026-09-03 17:53:25 0浏览 收藏

如果 MCP 远程服务从旧版 Streamable HTTP 迁到 2026-07-28 规范,最容易误判的一点是:协议层不再维护会话,并不代表业务层可以丢掉状态。真正要迁移的是“状态放在哪里、由谁携带、如何验证”,而不是简单删掉一个请求头。

把 Mcp-Session-Id 隐藏的连接状态拆成显式业务句柄、请求元数据和可观察性字段,服务才能在普通轮询负载均衡后仍然可恢复、可缓存、可追踪。

要点速览
  • initialize/initialized 与 Mcp-Session-Id 属于协议层;basket_id 这类句柄属于业务层,不能混为一谈。
  • Mcp-Method、Mcp-Name 让网关不用解析 JSON body 就能做路由和限流。
  • ttlMs、cacheScope 和 _meta 中的 Trace Context 分别解决新鲜度、共享范围和链路定位。

先拆开协议状态和业务状态

旧版请求通常先 initialize,服务器返回 Mcp-Session-Id,后续 tools/call 再带着它回到同一实例。这套机制把连接建立、客户端信息和业务连续性绑在了一起,集群只能依赖粘性会话或共享会话存储。

新规范移除了 initialize/initialized 握手和 Mcp-Session-Id。协议版本、客户端信息、能力等请求上下文改为随请求携带,服务器也可以通过 server/discover 提供能力发现。这里要画一条线:协议层无状态只说明每个请求自洽,不会替应用保存购物篮、浏览器或任务记录。

用显式句柄承接跨调用数据

需要跨调用的数据改成普通工具参数。比如 create_basket 返回 basket_id,之后 add_item 明确传回这个值:

{
  "method": "tools/call",
  "params": {"name": "add_item", "arguments": {
    "basket_id": "bkt_7f2a", "sku": "SKU-204", "quantity": 2
  }}
}

服务端用 basket_id 查业务状态存储,得到记录后再执行本次工具调用。它不关心请求落到哪个服务实例,只要求句柄可校验、可过期、不能被另一个租户猜中。这个设计也更适合审计:用户传了哪个对象、工具改了哪条记录,都能从参数和业务日志中还原。

MCP tools/call 通过 basket_id 连接客户端、业务状态存储和任意服务实例的静态关系图
图1:查看 basket_id 如何把跨调用状态从协议会话中移出,并让任意服务实例定位同一业务记录。

把路由、缓存和追踪变成请求的一部分

无状态请求要让基础设施看得懂。面向 2026-07-28 的 Streamable HTTP 请求可以带上 `Mcp-Method: tools/call` 和 `Mcp-Name: search`,负载均衡器、网关或限流器据此选择规则,不必先解析 JSON body。服务器还应拒绝头部与 body 中方法、名称不一致的请求。

结果缓存要看 `ttlMs` 与 `cacheScope`。前者表示结果还能新鲜多久,后者说明结果是否可以跨用户共享;tools/list 这类列表不应只靠一条长 SSE 连接通知变化。链路信息放在 `_meta`,按约定传递 `traceparent`、`tracestate` 和 `baggage`,下游才能把主应用、MCP 客户端、服务器和下游调用串成一棵追踪树。

字段或部件解决的问题上线检查
Mcp-Method / Mcp-Name请求怎么路由、限流头部与 JSON-RPC body 一致
ttlMs / cacheScope结果何时过期、能否共享缓存键带上共享边界
traceparent / tracestate / baggage跨服务定位一次调用下游 span 能关联主 trace
MCP 请求通过 Mcp-Method、Mcp-Name、ttlMs、cacheScope 和 Trace Context 连接网关缓存与 OpenTelemetry 的结构图
图2:查看路由、缓存和追踪三组边界,确认请求元数据能被网关、缓存层和 OpenTelemetry 共同使用。

给兼容层留下清晰的版本边界

不要只删掉 Mcp-Session-Id 就上线。请求至少要带清楚的 `MCP-Protocol-Version`,客户端信息和能力按新规范放入 `_meta`;网关需要同时识别旧版和新版,或者在入口明确拒绝不支持的版本。

服务器主动请求也有边界:它只能发生在处理客户端请求期间。需要用户补充输入时,服务器返回 `InputRequiredResult`,客户端收集答案后带着 `inputResponses` 和原来的 `requestState` 重发。这样重试仍可落到任意实例,状态来自载荷而不是一条被网关固定的连接。

迁移验收可以按四项做:任意实例接收同一 basket_id;头部与 body 不一致时返回错误;缓存按 ttlMs 和 cacheScope 失效;补充输入的重试仍能关联原 trace。四项都通过,再考虑移除旧版粘性会话。

常见问题

MCP 无状态后还需要 Redis 吗?

协议本身不再要求共享会话存储,但业务仍可能需要 Redis 或数据库保存 basket_id 对应的数据,选择取决于数据一致性、过期和并发更新要求。

能把 basket_id 放到 HTTP header 里吗?

可以由业务自行设计,但工具参数更容易被模型、权限检查和审计明确看到;不要重新把业务连续性藏回协议会话头。

ttlMs 等于浏览器的缓存时间吗?

它表达 MCP 结果的新鲜度和缓存范围,客户端仍要结合 cacheScope、用户权限和本地缓存策略判断是否能复用。

2025-11-25 客户端能直接连 2026-07-28 服务吗?

不能凭版本字符串推断兼容。两版存在握手、会话、请求元数据和多轮输入差异,应通过明确的协商、适配层或拒绝策略完成迁移。

相关规范会继续通过候选版本、扩展和兼容政策演进。部署前应以 MCP 官方规范和变更记录核对当前实现支持的版本,不要把博客中的迁移示例当成某个 SDK 已经完成升级的证明。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go 1.27 asynctimerchan 被移除后怎么查旧行为:time 通道语义与配置边界Go 1.27 asynctimerchan 被移除后怎么查旧行为:time 通道语义与配置边界
上一篇
Go 1.27 asynctimerchan 被移除后怎么查旧行为:time 通道语义与配置边界
Go scanner.End 为什么值得记录:语法工具的 token 结束位置校验
下一篇
Go scanner.End 为什么值得记录:语法工具的 token 结束位置校验
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    531次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    589次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    615次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    567次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    391次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码