当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > MCP Tasks 的异步结果怎么收口:任务句柄、轮询状态与恢复条件

MCP Tasks 的异步结果怎么收口:任务句柄、轮询状态与恢复条件

来源:17golang原创 2026-09-03 23:57:14 0浏览 收藏

调用 MCP 工具时,真正棘手的往往不是把请求发出去,而是请求已经交给服务器、客户端却在中途断线了:下次上线该查什么,什么时候可以拿结果,哪些状态不能重试?MCP Tasks 的答案是一个可持久化的任务句柄,但句柄本身不是完成通知,客户端仍要按状态把结果收口。

要点速览
  • 客户端声明 `io.modelcontextprotocol/tasks` 后,仍要同时兼容普通结果和 task handle。
  • `taskId`、`pollIntervalMs`、`ttlMs` 决定轮询、保留和断线恢复边界。
  • `input_required` 走 `tasks/update`;只有 `completed` 才消费最终 `result`。

为什么 CreateTaskResult 不是客户端强制的开关

在 2026-07-28 规范中,Tasks 被放到 `io.modelcontextprotocol/tasks` 扩展里。客户端需要在每次相关请求的能力声明中表明支持,服务器则在自己的能力中公布支持范围。这里有一个容易误判的点:客户端声明能力,只表示“我能处理任务返回”,并不表示“请每次都返回任务”。是否创建任务由服务器针对具体请求决定。

{
  "params": {
    "_meta": {
      "io.modelcontextprotocol/clientCapabilities": {
        "extensions": {
          "io.modelcontextprotocol/tasks": {}
        }
      }
    }
  }
}

因此调用方要先判断返回形状:普通 `CallToolResult` 直接处理;如果 `resultType` 是 `task`,就保存句柄并进入轮询分支。不要把“支持 Tasks”写成一个强制异步参数,也不要假定所有工具都支持它。

用 taskId 和 tasks/get 取回稳定状态

服务器返回的 task handle 至少围绕 `taskId`、当前 `status` 和保留语义组织。客户端第一件事是把 `taskId` 写入自己的持久化记录,随后调用 `tasks/get` 查询同一个任务,而不是继续占用原来的长连接。响应中的 `pollIntervalMs` 是服务端建议的查询间隔;存在时应优先遵守,避免用固定的高频定时器压垮服务。

字段或方法客户端用途判断边界
taskId跨请求、跨重启定位任务必须稳定保存
tasks/get查询当前任务状态每次使用同一 taskId
pollIntervalMs安排下一次查询有值时优先采用
ttlMs判断任务句柄还能保留多久是可用性后备边界,不是完成时间
MCP Tasks 中 CreateTaskResult、taskId 与 tasks/get 的轮询状态关系框图
图1:查看任务句柄边界与轮询状态边界,确认 taskId、查询方法、状态和保留字段各自承担的职责。

一个实用的本地记录可以只保留 `taskId`、最近状态、最后更新时间和业务关联号。恢复时先查一次;如果已经是终态,就停止定时任务,避免“结果拿到了还在轮询”的尾巴。

把 input_required 与终态结果分开处理

`working` 只说明任务仍在处理,不能当成失败;`input_required` 则意味着服务器把继续处理所需的请求放进 `inputRequests`,客户端应展示或转交这些请求,再通过 `tasks/update` 提交对应的 `inputResponses`。这条分支不要偷偷重发原工具调用,否则可能创建第二个任务。

真正的收口点是终态:`completed` 带有原请求的 `result`,`failed` 带有协议层错误,`cancelled` 表示取消意图已被任务状态接受,但取消是协作式的,底层工作不一定在确认返回的瞬间消失。终态一旦到达,任务不再转到其他状态。

{
  "method": "tasks/get",
  "params": {"taskId": "task_7f2a"}
}

// 客户端分支
// working          -> 按 pollIntervalMs 再查
// input_required   -> 读取 inputRequests,再发 tasks/update
// completed        -> 消费 result,并停止轮询
// failed/cancelled -> 记录原因或取消结果,并停止轮询
MCP Tasks 中 input_required、tasks/update 与 completed failed cancelled 终态的结构关系框图
图2:对照交互恢复边界和终态结果边界,判断何时补充输入、何时读取 result、何时停止轮询。

用 TTL、pollIntervalMs 和本地持久化完成恢复

断线恢复不需要猜服务器是否还记得任务,前提是客户端没有丢掉 `taskId`。重启后先读取本地任务记录,再发 `tasks/get`;返回 `completed` 就取结果,返回 `failed` 或 `cancelled` 就进入对应记录,仍为 `working` 则按照新的 `pollIntervalMs` 继续。若 `ttlMs` 已经耗尽或任务无法再查询,应把它标为“句柄失效”,由业务决定是否重新提交,而不是无条件重复调用。

这也解释了为什么 Tasks 适合长耗时工具、批处理和外部作业接口:它把“请求已接收”和“结果可取”拆开,但没有替客户端决定重试策略。生产代码至少要记录 taskId、状态变化、最后一次查询时间和终态原因;重试则要另做幂等键,不能把轮询失败直接当成业务失败。

相关问题

客户端声明支持后,服务器一定会返回 task handle 吗?

不一定。能力声明只是协商结果,服务器会按请求和工具支持情况决定返回普通结果还是任务句柄。

任务进入 input_required 时可以直接调用 tasks/result 吗?

不要把它当成常规取数路径。先读取 inputRequests,通过 tasks/update 补齐输入;只有任务进入 completed 后,result 才是可消费的最终结果。

tasks/cancel 返回成功就代表底层工作停止了吗?

不代表。取消是协作式的,服务端只确认收到取消意图,最终状态仍可能受并发完成时机影响。

核对实现时,优先看服务器是否声明 `io.modelcontextprotocol/tasks`、是否返回稳定的 `taskId`、是否提供合理的轮询间隔,以及客户端是否能在重启后恢复同一任务。官方扩展仓库提供了 2026-07-28 稳定快照,同时保留开发中的草案;接入前还要确认具体 SDK 与服务端的支持范围。

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 func literal 符号名变短后怎么测:内联合并与指针比较风险Go 1.27 func literal 符号名变短后怎么测:内联合并与指针比较风险
上一篇
Go 1.27 func literal 符号名变短后怎么测:内联合并与指针比较风险
Go 1.27 httptest.NewTestServer 适合哪类测试:内存网络与 synctest 的组合边界
下一篇
Go 1.27 httptest.NewTestServer 适合哪类测试:内存网络与 synctest 的组合边界
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。
    533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。
    592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。
    618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。
    568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。
    393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