Modelscope/Agentscope项目中MCP工具执行异常问题解析
问题背景
在Modelscope/Agentscope项目中使用MCP(Multi-agent Collaboration Platform)工具时,开发者遇到了一个执行异常问题。当配置了MCP服务并尝试通过ReactAgent调用echo工具时,系统抛出了参数不匹配的错误。
问题现象
开发者配置了一个简单的echo方法作为MCP工具,该方法接收一个名为"topic"的参数并返回字符串。然而在实际调用过程中,ServiceToolkit的_execute_func方法在执行时抛出异常,提示"MCPSessionHandler.execute_tool() got an unexpected keyword argument 'topic'"。
技术分析
这个问题本质上是一个参数传递不一致的问题,具体表现在以下几个方面:
-
服务注册与调用参数不匹配:在add_mcp_servers注册服务时,ServiceFunction的processed_func函数参数与调用时传入的参数不一致。
-
工具定义与执行流程脱节:虽然工具方法明确定义了topic参数,但在执行流程中这个参数没有被正确处理。
-
序列化/反序列化问题:参数在从客户端传递到服务端的过程中可能出现了序列化不一致的情况。
解决方案
该问题已在代码提交#561中修复。修复方案主要涉及以下几个方面:
-
统一参数处理:确保工具定义时的参数与执行时的参数完全一致。
-
增强参数验证:在执行前增加参数验证步骤,确保所有必需参数都存在且类型正确。
-
改进错误处理:提供更清晰的错误信息,帮助开发者快速定位参数不匹配的问题。
最佳实践建议
为了避免类似问题,开发者在使用MCP工具时应注意:
-
严格检查参数定义:确保工具方法的参数定义与实际使用完全一致。
-
测试工具调用:在集成前单独测试工具方法的调用,验证参数传递是否正确。
-
版本控制:及时更新到最新版本,获取已修复的问题和改进。
总结
这个案例展示了在分布式多智能体系统中工具调用的一个典型问题。通过这次修复,Modelscope/Agentscope项目在工具执行的可靠性和开发者体验方面都有了提升。开发者在使用时应关注参数定义的一致性,并保持代码更新以获取最佳体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00