Cherry Studio 项目中 MCP 协议端点配置的优化实践
2025-05-07 14:53:43作者:毕习沙Eudora
在远程 MCP Server 的实现过程中,端点(Endpoint)配置是一个需要特别注意的技术细节。本文将以 Cherry Studio 项目为例,深入分析 MCP 协议中 SSE 和 HTTP 端点配置的最佳实践。
MCP 协议端点机制解析
MCP 协议采用双端点设计:
- SSE(Server-Sent Events)端点:用于建立持久连接,接收服务器推送的事件
- HTTP 消息端点:用于客户端向服务器发送消息
协议规定,客户端首先连接 SSE 端点,服务器会通过该连接返回消息端点的完整 URL。这种设计实现了端点的动态发现,使得服务端可以灵活调整消息端点位置。
典型配置问题分析
在实际部署中,特别是通过反向代理(如 Nginx)暴露服务时,常会遇到端点路径问题。例如:
- 当服务部署在子路径下(如
/mcp-demo/)时 - 反向代理修改了原始请求路径
- 客户端硬编码了端点路径
这些问题会导致 404 错误,因为客户端无法正确构建完整的端点 URL。
配置优化方案
方案一:统一基础路径(BaseUrl)
推荐采用单一基础路径配置,由客户端自动构建完整端点:
- 只需配置基础路径(如
http://example.com/mcp-demo) - 客户端自动追加
/sse和/messages后缀 - 与服务端实现完全解耦
方案二:端点独立配置
保留现有双端点配置模式,但需要确保:
- SSE 端点配置完整
- 消息端点由服务端动态返回
- 反向代理正确处理路径重写
反向代理配置要点
使用 Nginx 等反向代理时,需特别注意:
location ^~ /mcp-demo/ {
proxy_pass http://backend:port/;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
# 确保路径重写正确
rewrite ^/mcp-demo/(.*) /$1 break;
}
协议演进方向
最新版的 Streamable HTTP 协议已简化为单端点设计,解决了双端点配置的复杂性。建议新项目优先考虑采用新协议。
总结
正确的端点配置是 MCP 协议实现的关键。通过理解协议机制、采用合理的配置方案,并结合反向代理的特性,可以构建稳定可靠的远程 MCP 服务。对于现有系统,建议逐步迁移到更简洁的协议版本,以降低维护成本。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
691
1.36 K
Ascend Extension for PyTorch
Python
728
903
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
459
455
deepin linux kernel
C
32
16
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.92 K
198
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631