Cherry Studio 项目中 MCP 协议端点配置的优化实践
2025-05-07 23:09:12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
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218