ModelContextProtocol TypeScript SDK 工具复用机制探讨
2025-06-05 10:56:00作者:申梦珏Efrain
背景概述
在开发基于ModelContextProtocol(MCP)的服务器时,开发者经常面临一个普遍性问题:不同MCP服务器之间存在大量功能重复实现。这种重复劳动不仅降低了开发效率,还可能导致维护成本上升和代码一致性难以保证。
当前解决方案的局限性
现有方案主要通过MCP客户端集成多个服务器来实现功能复用,这种方式存在两个主要缺陷:
- 配置复杂度高:需要同时管理多个服务器实例,增加了系统架构的复杂度
- 功能扩展困难:当需要对现有工具进行二次开发时,要么完全重新实现,要么依赖LLM的调用链决策
技术痛点分析
以一个典型场景为例:ServerA提供了代码生成工具(generate-code),而ServerB需要在此基础上添加TypeScript类型支持。现有方案下开发者面临两难选择:
- 方案一:创建新工具transfer-code-to-ts,依赖LLM决策调用顺序,可靠性存疑
- 方案二:完全重写generate-ts-code,造成代码重复
提出的改进方案
建议在MCP协议层面增加工具直接引用机制,通过在工具定义中添加public标志位,声明该工具可被其他服务器直接调用:
tools: [{
name: "calculate_sum",
description: "Add two numbers together",
inputSchema: {
type: "object",
properties: {
a: { type: "number" },
b: { type: "number" }
},
required: ["a", "b"]
},
public: true // 新增的可访问性标志
}]
技术实现考量
这种设计需要考虑以下几个技术细节:
- 访问控制:public工具需要明确的权限管理机制
- 性能影响:跨服务器调用需要考虑网络延迟和容错处理
- 版本兼容:需要处理不同服务器版本间的接口兼容性问题
- 安全审计:公开工具需要完善的日志记录和调用追踪
替代方案评估
作为折中方案,可以考虑以下技术路径:
- 依赖注入:将常用工具封装为独立模块,通过npm等包管理器共享
- 服务组合:构建轻量级适配层,将外部工具包装为本服务器工具
- 协议扩展:在MCP协议中定义工具引用规范,而非硬性集成
对开发流程的影响
若采用工具直接引用机制,将显著改变MCP服务器的开发模式:
- 模块化开发:鼓励将功能拆分为独立可复用的工具单元
- 生态建设:促进MCP工具市场的形成,类似npm的包生态系统
- 关注点分离:服务器开发者可以更专注于核心业务逻辑
总结建议
对于ModelContextProtocol生态的长期发展,建议分阶段实施工具复用机制:
- 短期:完善文档,建立最佳实践指南
- 中期:在SDK中增加工具引用辅助函数
- 长期:考虑将工具引用规范纳入协议标准
这种渐进式改进既能解决当前的开发痛点,又能为未来功能扩展预留空间。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878