Phidata项目中MCP工具调用参数问题的分析与解决方案
问题背景
在Phidata项目的开发过程中,开发团队发现了一个与MCP(Microservice Control Plane)工具调用相关的技术问题。当使用Supabase MCP工具如execute_sql和list_tables时,系统会抛出ZodError验证错误,提示请求对象中包含不被识别的键值。
错误现象
具体错误信息显示,系统无法识别请求中的tool_description参数。这个参数被错误地包含在了所有工具调用的请求中,而实际上MCP API的Schema并不期望接收这个参数。错误信息清晰地指出了问题所在:Unrecognized key(s) in object: 'tool_description'。
技术分析
深入分析代码后发现,问题根源在于agno/utils/mcp.py文件中的get_entrypoint_for_tool函数。这个函数创建了一个部分函数(partial function),将tool_description参数默认包含在所有工具调用中:
return partial(call_tool, tool_name=tool.name, tool_description=tool.description)
这种设计导致了两个问题:
- 违反了MCP API的接口契约,因为API Schema没有定义
tool_description字段 - 增加了不必要的网络传输开销,因为每次调用都会附带这个实际上不被使用的参数
临时解决方案
在发现问题后,开发团队首先实现了一个临时解决方案:在call_tool函数中添加了参数过滤机制:
tool_params = {k: v for k, v in kwargs.items() if k not in ['tool_description', 'tool_name']}
这种方法虽然解决了问题,但从设计角度看并不理想,因为它:
- 增加了额外的处理逻辑
- 没有从根本上解决问题,只是做了后期过滤
- 可能导致潜在的性能开销
最终解决方案
经过更深入的分析,团队提出了更优雅的解决方案:直接修改get_entrypoint_for_tool函数,不再传递tool_description参数:
return partial(call_tool, tool_name=tool.name)
这种修改具有以下优势:
- 从源头解决问题,避免生成不必要的参数
- 保持代码简洁,减少不必要的处理逻辑
- 完全符合MCP API的设计规范
- 提高网络传输效率
经验总结
这个问题的解决过程为开发者提供了几个重要的经验教训:
- API契约的重要性:必须严格遵守API接口定义,任何额外的参数都可能导致兼容性问题
- 参数传递的谨慎性:在构建通用工具函数时,需要仔细考虑哪些参数是真正必要的
- 问题解决的层次性:临时解决方案虽然能快速解决问题,但应该尽快寻找更根本的解决方案
- 代码审查的价值:这类问题往往可以通过严格的代码审查提前发现
技术影响
这个修复不仅解决了当前的错误,还对系统产生了以下积极影响:
- 提高了API调用的可靠性
- 减少了不必要的网络负载
- 使代码结构更加清晰
- 为后续类似功能的开发提供了良好的参考模式
结论
在分布式系统和微服务架构中,接口契约的严格遵守是保证系统稳定性的关键因素。Phidata团队通过这个问题,不仅解决了具体的技术障碍,还提升了团队对API设计和参数传递最佳实践的理解。这种经验对于构建可靠、高效的微服务系统具有普遍参考价值。
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