ModelContextProtocol TypeScript SDK 1.10.0 版本发布:Streamable HTTP 传输协议全面升级
ModelContextProtocol(简称MCP)是一个用于构建上下文感知应用的开源协议,其TypeScript SDK为开发者提供了在JavaScript生态系统中实现MCP协议的便捷工具。最新发布的1.10.0版本带来了重大更新,特别是全新的Streamable HTTP传输协议支持,这标志着MCP协议演进过程中的一个重要里程碑。
Streamable HTTP:新一代传输协议
1.10.0版本最核心的改进是引入了Streamable HTTP传输协议,该协议取代了之前版本中的SSE(Server-Sent Events)传输方式。Streamable HTTP基于HTTP/1.1或HTTP/2的长连接特性,提供了更高效、更可靠的实时数据传输能力。
与SSE相比,Streamable HTTP具有以下技术优势:
- 更简洁的协议设计,减少了不必要的协议开销
- 更好的错误处理机制,连接中断后可以更可靠地恢复
- 支持双向通信模式,为未来功能扩展奠定基础
- 更高效的资源利用,特别是在大规模并发场景下
向后兼容性策略
考虑到生态系统中可能还有依赖SSE的客户端或服务器,1.10.0版本提供了完善的向后兼容方案。开发者可以逐步迁移到新的Streamable HTTP协议,同时保持与旧版本组件的互操作性。SDK中包含了详细的兼容性指南,帮助开发者规划平滑的升级路径。
功能增强与改进
除了核心的传输协议升级外,1.10.0版本还包含多项功能增强:
-
SSE端点会话ID处理优化:改进了SSE端点中sessionId参数的处理逻辑,提高了连接稳定性。
-
McpServer突变支持:为服务器端增加了突变(mutation)能力,使服务端可以更灵活地处理状态变更。
-
StreamableHTTPClientTransport修复:对新的Streamable HTTP客户端传输实现进行了多项优化和错误修复。
-
JSON-RPC消息类型判别工具:新增了辅助函数,帮助开发者更轻松地区分不同类型的JSON-RPC消息。
-
授权信息集成:在工具调用(tool calls)和请求处理中集成了授权信息,增强了安全性。
开发者体验提升
1.10.0版本特别注重开发者体验的改善:
- 提供了清晰的示例代码,展示如何在新老传输协议下实现客户端和服务器
- 完善了类型定义和文档,使API更易于理解和使用
- 增强了错误处理和调试信息,简化了问题排查过程
技术实现细节
在底层实现上,Streamable HTTP传输采用了现代Web标准技术:
- 基于fetch API和ReadableStream实现数据流式传输
- 利用现代JavaScript的异步迭代器模式处理实时数据
- 内置心跳机制和连接状态监控
- 支持标准的HTTP认证和CORS配置
升级建议
对于现有项目,建议按照以下步骤升级:
- 首先评估项目中使用的传输协议类型
- 如果使用SSE,先确保兼容性层正常工作
- 逐步将客户端和服务器迁移到Streamable HTTP
- 利用新版本提供的工具函数简化消息处理逻辑
- 测试授权信息在工具调用中的传递情况
1.10.0版本的发布标志着MCP协议在实时通信能力上的重大进步,为构建更可靠、更高效的上下文感知应用提供了坚实基础。开发者现在可以利用这些新特性,构建更具响应性和可靠性的分布式系统。
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