新聞 6 / 12

開發工具

MCP 協議更新:轉向無狀態架構以支援 AI Agent 基礎設施擴展

Scaling AI Agent Infrastructure with the MCP Stateless updates

MCP 協議更新:轉向無狀態架構以支援 AI Agent 基礎設施擴展

Google Developers · 2026-09-23

摘要

Model Context Protocol (MCP) 規範已更新,將核心架構從有狀態改為完全無狀態,以支援雲端原生擴展與 Serverless 部署。此次更新引入了標準化 HTTP 標頭與 Multi Round-Trip Requests (MRTR) 機制,解決了互動式與長時間任務的阻塞問題。開發者現可使用 Python、TypeScript 等語言的 Beta SDK 進行遷移。

Google 與 Hugging Face 等產業夥伴共同推動的 MCP Transports Working Group,於 2026 年 7 月 28 日發布 Model Context Protocol (MCP) 2026-07-28 規格候選版,此為自 2024 年底推出以來最大的規格變更。此次更新將核心架構從有狀態(stateful)轉向完全無狀態(stateless),旨在解決雲端原生環境下的擴展瓶頸。

舊版規格(2025-11-25)依賴會話初始化與 Mcp-Session-Id 標頭,導致客戶端被綁定至特定容器或 Pod,造成負載平衡效率低落、自動擴展困難及故障容錯能力不足。新版規格移除了 initialize / initialized 握手程序與邏輯會話標頭,使每個請求皆為獨立且自描述的。協議版本、客戶端資訊與能力改為透過 _meta 欄位內嵌於每個請求中,允許標準的輪詢負載平衡器處理流量,並支援 Google Cloud Run 或 Google Cloud Functions 等 Serverless 部署,實現閒置時自動縮減至零以降低成本。

技術實作上,新規格引入 SEP-2243 標準化 HTTP 標頭,包含 Mcp-Protocol-Version、Mcp-Method 與 Mcp-Name,使代理伺服器與閘道器無需深度封包檢查即可進行路由、速率限制與審計。針對快取需求,SEP-2549 引入 ttlMs 與 cacheScope 欄位,模擬 HTTP Cache-Control 機制以優化工具與資源結果的快取策略。

為處理互動式任務,新規格採用 SEP-2322 多輪請求(Multi Round-Trip Requests, MRTR)機制,取代原有的 Server-Sent Events 長連線。伺服器透過返回包含序列化上下文(requestState)的 InputRequiredResult 來暫停執行,客戶端取得回應後再重新發起呼叫,確保任何伺服器實例均可接續處理。對於長時間運作的工具呼叫,SEP-2663 任務擴展(Tasks Extension)成為正式功能,伺服器立即返回 taskId 並在背景執行,客戶端可透過 tasks/get 與 tasks/update 輪詢進度。

安全方面,規格強化了 Issuer Verification(RFC 9207)以防止會話劫持,並引入 Resource Indicators(RFC 8707)解決混淆副手問題。工具輸入架構全面採用 JSON Schema 2020-12,支援 oneOf、anyOf 等進階組合結構。此外,SEP-2577 確立了正式的非支援政策,Roots、Sampling 與 Logging 功能進入 12 個月過渡期並最終被移除。

目前 TypeScript、Python、Go 與 C# 的四個 Tier-1 SDK 已提供支援 2026-07-28 規格的 Beta 版本。Python 使用者可透過 pip install "mcp[cli]==2.0.0b1" 安裝,TypeScript 則拆分為 @modelcontextprotocol/server 與 @modelcontextprotocol/client 模組,並提供 codemod 工具協助 API 遷移。GitHub MCP Server 等主要生產伺服器已升級至新規格並移除 Redis 會話儲存,以提升互動效能。

開發者:可立即使用新 SDK 遷移 Agent 應用至無狀態架構

投資人:關注 MCP 生態系擴展與雲端基礎設施投資

一般用戶:AI 助手回應速度與穩定性有望提升

重要性評分

68/100

🟠 值得關注

MCPAI Agent無狀態架構基礎設施SDK
原文出處
上一則Google Cloud 原生整合 TPU 支援至 vLLM,優化長上下文多模態嵌入推論下一則RBS-Attention:半徑限制稀疏預填充技術加速長上下文大語言模型推理

喜歡這篇?每天早晨還有更多。

訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。

相關指南

🤖 本文摘要由 AI 自動生成,內容源自原始報導。如有疑慮,請參閱關於我們

喜歡這篇?每天早晨還有更多。

訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。