1. 从一次工具调用失败说起MCP 协议链路到底卡在哪如果你正在做 AI Agent 或者智能助手大概率听过 MCPModel Context Protocol这个词。它本质上是一套让 AI 应用和外部数据源、工具之间安全交互的标准化协议2024 年由 Anthropic 提出现在已经被 Claude Desktop、Continue、Cline 等一批工具采纳。简单说MCP 就是给大模型装了一双能伸向外部世界的手Resources 让它读数据Tools 让它执行动作Prompts 让它按模板完成任务。适合谁适合那些不满足于“模型只会聊天”想让模型真正操作文件、查数据库、调 API 的开发者。但很多人第一次接 MCP 的时候会遇到一个很迷惑的现象配置文件写好了服务也启动了可模型就是不用工具或者调用时报一堆看不懂的错。我试过在本地搭一个文件系统 MCP 服务端结果客户端发出去的tools/call请求石沉大海日志里只有一行local proxy failed。后来把整条链路拆开看才发现问题出在初始化握手阶段——客户端根本没完成能力协商服务端不知道客户端支持什么客户端也不知道服务端注册了哪些工具。这篇文章就聚焦 MCP 从初始化握手、能力协商到工具调用的完整链路面向想理解 MCP 底层机制的开发者。我会交付可复制的 MCP 服务端配置片段和客户端调用示例并给出逐步验证协议交互的调试动作。读完你不仅能跑通一个文件系统 MCP 服务端还能看懂每一条 JSON-RPC 消息在干什么遇到报错知道去哪一层排查。整条链路的核心其实就三件事握手、发现、调用。握手是initialize请求和响应双方交换协议版本和能力发现是客户端发tools/list、resources/list拿到服务端注册的清单调用是模型决定用某个工具后客户端发tools/call服务端执行并返回结果。听起来简单但每一层都有坑下面逐个拆。2. TaoToken 前置准备把模型侧和 MCP 侧接起来在深入协议细节之前得先把运行环境准备好。MCP 服务端本身不依赖任何特定模型但你要验证整条链路需要一个能发起工具调用的客户端。这里我用 TaoToken 作为模型接入层它提供兼容 OpenAI 风格的 API同时支持 Claude Code、Cline 这类支持 MCP 的编码工具。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。为什么先讲这个因为 MCP 的调试链路里模型侧和协议侧是分开的。协议侧你可以用纯 Python 脚本手动发 JSON-RPC 消息验证但真实场景下是模型生成tool_use请求客户端把它转成 JSON-RPC。如果你只调协议不接模型很多问题比如模型不触发工具、参数 schema 不匹配根本暴露不出来。所以我的做法是先用脚本验证协议层再接上模型跑端到端。TaoToken 这边你需要准备三样东西Base URL、API Key、Model ID。Base URL 用https://taotoken.net/apiAPI Key 在控制台的 API Keys 页面生成Model ID 根据你用的模型填比如claude-sonnet-4-20250514这类。如果你用的是 Claude Code它本身支持 MCP 配置可以直接在 settings 里挂载 MCP 服务端如果你用的是 Cline它内置了 MCP 市场也可以手动填配置。这里有个关键点MCP 服务端和模型接入层是解耦的。MCP 服务端只负责暴露 Resources、Tools、Prompts它不关心背后是哪个模型。模型接入层负责把用户的自然语言转成工具调用意图再通过 MCP 客户端发给服务端。所以你在调试时可以先用simple_client.py手动发请求确认服务端没问题再接模型。这样出问题时能快速定位是协议层还是模型层。另外提醒一句MCP 服务端建议跑在独立进程里通过 stdio 和客户端通信。不要把它和你的主应用塞在一个进程否则一个工具执行卡住整个应用都僵了。下面进入具体配置。3. 可复制配置MCP 服务端与客户端 settings 片段这一节直接给可复制的配置。先看 MCP 服务端的核心结构。我用 Python 写一个文件系统服务端暴露三个工具read_file、list_directory、search_files。服务端基于 JSON-RPC over stdio每条消息一行 JSON。先看服务端的启动配置。你需要一个server.py核心是注册工具和资源然后进入 stdio 循环。下面是关键片段路径按你本地实际调整# servers/filesystem/server.py import os import asyncio import sys from pathlib import Path class FileSystemServer: def __init__(self, root_dir: str): self.root_dir Path(root_dir).resolve() self.tools {} self._register_tools() def _register_tools(self): self.tools[read_file] { name: read_file, description: Read the content of a file in the allowed directory, inputSchema: { type: object, properties: { path: {type: string, description: Relative path under root} }, required: [path] } } self.tools[list_directory] { name: list_directory, description: List files and directories in a given path, inputSchema: { type: object, properties: { path: {type: string} }, required: [path] } } def _safe_path(self, rel_path: str) - Path: full (self.root_dir / rel_path).resolve() if not str(full).startswith(str(self.root_dir)): raise ValueError(Access denied: path outside root) return full async def handle_tools_call(self, params: dict) - dict: name params.get(name) args params.get(arguments, {}) if name read_file: p self._safe_path(args[path]) if not p.is_file(): return {content: [{type: text, text: fError: {args[path]} not a file}]} with open(p, r, encodingutf-8) as f: return {content: [{type: text, text: f.read()}]} if name list_directory: p self._safe_path(args[path]) if not p.is_dir(): return {content: [{type: text, text: fError: {args[path]} not a dir}]} items [f{[D] if i.is_dir() else [F]} {i.name} for i in p.iterdir()] return {content: [{type: text, text: \n.join(items) or (empty)}]} return {content: [{type: text, text: fUnknown tool: {name}}]} async def run_stdio(self): while True: line sys.stdin.readline() if not line: break try: msg json.loads(line) except json.JSONDecodeError: continue method msg.get(method) msg_id msg.get(id) if method initialize: result { protocolVersion: 0.1.0, capabilities: {tools: {}, resources: {}}, serverInfo: {name: filesystem-mcp, version: 1.0.0} } elif method tools/list: result {tools: list(self.tools.values())} elif method tools/call: result await self.handle_tools_call(msg.get(params, {})) else: result None if msg_id is not None: resp {jsonrpc: 2.0, id: msg_id, result: result} sys.stdout.write(json.dumps(resp) \n) sys.stdout.flush() if __name__ __main__: root sys.argv[1] if len(sys.argv) 1 else /tmp server FileSystemServer(root) asyncio.run(server.run_stdio())注意_safe_path里的路径逃逸防护这是 MCP 服务端必须做的。没有它模型可以通过../../etc/passwd读到不该读的文件。再看客户端侧的 settings 配置。如果你用 Claude Code在项目根目录的.claude/settings.json里加 MCP 服务端{ mcpServers: { filesystem: { command: python, args: [/path/to/mcp_demo/servers/filesystem/server.py, /Users/me/allowed_folder], env: { PYTHONPATH: /path/to/mcp_demo } } } }如果你用 Cline配置在 Cline 的 MCP 设置里格式类似关键是command、args、env三件套。Base URL 填https://taotoken.net/apiAPI Key 填你生成的Model ID 填你用的模型。这三件套在 Cline 的 API 配置里单独填和 MCP 配置是分开的。如果你用 Codex它的auth.json里需要填 API Key 和 Base URLMCP 配置在单独的mcp.json里。不管哪个客户端核心都是Base URL Key Model ID 三件套负责模型接入MCP 配置负责工具接入两者独立。4. 验证请求手动发 JSON-RPC 看完整链路配置写好了别急着接模型。先用脚本手动发 JSON-RPC把协议链路走一遍。这样你能看到每一条消息的原始格式出问题也知道是哪一步。启动服务端cd mcp_demo/servers/filesystem python server.py /tmp服务端会阻塞在 stdin 等待输入。另开一个终端用 echo 发初始化请求echo {jsonrpc:2.0,id:1,method:initialize,params:{protocolVersion:0.1.0,capabilities:{}}} | python server.py /tmp你会看到类似这样的响应{jsonrpc:2.0,id:1,result:{protocolVersion:0.1.0,capabilities:{tools:{},resources:{}},serverInfo:{name:filesystem-mcp,version:1.0.0}}}这一步是握手。客户端告诉服务端自己支持的协议版本和能力服务端回自己的版本和能力。注意id必须原样返回这是 JSON-RPC 的请求-响应匹配机制。接着发tools/listecho {jsonrpc:2.0,id:2,method:tools/list} | python server.py /tmp响应里会列出read_file和list_directory的完整 schema。这一步是能力发现客户端拿到工具清单后会把它转成模型能理解的函数描述。最后发tools/callecho {jsonrpc:2.0,id:3,method:tools/call,params:{name:read_file,arguments:{path:test.txt}}} | python server.py /tmp如果/tmp/test.txt存在你会看到文件内容包在content数组里返回。注意返回格式必须是{content:[{type:text,text:...}]}这是 MCP 规范定义的客户端和模型都按这个格式解析。手动验证通过后用simple_client.py跑一遍完整交互。这个脚本会启动服务端子进程依次发 initialize、tools/list、tools/call打印每一步的响应。跑通后你会看到类似这样的日志Initialize response: {jsonrpc: 2.0, id: 1, result: {...}} Tools: {tools: [{name: read_file, ...}, {name: list_directory, ...}]} Read file result: {content: [{type: text, text: Hello World}]}到这一步协议链路就通了。接下来接模型让模型自己决定调哪个工具。在 Claude Code 或 Cline 里输入“请读取我桌面上的 test.txt 内容”模型会生成tool_use请求客户端转成tools/call发给服务端服务端返回内容模型再基于内容生成最终回复。整条链路是用户输入 → 模型生成工具调用意图 → 客户端转 JSON-RPC → 服务端执行 → 结果回传模型 → 模型生成自然语言回复。5. 常见报错排查401、local proxy failed、reading choices、OAuth链路跑通不代表一帆风顺下面这几个报错是我踩过的坑对照着排查能省不少时间。401 Unauthorized这个通常出在模型接入层不是 MCP 协议层。检查你的 API Key 是否填对Base URL 是否是https://taotoken.net/api。如果你用的是 Claude Code检查settings.json里的env是否把 Key 传进去了。注意 Key 不要有多余空格也不要放在会被 git 提交的文件里。local proxy failed这个报错在 MCP 客户端启动服务端时出现意思是客户端无法拉起服务端子进程。常见原因有三个command路径不对比如你写了python但系统里只有python3args里的脚本路径不对env里的PYTHONPATH没设导致服务端 import 自己的模块失败。排查方法是在终端手动执行commandargs的组合看能不能跑起来。如果手动能跑客户端跑不了那就是客户端的工作目录和你的终端不一样把路径改成绝对路径。reading choices 相关报错这个通常出现在模型返回格式不符合预期时。比如模型返回的tool_use块里input不是合法 JSON或者客户端解析响应时字段对不上。检查你的工具inputSchema是否严格符合 JSON Schema特别是required字段和type字段。模型有时候会传字符串给期望数字的参数schema 写清楚能减少这类问题。OAuth 相关报错如果你接的 MCP 服务端是远程的走 SSE 或 WebSocket可能会遇到 OAuth 认证问题。MCP 规范里远程服务端可以用 OAuth 做授权但本地 stdio 服务端不需要。如果你在本地调试却看到 OAuth 报错检查是不是客户端把本地服务端误判成远程了或者配置里混入了远程服务端的字段。还有一个隐蔽的坑服务端返回的content数组里type必须是texttext必须是字符串。如果你返回了嵌套对象客户端解析会失败模型也读不到内容。我见过有人把 JSON 对象直接塞进text结果模型收到的是[object Object]。排查顺序建议先看模型接入层401 类再看进程启动层local proxy failed 类再看协议格式层reading choices 类最后看认证层OAuth 类。每一层都有独立的日志别混在一起看。6. 把 MCP 链路用起来从调试到长期编码协议链路拆完配置和排查也给了最后说怎么把它用起来。如果你只是临时验证手动发 JSON-RPC 就够了。但如果你要长期做 Agent 开发建议把 MCP 服务端做成独立仓库每个工具一个模块用官方的mcpPython SDK 或 TypeScript SDK 来写省得自己处理 JSON-RPC 的边界情况。模型侧我建议用 TaoToken 的 Coding Plan它适合长期编码和 Agent 场景Base URL 还是https://taotoken.net/apiKey 和 Model ID 在控制台配好。这样你的 MCP 服务端和模型接入层就彻底解耦了换模型不用改 MCP 配置加工具不用动模型配置。调试的时候有个技巧在服务端的tools/call处理函数里加一行日志把收到的params原样打到 stderr。stderr 不会干扰 stdio 的 JSON-RPC 通信但你能在客户端日志里看到模型实际传了什么参数。很多“模型不调工具”的问题其实是模型传的参数和 schema 对不上看一眼原始参数就明白了。另外MCP 的initialize响应里有个capabilities字段服务端可以声明自己支持resources.subscribe、tools.listChanged等能力。如果你要做动态工具注册记得把这个字段填对否则客户端不会监听变更通知。这个细节在官方文档里写得比较散但实际做动态能力发现时很关键。整条链路的核心就是三句话握手交换能力发现拿到清单调用执行并回传。把这三步的 JSON-RPC 消息格式记牢遇到任何 MCP 报错都能定位到具体哪一层。剩下的就是按你的业务需求往服务端里加工具、加资源、加提示模板。
深入解析MCP工作原理与机制：从协议握手到工具调用的完整链路拆解
1. 从一次工具调用失败说起MCP 协议链路到底卡在哪如果你正在做 AI Agent 或者智能助手大概率听过 MCPModel Context Protocol这个词。它本质上是一套让 AI 应用和外部数据源、工具之间安全交互的标准化协议2024 年由 Anthropic 提出现在已经被 Claude Desktop、Continue、Cline 等一批工具采纳。简单说MCP 就是给大模型装了一双能伸向外部世界的手Resources 让它读数据Tools 让它执行动作Prompts 让它按模板完成任务。适合谁适合那些不满足于“模型只会聊天”想让模型真正操作文件、查数据库、调 API 的开发者。但很多人第一次接 MCP 的时候会遇到一个很迷惑的现象配置文件写好了服务也启动了可模型就是不用工具或者调用时报一堆看不懂的错。我试过在本地搭一个文件系统 MCP 服务端结果客户端发出去的tools/call请求石沉大海日志里只有一行local proxy failed。后来把整条链路拆开看才发现问题出在初始化握手阶段——客户端根本没完成能力协商服务端不知道客户端支持什么客户端也不知道服务端注册了哪些工具。这篇文章就聚焦 MCP 从初始化握手、能力协商到工具调用的完整链路面向想理解 MCP 底层机制的开发者。我会交付可复制的 MCP 服务端配置片段和客户端调用示例并给出逐步验证协议交互的调试动作。读完你不仅能跑通一个文件系统 MCP 服务端还能看懂每一条 JSON-RPC 消息在干什么遇到报错知道去哪一层排查。整条链路的核心其实就三件事握手、发现、调用。握手是initialize请求和响应双方交换协议版本和能力发现是客户端发tools/list、resources/list拿到服务端注册的清单调用是模型决定用某个工具后客户端发tools/call服务端执行并返回结果。听起来简单但每一层都有坑下面逐个拆。2. TaoToken 前置准备把模型侧和 MCP 侧接起来在深入协议细节之前得先把运行环境准备好。MCP 服务端本身不依赖任何特定模型但你要验证整条链路需要一个能发起工具调用的客户端。这里我用 TaoToken 作为模型接入层它提供兼容 OpenAI 风格的 API同时支持 Claude Code、Cline 这类支持 MCP 的编码工具。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。为什么先讲这个因为 MCP 的调试链路里模型侧和协议侧是分开的。协议侧你可以用纯 Python 脚本手动发 JSON-RPC 消息验证但真实场景下是模型生成tool_use请求客户端把它转成 JSON-RPC。如果你只调协议不接模型很多问题比如模型不触发工具、参数 schema 不匹配根本暴露不出来。所以我的做法是先用脚本验证协议层再接上模型跑端到端。TaoToken 这边你需要准备三样东西Base URL、API Key、Model ID。Base URL 用https://taotoken.net/apiAPI Key 在控制台的 API Keys 页面生成Model ID 根据你用的模型填比如claude-sonnet-4-20250514这类。如果你用的是 Claude Code它本身支持 MCP 配置可以直接在 settings 里挂载 MCP 服务端如果你用的是 Cline它内置了 MCP 市场也可以手动填配置。这里有个关键点MCP 服务端和模型接入层是解耦的。MCP 服务端只负责暴露 Resources、Tools、Prompts它不关心背后是哪个模型。模型接入层负责把用户的自然语言转成工具调用意图再通过 MCP 客户端发给服务端。所以你在调试时可以先用simple_client.py手动发请求确认服务端没问题再接模型。这样出问题时能快速定位是协议层还是模型层。另外提醒一句MCP 服务端建议跑在独立进程里通过 stdio 和客户端通信。不要把它和你的主应用塞在一个进程否则一个工具执行卡住整个应用都僵了。下面进入具体配置。3. 可复制配置MCP 服务端与客户端 settings 片段这一节直接给可复制的配置。先看 MCP 服务端的核心结构。我用 Python 写一个文件系统服务端暴露三个工具read_file、list_directory、search_files。服务端基于 JSON-RPC over stdio每条消息一行 JSON。先看服务端的启动配置。你需要一个server.py核心是注册工具和资源然后进入 stdio 循环。下面是关键片段路径按你本地实际调整# servers/filesystem/server.py import os import asyncio import sys from pathlib import Path class FileSystemServer: def __init__(self, root_dir: str): self.root_dir Path(root_dir).resolve() self.tools {} self._register_tools() def _register_tools(self): self.tools[read_file] { name: read_file, description: Read the content of a file in the allowed directory, inputSchema: { type: object, properties: { path: {type: string, description: Relative path under root} }, required: [path] } } self.tools[list_directory] { name: list_directory, description: List files and directories in a given path, inputSchema: { type: object, properties: { path: {type: string} }, required: [path] } } def _safe_path(self, rel_path: str) - Path: full (self.root_dir / rel_path).resolve() if not str(full).startswith(str(self.root_dir)): raise ValueError(Access denied: path outside root) return full async def handle_tools_call(self, params: dict) - dict: name params.get(name) args params.get(arguments, {}) if name read_file: p self._safe_path(args[path]) if not p.is_file(): return {content: [{type: text, text: fError: {args[path]} not a file}]} with open(p, r, encodingutf-8) as f: return {content: [{type: text, text: f.read()}]} if name list_directory: p self._safe_path(args[path]) if not p.is_dir(): return {content: [{type: text, text: fError: {args[path]} not a dir}]} items [f{[D] if i.is_dir() else [F]} {i.name} for i in p.iterdir()] return {content: [{type: text, text: \n.join(items) or (empty)}]} return {content: [{type: text, text: fUnknown tool: {name}}]} async def run_stdio(self): while True: line sys.stdin.readline() if not line: break try: msg json.loads(line) except json.JSONDecodeError: continue method msg.get(method) msg_id msg.get(id) if method initialize: result { protocolVersion: 0.1.0, capabilities: {tools: {}, resources: {}}, serverInfo: {name: filesystem-mcp, version: 1.0.0} } elif method tools/list: result {tools: list(self.tools.values())} elif method tools/call: result await self.handle_tools_call(msg.get(params, {})) else: result None if msg_id is not None: resp {jsonrpc: 2.0, id: msg_id, result: result} sys.stdout.write(json.dumps(resp) \n) sys.stdout.flush() if __name__ __main__: root sys.argv[1] if len(sys.argv) 1 else /tmp server FileSystemServer(root) asyncio.run(server.run_stdio())注意_safe_path里的路径逃逸防护这是 MCP 服务端必须做的。没有它模型可以通过../../etc/passwd读到不该读的文件。再看客户端侧的 settings 配置。如果你用 Claude Code在项目根目录的.claude/settings.json里加 MCP 服务端{ mcpServers: { filesystem: { command: python, args: [/path/to/mcp_demo/servers/filesystem/server.py, /Users/me/allowed_folder], env: { PYTHONPATH: /path/to/mcp_demo } } } }如果你用 Cline配置在 Cline 的 MCP 设置里格式类似关键是command、args、env三件套。Base URL 填https://taotoken.net/apiAPI Key 填你生成的Model ID 填你用的模型。这三件套在 Cline 的 API 配置里单独填和 MCP 配置是分开的。如果你用 Codex它的auth.json里需要填 API Key 和 Base URLMCP 配置在单独的mcp.json里。不管哪个客户端核心都是Base URL Key Model ID 三件套负责模型接入MCP 配置负责工具接入两者独立。4. 验证请求手动发 JSON-RPC 看完整链路配置写好了别急着接模型。先用脚本手动发 JSON-RPC把协议链路走一遍。这样你能看到每一条消息的原始格式出问题也知道是哪一步。启动服务端cd mcp_demo/servers/filesystem python server.py /tmp服务端会阻塞在 stdin 等待输入。另开一个终端用 echo 发初始化请求echo {jsonrpc:2.0,id:1,method:initialize,params:{protocolVersion:0.1.0,capabilities:{}}} | python server.py /tmp你会看到类似这样的响应{jsonrpc:2.0,id:1,result:{protocolVersion:0.1.0,capabilities:{tools:{},resources:{}},serverInfo:{name:filesystem-mcp,version:1.0.0}}}这一步是握手。客户端告诉服务端自己支持的协议版本和能力服务端回自己的版本和能力。注意id必须原样返回这是 JSON-RPC 的请求-响应匹配机制。接着发tools/listecho {jsonrpc:2.0,id:2,method:tools/list} | python server.py /tmp响应里会列出read_file和list_directory的完整 schema。这一步是能力发现客户端拿到工具清单后会把它转成模型能理解的函数描述。最后发tools/callecho {jsonrpc:2.0,id:3,method:tools/call,params:{name:read_file,arguments:{path:test.txt}}} | python server.py /tmp如果/tmp/test.txt存在你会看到文件内容包在content数组里返回。注意返回格式必须是{content:[{type:text,text:...}]}这是 MCP 规范定义的客户端和模型都按这个格式解析。手动验证通过后用simple_client.py跑一遍完整交互。这个脚本会启动服务端子进程依次发 initialize、tools/list、tools/call打印每一步的响应。跑通后你会看到类似这样的日志Initialize response: {jsonrpc: 2.0, id: 1, result: {...}} Tools: {tools: [{name: read_file, ...}, {name: list_directory, ...}]} Read file result: {content: [{type: text, text: Hello World}]}到这一步协议链路就通了。接下来接模型让模型自己决定调哪个工具。在 Claude Code 或 Cline 里输入“请读取我桌面上的 test.txt 内容”模型会生成tool_use请求客户端转成tools/call发给服务端服务端返回内容模型再基于内容生成最终回复。整条链路是用户输入 → 模型生成工具调用意图 → 客户端转 JSON-RPC → 服务端执行 → 结果回传模型 → 模型生成自然语言回复。5. 常见报错排查401、local proxy failed、reading choices、OAuth链路跑通不代表一帆风顺下面这几个报错是我踩过的坑对照着排查能省不少时间。401 Unauthorized这个通常出在模型接入层不是 MCP 协议层。检查你的 API Key 是否填对Base URL 是否是https://taotoken.net/api。如果你用的是 Claude Code检查settings.json里的env是否把 Key 传进去了。注意 Key 不要有多余空格也不要放在会被 git 提交的文件里。local proxy failed这个报错在 MCP 客户端启动服务端时出现意思是客户端无法拉起服务端子进程。常见原因有三个command路径不对比如你写了python但系统里只有python3args里的脚本路径不对env里的PYTHONPATH没设导致服务端 import 自己的模块失败。排查方法是在终端手动执行commandargs的组合看能不能跑起来。如果手动能跑客户端跑不了那就是客户端的工作目录和你的终端不一样把路径改成绝对路径。reading choices 相关报错这个通常出现在模型返回格式不符合预期时。比如模型返回的tool_use块里input不是合法 JSON或者客户端解析响应时字段对不上。检查你的工具inputSchema是否严格符合 JSON Schema特别是required字段和type字段。模型有时候会传字符串给期望数字的参数schema 写清楚能减少这类问题。OAuth 相关报错如果你接的 MCP 服务端是远程的走 SSE 或 WebSocket可能会遇到 OAuth 认证问题。MCP 规范里远程服务端可以用 OAuth 做授权但本地 stdio 服务端不需要。如果你在本地调试却看到 OAuth 报错检查是不是客户端把本地服务端误判成远程了或者配置里混入了远程服务端的字段。还有一个隐蔽的坑服务端返回的content数组里type必须是texttext必须是字符串。如果你返回了嵌套对象客户端解析会失败模型也读不到内容。我见过有人把 JSON 对象直接塞进text结果模型收到的是[object Object]。排查顺序建议先看模型接入层401 类再看进程启动层local proxy failed 类再看协议格式层reading choices 类最后看认证层OAuth 类。每一层都有独立的日志别混在一起看。6. 把 MCP 链路用起来从调试到长期编码协议链路拆完配置和排查也给了最后说怎么把它用起来。如果你只是临时验证手动发 JSON-RPC 就够了。但如果你要长期做 Agent 开发建议把 MCP 服务端做成独立仓库每个工具一个模块用官方的mcpPython SDK 或 TypeScript SDK 来写省得自己处理 JSON-RPC 的边界情况。模型侧我建议用 TaoToken 的 Coding Plan它适合长期编码和 Agent 场景Base URL 还是https://taotoken.net/apiKey 和 Model ID 在控制台配好。这样你的 MCP 服务端和模型接入层就彻底解耦了换模型不用改 MCP 配置加工具不用动模型配置。调试的时候有个技巧在服务端的tools/call处理函数里加一行日志把收到的params原样打到 stderr。stderr 不会干扰 stdio 的 JSON-RPC 通信但你能在客户端日志里看到模型实际传了什么参数。很多“模型不调工具”的问题其实是模型传的参数和 schema 对不上看一眼原始参数就明白了。另外MCP 的initialize响应里有个capabilities字段服务端可以声明自己支持resources.subscribe、tools.listChanged等能力。如果你要做动态工具注册记得把这个字段填对否则客户端不会监听变更通知。这个细节在官方文档里写得比较散但实际做动态能力发现时很关键。整条链路的核心就是三句话握手交换能力发现拿到清单调用执行并回传。把这三步的 JSON-RPC 消息格式记牢遇到任何 MCP 报错都能定位到具体哪一层。剩下的就是按你的业务需求往服务端里加工具、加资源、加提示模板。