最新

我想要一些方便的 JS 工具来处理简单的文件操作，于是就构建了这个……然后想把它交给我的代理……现在它已经自成一体了。 您有什么建议的工具或功能吗？

我最近对两个功能相同的 MCP 进行了测试，结果发现其中一个性能非常差。因此，我想分享导致这种现象的不良 MCP 设计模式。 一切都始于我为待办事项列表应用程序编写了一个 MCP 服务器（MCP-A）。后来，该应用程序正式发布了自己的 MCP 服务器（MCP-B）。这两个 MCP 具有相同的功能，并且都调用相同的后端 API。 实验设置如下： - 两个 MCP 服务器都连接到同一个待办事项列表账户，并且每次测试后都会重置该账户。 - 40 个测试提示，模拟这些 MCP 的典型用例。 - 测试使用相同的模型、系统提示和 Agent 框架进行。 以下是测试结果： | 指标 | MCP-A | MCP-B | 差距 | | ------------------- | ----------- | ----------- | ----- | | 工具描述长度 | 11,464 | 3,682 | — | | 通过率 | 36/40 (90%) | 36/40 (90%) | 相同 | | 总输入 token 数 | 637,244 | 3,174,329 | 4.98 倍 | | 总输出 token 数 | 17,301 | 23,238 | 1.34 倍 | | 总 Agent 步骤数 | 122 | 157 | 1.29 倍 | | 总耗时 | 597 秒 | 676 秒 | 1.13 倍 | 结果显示，与 MCP-A 相比，MCP-B 完成 40 个测试用例多用了 35 次 ReAct 循环，这意味着输出 token 数增加了 30%。我检查了日志，发现根本原因是查询工具设计不佳。 以 `search tool` 为例，它的作用是在待办事项列表中查找一个待办事项。在 MCP-B 中，该工具返回以下内容： ```json { "id": "6a1916b48f08cb3a4c857ed0", "title": "buy some groceries", "url": "https://todo.example.com/tasks/6a1916b48f08cb3a4c857ed0" } ``` 但是其他 CRUD 操作需要 `project_id`，而 `search_tool` 没有返回它。因此，Agent 必须调用另一个工具 `get_task_by_id`。另一方面，MCP-A 的 `query_tasks` 在一次调用中返回了执行下一步操作所需的所有必要信息： 任务 1： ID：6a19143e8f084a8c8101612f 标题：购买一些杂货 项目 ID：6a1914378f084a8c810160a9 开始日期：2025-07-19 10:00:00 优先级：中 状态：活动 未过滤的 API 数据已转储到上下文窗口 如果 MCP 将纯 API 结果未经处理地返回给 Agent 的上下文，Agent 的上下文窗口会迅速累积。 以 MCP-B 的 `create_task` 工具为例，它的作用是创建一个待办事项。该工具返回以下内容： ```json { "id": "6a180de78f086bdead0608be", "projectId": "inbox125587327", ..... "createdTime": "2026-05-28T09:41:59+0000", "modifiedTime": "2026-05-28T09:41:59+0000", "focusSummaries": null } ``` 这 600 多个字符对 Agent 的任务毫无意义，但仍然被转储到 Agent 的上下文中。另一方面，MCP-A 的 `create_tasks` 进行了过滤和格式化层。这个小小的调整在输入 token 使用量上产生了巨大的差异。 另一个问题是工具数量。更多的工具意味着模型可以选择的候选集更大，这直接增加了决策的难度。在 MCP-A 中，47 个工具被压缩到 14 个，用更少的工具覆盖了相同的功能。 --- 因此，我关于良好 MCP 工具设计的体会是： - 设计工具时，要考虑 Agent 接下来需要什么，而不仅仅是它当前请求的内容。在结果中返回足够的上下文，以便 Agent 可以在不进行另一次往返的情况下执行下一步操作。 - 过多的工具会增加模型的决策负担。因此，最好尽量减少 MCP 中的工具数量。确保它们的功能不重叠。 - 当你的 MCP 将数据返回给 LLM 时，尽量使其对 LLM 友好，即易于阅读。你可以过滤掉 API 响应中不必要的字段并格式化数据，而不是直接传递原始 JSON。 --- 以上所有测试均由 MCP-Eval 运行，这是一个 MCP 服务器的基准测试工具。如果你想检查你的 MCP 的性能，请随时查看： https://github.com/Code-MonkeyZhang/mcp-eval