大数跨境

MCP 最大更新:session 没了,握手没了,远程部署的门槛也没了

MCP 最大更新:session 没了,握手没了,远程部署的门槛也没了 AI工程化
2026-07-30
2

MCP 新版本刚刚发布,这是协议诞生以来最大的一次更新。官方博客用了一个词:stateless core

不是小修小补。是整个协议的内核从双向有状态变成了请求/响应的无状态模型。

具体来说,以前 MCP 需要客户端先发 initialize,服务器回 initialized,然后靠 Mcp-Session-Id 头维持会话。现在这些全没了。每个请求自己带着协议版本、客户端身份和能力信息(放在 _meta 字段里),可以落在任何一台服务器实例上,后面挂个普通的 round-robin 负载均衡就行。

如果你还是想提前知道服务器有什么能力,可以用新的 server/discover RPC。但它是可选的,不是必须的。

这对运维意味着什么?部署远程 MCP 服务器不再需要共享存储来维持会话状态。拿起来就能跑,水平扩展门槛大幅降低。

当然,协议层面无状态不强迫你的应用也无状态。如果你的工具确实需要跨调用保持状态,官方建议的做法是:让工具自己生成一个 handle,让模型把它当参数传来传去。好处是模型能"看到"这个状态,比藏在传输层里的 session 透明得多。

除了无状态,这次还有几个值得关注的变化:

Multi Round-Trip Requests (MRTR)

以前服务端要向客户端发请求(比如 elicitation 让用户确认操作、sampling 调模型、roots 列根目录),必须维持一条双向流。现在 MRTR 用了一种更聪明的做法:服务器返回 resultType: "input_required",附带需要用户回答的问题,客户端收到后带着答案重试原始调用。全程不需要常驻连接。

这对 Supabase 这种本来就跑在无状态架构上的 MCP 服务是直接利好——他们之前想做 elicitation 一直做不了,MRTR 直接解了这个问题。

Header-based routing

Streamable HTTP 请求现在必须带 Mcp-MethodMcp-Name 头。网关、限流器、WAF 可以直接在 HTTP 头层面做路由和计量,不需要解析 JSON body。

列表结果可缓存

tools/listprompts/listresources/listresources/read 的响应现在带 ttlMscacheScope。客户端可以缓存工具目录,重连时不用反复拉取。

授权强化

授权是过去一年开发者花最多时间集成的地方。这次做了几件事:

  • 要求授权服务器返回 iss 参数(RFC 9207),客户端兑换 token 前必须验证,堵住了授权服务器混用的漏洞
  • 动态客户端注册(DCR)正式弃用,转向 Client ID Metadata Documents(CIMD)。DCR 还能用,但未来会被移除
  • 客户端凭证绑定到签发它的授权服务器,不能跨服务器复用

Tasks 正式成为扩展

Tasks 从实验性核心移出,成为 io.modelcontextprotocol/tasks 扩展。改成基于轮询的 tasks/get 加新的 tasks/update。变更通知也不再走 HTTP GET 端点,统一到 subscriptions/listen 流。

正式弃用政策

Roots、Sampling、Logging 三个旧功能被标记弃用。HTTP+SSE 传输方式也被弃用。但都给了至少 12 个月的缓冲期,不是突然砍掉。

SDK 方面,TypeScript、Python、Go、C# 四个 Tier 1 SDK 已全部支持新规范。Rust SDK 也在 beta 阶段。

有网友 Evan Kirstel 说得挺到位:

无状态是一种不起眼的修复,但它让这套协议能在真实公司内部真正部署起来。没人会为它发推,但每个运维团队都能感受到。这才是最好的发布。

另一位网友 Chad Justice 也提到了实际场景:

在同一代码库上并行跑多个 Claude Code 实例时,服务端任何有状态的东西都会迅速变成协调噩梦。

如果你之前因为远程 MCP 服务器部署复杂而观望,现在可以重新评估了。MCP 正在从 demo 变成真正的基础设施。

  • MCP 发布公告 (https://claude.com/blog/bringing-mcp-2026-07-28-to-claude)
  • MCP 官方博客 (https://blog.modelcontextprotocol.io/posts/2026-07-28/)
  • 新规范文档 (https://modelcontextprotocol.io/specification/2026-07-28)



关注公众号回复“进群”入群讨论

【声明】内容源于网络
0
0
AI工程化
专注于AI领域(大模型、MLOPS/LLMOPS 、AI应用开发、AI infra)前沿产品技术信息和实践经验分享。
内容 633
粉丝 0
AI工程化 专注于AI领域(大模型、MLOPS/LLMOPS 、AI应用开发、AI infra)前沿产品技术信息和实践经验分享。
总阅读4.3k
粉丝0
内容633