MCP 的 SSE 和 Streamable HTTP 有什么区别?从协议演进到 Python 实战

举报
yd_229372842 发表于 2026/11/17 17:29:51 2026/11/17
【摘要】 MCP 的 SSE 和 Streamable HTTP 有什么区别?从协议演进到 Python 实战一、背景:为什么 AI Agent 需要 MCP?随着 AI Agent 从聊天问答发展为任务执行系统,模型需要访问的外部工具越来越多。例如,一个企业 AI 助手可能需要:查询企业知识库。读取本地文件。调用业务系统 API。执行数据库查询。获取项目任务状态。如果每接入一种工具,都需要单独开发接...

MCP 的 SSE 和 Streamable HTTP 有什么区别?从协议演进到 Python 实战

一、背景:为什么 AI Agent 需要 MCP?

随着 AI Agent 从聊天问答发展为任务执行系统,模型需要访问的外部工具越来越多。

例如,一个企业 AI 助手可能需要:

  • 查询企业知识库。

  • 读取本地文件。

  • 调用业务系统 API。

  • 执行数据库查询。

  • 获取项目任务状态。

如果每接入一种工具,都需要单独开发接口适配逻辑,维护成本会逐渐增加。

MCP(Model Context Protocol,模型上下文协议)的目标,就是为 AI 应用连接外部工具和数据提供统一的接口规范。

一个 MCP Server 可以向 AI 应用提供 Tools、Resources 和 Prompts 等能力。

但在实际部署中,经常会看到三种传输方式:

  • stdio

  • SSE

  • Streamable HTTP

这三种方式有什么区别?新的 Streamable HTTP 是否完全取代了 SSE?

本文结合 MCP 2026-07-28 协议修订和官方 Python SDK,介绍三种传输方式的核心区别,并实现一个简单的 MCP 工具服务。

二、MCP 的三种传输方式

首先需要明确:MCP 定义的是 AI 应用与工具服务之间的通信协议,而传输方式决定这些消息如何发送。

1. stdio:适合本地工具

stdio 通过标准输入和标准输出进行通信。

典型流程是:

AI 客户端
    │
    │ 启动本地进程
    ▼
MCP Server
    │
    ├── stdin 接收请求
    └── stdout 返回响应

它的特点是:

  • 不需要启动独立 HTTP 服务。

  • 适合本机运行的工具。

  • 由客户端管理服务进程。

  • 不适合直接作为跨机器访问的 HTTP 服务。

例如,本地文件操作、代码分析工具可以考虑使用 stdio。

需要注意,stdio 服务不能随意向 stdout 输出调试日志,因为标准输出承担协议消息传输功能。

2. HTTP+SSE:早期远程传输方式

早期 MCP 采用 HTTP 与 Server-Sent Events(SSE)组合进行远程通信。

SSE 允许服务端通过 HTTP 连接持续向客户端推送事件。

传统 HTTP+SSE MCP 通常包含两个通信入口:

  • SSE 连接:服务端向客户端发送消息。

  • HTTP POST:客户端向服务端发送消息。

这种机制能够实现远程交互,但需要维护不同方向的消息通道。

MCP 在 2025-03-26 版本中引入 Streamable HTTP,作为旧 HTTP+SSE 传输方式的替代方案。

3. Streamable HTTP:统一的 HTTP 传输方式

Streamable HTTP 将 MCP 通信建立在统一的 HTTP 端点之上。

服务端可以根据请求返回:

  • 普通 JSON 响应。

  • SSE 流式响应。

这意味着,客户端不必通过旧式的两套通信入口完成普通请求。

一个简化流程如下:

AI 客户端
    │
    │ HTTP POST /mcp
    ▼
MCP Server
    │
    ├── application/json
    │       └── 普通响应
    │
    └── text/event-stream
            └── SSE 流式响应

需要特别强调:

Streamable HTTP 不是完全取消 SSE,而是允许在 HTTP 响应中使用 SSE 进行流式传输。

三、三种传输方式如何选择?

对比维度 stdio 旧 HTTP+SSE Streamable HTTP
主要场景 本地工具 旧版远程服务 远程工具服务
通信方式 标准输入输出 HTTP + SSE HTTP POST,按需 SSE
独立服务部署 通常不需要 需要 需要
接口设计 进程流 分离的通信端点 统一 MCP 端点
新项目建议 本地场景推荐 不推荐新建 远程场景优先

对于新的 AI Agent 项目,可以采用以下原则:

本地工具优先考虑 stdio,远程 MCP 服务优先考虑 Streamable HTTP。

如果现有客户端只能使用旧版 SSE,则需要根据兼容性需求保留旧接口。

四、2026-07-28 版本有哪些重要变化?

这是目前很多旧教程没有覆盖的部分。

MCP 在 2026-07-28 修订中进一步简化了 Streamable HTTP。

主要变化包括:

1. 移除协议级 Session

2025 年的 Streamable HTTP 版本可以使用 Mcp-Session-Id 管理协议会话。

在 2026-07-28 修订中,新的协议路径不再使用这一机制。

每个请求需要携带必要的协议元数据。

这有利于服务端采用无状态处理方式,让不同服务实例更容易处理来自同一客户端的请求。

但需要注意,无状态传输不代表业务系统不能保存用户状态或任务执行状态。

2. 移除旧的独立 GET 消息流

旧版本允许客户端通过 GET 请求建立独立 SSE 消息流。

在新版中,普通请求通过 HTTP POST 发送。

如果需要长期订阅服务端变更通知,可以使用 subscriptions/listen 等协议能力。

它与过去通过 GET 建立独立 SSE 通道的方式不同。

3. 调整连接和初始化机制

新版协议采用请求携带必要元数据的方式,不再要求旧式连接初始化握手。

对于开发者来说,需要注意新旧版本之间的兼容性。

尤其是使用较早版本 MCP SDK 的项目,不能直接假设所有服务器都已经采用相同的协议行为。

官方 Python SDK v2 已经提供针对新旧协议版本的兼容支持。

五、Python 实战:创建一个 MCP Server

下面使用 MCP 官方 Python SDK,构建一个简单的文档检查工具。

示例工具用于检查文档是否填写了标题、版本号和负责人。

这里不连接真实企业系统,主要验证 MCP 工具的定义、发布和调用机制。

第一步:安装依赖

建议使用独立的 Python 虚拟环境。

python3 -m venv .venv
source .venv/bin/activate

pip install "mcp>=2,<3"

本文采用 MCP Python SDK v2 的 API。

注意,部分旧版教程使用:

from mcp.server.fastmcp import FastMCP

而在官方 SDK v2 中,主要服务端类已经更名为 MCPServer,旧的导入路径不再适用。

第二步:编写 MCP Server

创建 server.py:

from mcp.server import MCPServer

mcp = MCPServer("DocumentTools")


@mcp.tool()
def check_document(
    title: str,
    version: str,
    owner: str,
) -> dict:
    """检查文档基础信息是否完整。"""

    fields = {
        "title": title,
        "version": version,
        "owner": owner,
    }

    missing = [
        key
        for key, value in fields.items()
        if not value.strip()
    ]

    return {
        "passed": len(missing) == 0,
        "missing_fields": missing,
        "message": (
            "检查通过"
            if not missing
            else "存在未填写的字段"
        ),
    }


if __name__ == "__main__":
    mcp.run(
        transport="streamable-http",
        stateless_http=True,
        json_response=True,
    )

这段代码主要完成三件事:

  1. 创建 MCP Server。

  2. 使用 @mcp.tool() 注册工具。

  3. 通过 Streamable HTTP 对外提供服务。

其中,stateless_http=True 使用无状态 HTTP 模式,json_response=True 配置 JSON 响应。

本示例不需要流式输出,因此采用 JSON 响应即可。

实际配置应根据 SDK 版本和业务需求确定。

第三步:启动服务

在项目目录执行:

python server.py

按照官方 SDK 的默认示例配置,服务可通过以下地址访问:

http://127.0.0.1:8000/mcp

具体地址以运行时配置为准。

此时,工具服务已经具备供兼容 MCP 的客户端调用的能力。

六、使用 Python MCP Client 调用工具

继续创建 client.py:

import asyncio

from mcp import Client


async def main():
    async with Client(
        "http://127.0.0.1:8000/mcp"
    ) as client:

        result = await client.call_tool(
            "check_document",
            {
                "title": "AI技术方案",
                "version": "",
                "owner": "项目负责人",
            },
        )

        print(result.structured_content)


if __name__ == "__main__":
    asyncio.run(main())

在另一个终端执行:

python client.py

由于示例故意将 version 设置为空,预期得到包含以下业务数据的结果:

{
  "passed": false,
  "missing_fields": ["version"],
  "message": "存在未填写的字段"
}

客户端 SDK 可能会根据工具返回类型进行结构化封装,因此实际输出可能包含额外包装字段。

该结果说明,MCP Client 可以通过统一协议调用服务端注册的 Python 工具。

这一示例只验证基础工具调用流程,并不涉及大模型自主选择工具的逻辑。

如果要让 AI Agent 自动决定何时调用该工具,还需要通过支持 MCP 的 Agent 客户端完成工具发现和调用编排。

七、Streamable HTTP 部署时需要注意什么?

1. 不要将本地 MCP 服务直接暴露到公网

开发环境可以只监听本机回环地址。

如果需要远程访问,应增加身份认证、访问控制和 HTTPS 等措施。

尤其需要注意 HTTP Origin 校验,防范跨站请求及 DNS rebinding 等相关风险。

2. Tool 参数必须进行校验

MCP Tool 的参数来自外部调用方。

即使 SDK 可以根据 Python 类型标注生成参数 Schema,也不代表所有业务输入都天然安全。

例如:

读取指定路径文件
删除指定文件
执行数据库操作

这些工具仍然需要在业务层检查权限、资源范围和操作合法性。

3. 不能把 HTTP 请求成功等同于工具执行成功

服务端返回 HTTP 200,只说明通信层请求可能已正常处理。

工具执行仍然可能返回业务错误或失败结果。

因此,需要同时检查:

  • HTTP 响应状态。

  • MCP 协议错误。

  • 工具执行结果。

  • 业务处理状态。

4. 注意新旧协议兼容性

对于历史项目,可能存在:

  • 客户端只支持旧 SSE。

  • 服务端使用旧版 Streamable HTTP。

  • 新版 SDK 采用 2026 年协议机制。

因此,升级 MCP Server 时,应先确认客户端支持的协议版本,再决定是否保留旧接口。

不要将升级 SDK 等同于所有客户端自动兼容。

八、从产品角度,MCP 带来了什么价值?

从企业 AI 产品架构来看,MCP 的价值不仅是统一工具调用格式。

更重要的是将 Agent 与具体业务系统的集成方式标准化。

例如:

         企业 AI Agent
               │
               ▼
           MCP Client
               │
       ┌───────┼───────┐
       ▼       ▼       ▼
   文件服务  知识库服务  业务系统
       │       │       │
       ▼       ▼       ▼
   MCP Server MCP Server MCP Server

采用这种架构之后,企业可以逐步将不同业务系统的能力封装为 MCP Tools。

例如:

  • 文档解析工具。

  • 知识库检索工具。

  • 项目任务查询工具。

  • 审查报告生成工具。

这样,多个 Agent 可以复用已经定义好的工具接口,降低重复开发成本。

但是,MCP 只负责标准化能力的暴露与调用,并不自动解决业务权限、数据质量、工具可靠性和 Agent 调度问题。

因此,在设计企业级 Agent 平台时,仍然需要建设工具治理、身份认证、审计日志和调用监控机制。

九、总结

MCP 的三种传输方式,适用于不同的部署场景。

  • stdio:适合本地工具集成。

  • 旧 HTTP+SSE:主要用于历史项目兼容。

  • Streamable HTTP:适合新的远程 MCP 服务。

需要特别注意,SSE 并没有从 MCP 技术体系中完全消失。

在 Streamable HTTP 中,SSE 仍可用于流式响应。

随着 2026-07-28 协议修订发布,Streamable HTTP 进一步移除了旧版 Session 和独立 GET 消息流机制,简化了远程通信模型。

对于准备建设企业 AI Agent 平台的开发者,建议优先掌握 MCP Tool 定义、Streamable HTTP 服务部署,以及权限和兼容性设计。

MCP 的真正价值,不是让 Agent 能够调用更多工具,而是让不同 AI 应用能够通过统一、安全、可维护的接口复用企业已有的业务能力。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。