模型上下文协议（MCP）是连接AI模型与外部工具及企业数据的新兴标准，目前正在经历其最重大的架构升级。
最新候选版本计划于7月28日发布，此次更新的核心变化是移除协议层面的会话机制，转而采用无状态架构。业内专家表示，此举旨在让MCP更易于部署在标准云基础设施上，以满足企业将AI试点项目推进至生产环境的需求。
ZopDev云端工程师穆斯坎·班达塔表示："基于会话的模型在MCP服务器还是开发者本地进程时是合理的，但进入生产环境后，它就变成了一种运维负担。"
她补充道："当基础设施团队问MCP服务能否像其他云应用一样弹性扩展时，以前的答案是'不完全行'，转向无状态架构之后，答案就变成了'可以'。"
在旧版协议中，服务器需要全程追踪每个客户端连接的会话信息。这种方式在本地开发环境中运作良好，但在多服务器部署场景下问题明显——请求往往必须被路由回同一台机器，这既限制了可扩展性，也让MCP难以融入现代云架构。
班达塔表示："在新的无状态设计下，每个请求本身就包含了任意可用服务器独立处理所需的全部信息。如果应用需要在多个请求间保持上下文，开发者仍然可以做到，但需要显式管理这部分状态，而不是依赖协议本身来维护。"
IT咨询公司Kanerika的AI开发经理阿米特·耶那认为，这次向无状态设计的转变不只是简化了基础设施，更从根本上改变了AI应用跨工具管理和共享上下文的方式。新设计将应用状态从协议会话中"显式化"，使AI模型能够访问、推理并在工具间传递这些信息，赋予开发者更强的上下文管控能力。他认为，这也将使AI工作流在分布式环境中具备更强的可移植性、弹性和编排能力。
此次更新还引入了多轮往返请求（MRTR）机制，改变了AI智能体请求额外信息以完成任务的方式。耶那介绍，新机制无需在整个交互过程中维持客户端与服务器之间的持久连接，而是允许服务器在继续执行任务前，通过标准的请求-响应交换来获取所需的额外输入。
另一项新增功能是可路由传输头，它允许API网关及其他网络基础设施在无需检查请求内容的情况下，直接识别并路由MCP请求。耶那表示，这一功能可降低处理开销和延迟，并帮助企业团队利用现有API管理基础设施，更高效地执行路由策略、限速策略和安全策略。
在其他方面，MCP还将更新基于OAuth 2.1和OpenID Connect的授权框架，推出交互式MCP应用，并引入工具及资源列表的确定性缓存机制，以提升大语言模型的提示缓存命中率，从而有效降低Token成本。
此外，MCP发布指导委员会决定废弃部分旧版功能，包括Roots、Sampling、Logging、旧版HTTP+SSE传输协议以及动态客户端注册功能。不过，这些功能在本版本及未来一年内发布的版本中仍可正常使用。
耶那表示，Sampling的废弃影响最大，因为它改变了与基础模型交互的责任归属。"Sampling允许MCP服务器通过客户端调用大语言模型，也就是说服务器不需要拥有连接，就能有一条回调模型的路径。废弃它意味着需要重新划定信任边界。你的服务器现在要直接调用模型提供商，这会改变网络架构、授权模型，甚至根据你的成本归因方式，影响计费流程。"
他认为，一年的过渡期足够团队审查自身对Sampling的依赖情况，但也提出了一个潜在风险："那些没有自行实现Sampling的团队，可能不清楚他们所依赖的第三方MCP服务器是否用到了这个功能。"
为配合协议更新，Python、TypeScript、Go和C#的MCP SDK也同步更新，并同时支持新旧两个协议版本。新客户端可继续与旧服务器通信，更新后的服务器也兼容旧客户端，从而降低了立即中断服务的风险。
班达塔表示，这种向后兼容性将使大多数团队的迁移过程保持渐进式推进，但对于那些围绕旧版会话架构构建了自定义基础设施的企业来说，情况则另当别论。
耶那警告，识别和审查会话依赖并非易事："会话管理的复杂性往往分散隐藏在多个层次中——网关配置、部署脚本、监控面板。代码改动本身很小，真正耗时的是找出所有依赖这一假设的地方。"
Q&A
Q1：MCP无状态架构和之前的有状态架构有什么区别？
A：旧版MCP采用有状态的会话机制，服务器需要全程追踪每个客户端连接的信息，请求必须路由回同一台机器处理，限制了水平扩展能力。新版无状态架构下，每个请求本身携带处理所需的全部信息，任何可用服务器都能独立处理，天然适配现代云基础设施的弹性扩展模式。
Q2：MCP废弃Sampling功能会带来哪些影响？
A：Sampling此前允许MCP服务器通过客户端间接调用大语言模型，废弃后服务器必须直接调用模型提供商。这会影响网络架构、授权模型和计费流程。最大的隐患在于，没有自行实现Sampling的团队，可能不知道其依赖的第三方MCP服务器是否使用了该功能，存在未知的迁移风险。
Q3：MCP新版本的Token缓存机制是怎么工作的？
A：新版本引入了工具及资源列表的确定性缓存机制，目的是提升大语言模型的提示缓存命中率。当大语言模型每次调用时看到的工具列表内容一致时，系统可复用已缓存的提示处理结果，从而减少重复计算的Token消耗，最终帮助开发者降低API调用成本。
