AI 平台与大模型应用架构面经总结:MCP 通信、网关归因与智能体设计
- 轮次
- 多轮面试合集
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- MCP 的通信架构是怎样的?为什么 Server 不主动发请求?能力与生命周期怎么约束?消息 id 与通知怎么设计?
- MCP 的 transport 有哪几种?stdio 怎么分帧?Streamable HTTP 怎么支持流式?自定义传输要保留什么?
- 150 人团队的 AI 开发者网关,归因与评价方案怎么做?没有严格 A/B 怎么做归因?样本量够不够?代码行数为什么不能当主指标?
- 混元开源智能体的应用场景怎么设计?为什么用专用小模型做记忆?Agent 进生产的安全底线是什么?MCP 与 Function Call 怎么选?
- MCP 的安全隔离如何实现?Host 如何统一管控?
《参考解析》
MCP 的三层模型与消息语义:协议基于 JSON-RPC 2.0,分 Host、Client、Server 三层。Host 是面向用户的宿主应用(IDE、桌面客户端),负责协调多个 Server、管理权限与生命周期;每个 Client 与一个 Server 保持一对一连接;Server 暴露三类能力——Resources(可读的上下文数据)、Tools(可被模型调用的动作)、Prompts(可复用的提示模板)。消息类型只有三种:Request(带 id,需回应)、Response(带同一 id,含 result 或 error)、Notification(不带 id,不需要回应)。Server 不主动发请求,是因为它没有独立的用户上下文与授权来源,若允许它主动调用会破坏「Host 统一管控」的权限模型;需要通知时用 Notification 单向推送。能力协商在 initialize 阶段完成:双方各自声明支持的协议版本、capabilities(是否支持 tools、resources、prompts、日志、采样等),之后只使用协商过的能力,未声明的能力不得调用。生命周期是 initialize → initialized 通知 → 正常运行 → 关闭,任何一方都可以发起关闭,关闭前应释放资源。
transport 选型:① stdio——本地子进程,通过 stdin/stdout 传 JSON-RPC,按行(换行符)分帧,必须使用 UTF-8 且消息内不能含裸换行(JSON 序列化后本身不含),适合本地工具、零网络开销、天然隔离。② Streamable HTTP——远程推荐方案,单一 MCP 端点,客户端 POST 请求,服务端可以用普通 JSON 响应,也可以用 SSE 流式返回多条消息;支持会话 id 与断线恢复(通过事件 id 重放)。③ HTTP + SSE(旧方案)——已弃用,因为它需要两个端点、连接长期占用、与无状态网关不兼容。④ 自定义传输——协议本身与传输无关,但必须保留 JSON-RPC 的报文格式、请求/响应配对、能力协商与生命周期,否则就不再是 MCP。
AI 开发者网关的归因方案:先把网关的定位说清——它不是计费器,而是归因基础设施。每次调用携带结构化标签(团队、项目、场景、用户),强制「归因护照」,未携带直接拒绝,这样数据才有分析价值。采集四类数据:身份(谁在用)、用量(token、请求数)、运行质量(延迟、错误率、重试)、成本。指标体系分层:采纳与渗透(活跃开发者、使用频次)、交付效率(DORA 四项 + 需求交付周期)、质量与返工(缺陷率、逃逸率、返工率)、开发者感知(问卷校准)。归因方法在没有严格 A/B 时用三类替代:基线对比(使用前后同团队的纵向对比)、交错采纳 DiD(不同团队先后接入,用双重差分剥离时间趋势)、多信号三角验证(网关 token × Git/PR 产出 × 缺陷系统 × 问卷)。要主动讲清边界:150 人的样本量做团队级比较够、做个人级排名不够(噪声大且会诱发刷指标);代码行数不能当主指标,因为它与价值不相关、且会被 AI 生成量放大;J-Curve 效应意味着短期看不到收益是正常的,评估窗口要拉长到季度。
智能体的场景设计:核心原则是场景驱动,不做通用 Agent。分层解耦:模型层负责理解与生成,框架层负责编排(Workflow、RAG、Multi-Agent),应用层负责具体业务与交互。记忆用专用小模型做读写,是因为主模型的上下文宝贵、且记忆的写入需要「提炼与摘要」这类高频小任务,用主模型做既贵又慢;记忆的生命周期分写入提炼、动态更新与遗忘、多路检索、精准注入四步,注入时按当前任务相关性裁剪。安全治理的底线是权限最小化(工具只拿必要的凭证)、全量审计(谁在何时调用了什么、参数与结果)、高风险动作人工确认、沙箱隔离(代码执行、文件写入在受限环境)。MCP 与 Function Call 的选择:Function Call 是模型厂商的私有协议,接入快、与模型耦合;MCP 是开放协议,工具可跨宿主复用、有标准的能力协商与权限模型,适合工具生态与多客户端场景,代价是多一层进程与协议开销。
MCP 的安全隔离:Server 之间相互隔离,各自只能访问被授予的资源;Host 统一管控权限(哪些 Server 可以被这个会话调用、调用前是否需用户确认),并对工具调用做审计。实现上要给每个 Server 独立的进程或容器、限制文件系统与网络范围、对返回值做长度与内容校验(防止提示注入藏在工具结果里)。面试里常被追问「工具结果里带指令怎么办」,答案是「工具结果只是数据,不能提升为指令」,Host 侧应对其做标记与转义,并在提示中明确数据与指令的边界。