MCP服务器并不总是需要容器,持久的流程,或者一个完整的网络框架.
对于许多工具来说,普通的Python AWS Lambda就够了: 但有些操作是不同的.
工具可能花费30秒搜索、分析或协调工作,在运行时需要报告进展情况。
对于这些工作量,我们需要真正的可流回式HTTP:我们希望两个模型在Python中不要求应用程序采用不同的MCP编程模型.
这导致了两个开源项目:modmex-lambda——Python MCP运行时间和编程模式.
无服务器-python-mcp——无服务器框架部署集成.
他们让一个Python应用程序从轻量级缓冲MCP服务器开始,并在工作量实际需要时选择真正的Lambda响应流.
从平顶蓝巴开始 最简单的部署不需要Lambda Web适配器或响应流.
安装 : 创建 MCP 服务器: 然后将能力曝光为正则 Python 函数.
工具资源提示在正常 API Gateway 解析器上挂载 MCP 服务器: 由此产生的架构是故意无聊的 : 对于短寿命的工具,资源,和提示, 这通常是我们想要的。
无快活API.
无佛剎.
没有 ASGI 服务器 。
没有反应流基础设施。
只是Python和Lambda的音乐 MCP是应用层的另一界面 设计目标之一不是为MCP创建一个单独的应用架构.
工具可以使用与常规Lambda端点相同的依赖性注射机制: 这意味着REST和MCP可以在相同的应用服务上保持稀疏的接口: 同样的想法也适用于中间软件.
授权,租户解析,伐木,审计,追踪等政策不需要在每个工具内执行: MCP成为应用程序的又一运输,而不是另一个应用程序架构.
为什么缓冲MCP有用 很容易将MCP与流化联系起来,但许多MCP操作并没有从中获利.
考虑:如果一个工具在300毫秒或2秒内完成,一个正常的Lambda响应就简单了.
因此,流线在......
不是一个要求。
您可以通过常规管理的 Python Lambda 和 API Gateway HTTP API v2 运行 MCP 。
这给了我们第一个部署模式: 然后,当工作量实际上需要递增的交流时,我们可以转向第二种模式。
当缓冲反应停止足够时,考虑一个执行几个昂贵步骤的工具:也许整个操作需要30到40秒.
通过缓冲响应,MCP客户端在功能完成前什么都看不到.
相反,我们希望这一工具能够报告进展情况: 这些进度报告被翻译成MCP信息,并在最后JSON-RPC结果之前通过同样的流式HTTP响应发送.
现在我们需要真正的反应。
真正的MCP流出自 Python Lambda 对于溪流,提供.
应用程序仍然是Python:其下方的基础设施变化:Lambda Web适配器将Python应用程序产生的HTTP响应与Lambda响应流相连接.
现在一个MCP工具在运行时可以释放出进展: 当这些进步信息到达MCP客户端时,Lambda引用还没有完成.
这是真正的增量MCP流。
部署是下半个问题 得到溪流 工作在Python只是工作的一部分。
需要合适的基础设施: 我们不希望所有的Python MCP服务 手动复制这种配置。
这就是为什么我们建造。
安装它: 并像其它无服务器框架插件一样注册它: MCP 服务器在 .
使用 HTTP API v2 为普通缓冲 MCP 服务器进行轻量级部署 : 该应用程序使用: 该插件在 API Gateway HTTP API v2 后创建了普通的 Lambda.
不添加 Lambda 网络适配器 。
不添加流出发射器 。
这仍然是轻量级部署路径。
与REST API的可流部署 当同类申请需要内容时