这个教程通过在 Rust 建立一个 MCP 服务器, 与 , 官方的模型背景协议 Rust SDK 。
这个例子是一个真实的:管理 AWS EC2 G5g 实例的 devops 代理——用 NVIDIA T4G GPUs 的 Graviton2 盒——在 vLLM 下服务 Gemma
4.
它推出实例,驱动它们过SSM, 健康检查模型。
有现存的Python版本,因此在结尾可以将两者并排.
跟着走,你会有一个工作,注册的MCP服务器. 🦀 为什么是Rust干的?
正确回答是值得的,因为辩论的软弱版本很容易制造,容易被摧毁——而真正的版本反正更好。
从它不是开始: 这些工具是I/O绑定的。
每个都有一个AWS API的电话——,即投票SSM——所以每个电话有100到500 ms的网络.
打电话者的语言在那里没有任何可衡量的贡献。
卖你一出鲁斯特重写 这么快就卖了 3个不坚持的主张,所以没有人在评论中提出: 主张为什么失败了"462ms起步慢"stdio服务器每会话产卵一次,而不是每个叫"Rust快"的人,工作是网络绕行到AWS"更小的供应链"241个箱子对34个Python包——情况更糟糕.
真正证明它理由的是这个密码库: 1.是舰队,而不是服务器.
这个单相机有16个钻机,每个钻机都有自己的MCP服务器.
这改变了单位: 所有加载在一起的 Python – Rust 居民内存 16× 83 MB → 1.33 GB 16× 12 MB 192 MB会话启动 16× 462 ms → 7.4 s 16× 2.5 ms → 40 ms 居民 Python 的一千兆字节显示16个工具列表是真正的成本.
2.
没有共用口译。
这些钻机安装了全系统的——按照政策,没有虚拟envs——所以所有16个都共用一个Python. 16台独立漂移并用一个解释器接针的服务器是一种长期冲突风险。
静态二进制没有这种接合;每台钻机都把它喜欢的东西固定在自己的上. 3个 计划不能从代码中漂出.
更多关于这个在第三步,但它是存活时间最长的: 从同样的结构中生成工具计划 处理器解结构。
所以:分布与正确,不是速度. ].
如果您有一个 MCP 服务器并有效, 这不是重写它的理由 。
这一切是怎么融为一体的?
两分之一 代理和MCP服务器运行在您的机器上;GPU盒是远程的,并且没有输入的SSH——一切通过AWS API.
特工从不直接和GPU盒子说话.
它叫作工具;工具叫EC2来管理实例的生命周期,或SSM Run Command来执行它上的东西.
这就是让盒子在完全没有约束规则的情况下运行的原因——这是这值得建设为服务器而不是堆起贝壳脚本的主要原因.
右侧是vLLM自己的"Rust"前端——本系列的另一篇文章.
这个是左边的: 驱动盒子的Rust。
在一个段落中,什么是MCP?
模式背景协议是AI代理如何发现和调用您的工具.
您的服务器以 JSON Schemas 发布工具列表;客户端(Claude Code,一个IDE,随便什么)在 JSON-RPC 2.0.
运输通常为stdio——客户端产出你的二进制并讨论stdin/stdout.
最后一个细节对 Rust 投出很重要: 如果客户端在每一个会话上都生成您的进程, 进程启动是一个用户可见的成本 。
第1步——脚手架 现在的依赖。
特质旗帜是在这里得到的东西——靠它自己编译精细,几乎不给你任何:特质 它带来什么 特质和路由器类型, 箱子上还有船 更是默认的 需要时加入.
其余的:结果:QQ Tip: 犬类例子的活地移动快,使docs滞后.
自己磁盘上的销售商测试是根据你所解决的准确版本编译的:是大约60行的完整,工作状态的服务器.
当一个API问题出现时,这个文件解答的速度和可靠性都比其他任何东西都快.
QQ 第2步 — 服务器构建了 An r