MCP 2026-07-28 正式发布：AI 工具接入开始真正走向无状态-艾林博客 - 技术分享、开发经验与AI探索的个人技术博客

MCP 2026-07-28 正式发布：AI 工具接入开始真正走向无状态

Valencio

AI与大模型

最后更新：1 天前

首次发布：2026年07月30日

首页
AI与大模型
MCP 2026-07-28 正式发布：AI 工具接入开始真正走向无状态

2026 年 7 月 28 日，Model Context Protocol 正式发布 2026-07-28 版本。

这是 MCP 发布以来规模最大的一次协议调整。它没有停留在增加几个字段、补充几个工具类型，而是直接重构了 MCP 的通信基础：删除协议级会话，让每一次请求都能够独立处理。

对于普通开发者来说，这听起来可能只是一次协议升级；但对于真正需要部署 MCP 服务的后端开发者来说，它解决的是负载均衡、横向扩容、缓存、鉴权和链路追踪等生产环境问题。

MCP 到底解决什么问题？

MCP 全称是 Model Context Protocol，即模型上下文协议。

它定义了一套统一方式，让 ChatGPT、Claude、Cursor 或其他 AI Agent，可以连接外部系统并调用真实能力，例如：

查询数据库中的订单；
读取项目文档；
搜索 GitHub Issue；
创建工单；
调用企业内部接口；
执行一项异步任务；
获取服务器监控数据。

过去，不同模型、不同应用和不同工具之间通常需要分别开发适配代码。

MCP 的作用，就是在 AI 客户端和业务系统之间建立一套统一协议。业务系统只要暴露符合 MCP 规范的工具，支持 MCP 的 AI 客户端就可以发现并调用这些工具。

因此，MCP 并不只是所谓的“AI 插件协议”，它正在逐渐成为 AI Agent 访问外部系统的基础接口层。

最大变化：MCP 不再维护协议级会话

在旧版本中，MCP 客户端连接远程服务器时，需要先发送 initialize 请求完成初始化。

服务器随后返回一个 Mcp-Session-Id，后续请求必须携带该 Session ID。这意味着来自同一个客户端的请求，通常需要继续落到创建该会话的服务器实例。

当 MCP 服务部署多个实例时，就会产生几个问题：

负载均衡器需要配置粘性会话；
多个服务实例之间可能需要共享 Session；
网关必须理解更多协议状态；
某个实例异常后，会话恢复更加复杂。

在 2026-07-28 版本中，initialize 和 initialized 握手被删除，Mcp-Session-Id 以及协议层维护的 Session 也被移除。

协议版本、客户端信息和客户端能力改为通过每次请求的 _meta 传递。如果客户端需要提前了解服务器能力，可以调用新的 server/discover 方法。

这意味着，一次 MCP 请求可以被任意服务器实例处理。

部署架构也可以从：

AI 客户端
    ↓
负载均衡器
    ↓ 粘性会话
指定 MCP 实例
    ↓
共享 Session 存储

简化为：

AI 客户端
    ↓
普通负载均衡器
    ↓
任意 MCP 实例

对于熟悉 RESTful API 的后端开发者来说，这种设计并不陌生。

协议本身保持无状态，业务状态则通过明确的业务标识传递。

例如，一个视频生成工具第一次执行后返回：

{
  "task_id": "task_20260730_10001",
  "status": "processing"
}

后续查询任务时，AI Agent 再将 task_id 作为工具参数传回：

{
  "task_id": "task_20260730_10001"
}

这里的任务状态依然可以保存在 MySQL、Redis 或消息队列中，只是不再隐藏在 MCP 协议的 Session 里。

请求变得更容易路由、缓存和追踪

新版 Streamable HTTP 请求增加了两个重要请求头：

Mcp-Method: tools/call
Mcp-Name: search

网关、负载均衡器和限流系统可以直接根据请求头判断当前调用的 MCP 方法和工具，不需要再解析整个 JSON 请求体。

这带来了几个实际价值：

可以针对不同工具设置不同限流规则；
可以将高消耗工具路由到独立服务；
可以按照工具名称记录调用次数；
可以在网关层阻止高风险工具；
可以快速区分工具查询和工具执行请求。

新版还为工具列表和资源读取结果增加了 ttlMs 与 cacheScope。

客户端可以明确知道 tools/list 的结果能够缓存多久，以及缓存结果是否可以跨用户共享，不再需要每次对话都重新拉取完整工具列表。

此外，新版规范统一了 W3C Trace Context 的字段，包括：

traceparent
tracestate
baggage

一次 AI 工具调用可以从客户端开始，经过 MCP SDK、MCP 服务、内部 API、数据库和消息队列，最终在兼容 OpenTelemetry 的链路追踪系统中形成完整调用链。

这说明 MCP 已经不再只考虑“工具能不能调用”，而是开始解决生产环境中的可观测性问题。

Tasks：长期任务有了正式生命周期

AI Agent 调用的操作并不一定能立即完成。

例如：

生成一段视频；
批量分析文件；
导出大型报表；
执行代码扫描；
部署一个应用；
处理大量数据库记录。

这些任务可能需要几十秒甚至数分钟，不适合让 HTTP 请求一直保持连接。

新版将 Tasks 作为正式扩展。服务器可以在收到 tools/call 后返回一个任务句柄，客户端再通过以下方法管理任务：

tasks/get
tasks/update
tasks/cancel

任务是否转为异步处理，由服务器根据实际情况决定，而不是让客户端强制指定。

这和后端系统常见的异步任务架构非常接近：

MCP Tool
   ↓
创建业务任务
   ↓
返回 task_id
   ↓
队列异步执行
   ↓
客户端查询任务状态

对于使用 Laravel Queue、Horizon、Redis、RabbitMQ 或 BullMQ 的项目来说，这种模式很容易与现有任务系统结合。

需要注意的是，旧版实验性 Tasks API 与新版本生命周期并不完全兼容，已经基于旧版本开发任务功能的项目需要进行迁移。

MCP Apps：工具不再只能返回文字

过去调用 MCP 工具后，最常见的结果是返回一段文本或结构化 JSON。

新版 MCP Apps 允许 MCP 服务提供交互式 HTML 界面，由支持该能力的宿主应用在沙箱 iframe 中渲染。

这意味着 MCP 工具可以返回：

数据统计面板；
参数填写表单；
订单详情界面；
图表和可视化结果；
审批确认页面；
任务进度页面。

工具需要提前声明对应的 UI 模板，使宿主应用能够在运行前完成预加载、缓存和安全检查。界面中的操作仍然通过 MCP 的 JSON-RPC 协议执行，因此可以继续进入统一的授权、审计和用户确认流程。

这项能力很重要。

未来的 AI Agent 不一定只通过聊天框工作，它可能在对话中直接打开一个可操作的业务页面。

授权机制进一步靠近 OAuth 和 OpenID Connect

当 MCP 只能读取公开天气信息时，鉴权问题并不突出。

但当 MCP 开始访问企业数据库、用户文件、支付订单和内部系统时，授权就会成为核心问题。

新版进一步加强了 OAuth 和 OpenID Connect 相关要求，包括：

客户端验证授权响应中的 iss；
动态客户端注册时声明应用类型；
将注册凭证绑定到对应授权服务器；
补充 Refresh Token 获取方式；
明确权限逐步提升时的 Scope 处理方式；
完善 .well-known 服务发现规则。

这些调整主要用于避免授权服务器混淆、凭证错误复用和重定向地址识别错误等问题。

企业开发 MCP 服务时，不能因为调用方是 AI，就给它一个拥有全部权限的万能 Token。

正确做法仍然是：

用户身份
  + 应用身份
  + 最小权限
  + 操作确认
  + 审计日志

尤其是删除、支付、发布、部署和修改数据等具有外部影响的操作，必须设置更严格的权限边界。

工具参数支持完整 JSON Schema 2020-12

新版将工具的 inputSchema 和 outputSchema 提升到完整的 JSON Schema 2020-12。

工具输入现在可以使用：

oneOf
anyOf
allOf
$ref
$defs
条件判断

输出结构也不再局限于对象，structuredContent 可以是任意合法 JSON 值。

这使复杂工具的参数协议更容易表达。例如，同一个搜索工具可以要求用户在“关键词搜索”和“条件筛选”之间选择一种参数结构，而不需要把所有字段都堆在同一个对象中。

不过，服务端仍然要限制 Schema 深度、验证时间和外部引用，避免复杂 Schema 消耗过多资源或形成安全风险。

PHP 和 Laravel 开发者如何接入 MCP？

Laravel 已经提供官方 laravel/mcp 扩展，可用于创建 MCP 服务端和客户端，并支持 Tools、Resources、Prompts、MCP Apps、OAuth 2.1、Sanctum 认证以及本地和远程服务。

安装扩展：

composer require laravel/mcp

发布 MCP 路由文件：

php artisan vendor:publish --tag=ai-routes

随后可以在 routes/ai.php 中注册一个 Web MCP 服务：

<?php

use App\Mcp\Servers\ProjectServer;
use Laravel\Mcp\Facades\Mcp;

/*
|--------------------------------------------------------------------------
| MCP Routes
|--------------------------------------------------------------------------
|
| 对外提供 HTTP MCP 服务。
| 生产环境必须配置认证、限流和操作审计。
|
*/

Mcp::web('/mcp/project', ProjectServer::class)
    ->middleware([
        'auth:sanctum',
        'throttle:mcp',
    ]);

Laravel MCP 也可以作为客户端连接其他 MCP 服务：

<?php

use Laravel\Mcp\Client;

// 创建远程 MCP 客户端
$client = Client::web('https://mcp.example.com')
    ->withToken($token)
    ->withTimeout(30);

// 获取服务端暴露的工具
$tools = $client->tools();

// 调用指定工具
$result = $tools['query-order']->call([
    'order_no' => 'JD202607300001',
]);

Laravel 官方还支持把 MCP 工具直接交给 Laravel AI Agent 使用，让远程工具和项目内自定义工具进入同一个 Agent 工具列表。

需要特别注意：MCP 2026-07-28 包含破坏性调整。

不要看到新版协议发布后，就直接修改底层请求格式。优先升级所使用的 MCP SDK 或 Laravel 扩展，并确认客户端、服务端和协议版本之间的兼容关系。