MCP w szczegółach: JSON-RPC, specyficzne cechy sesji oraz brak warstwy autoryzacji
Perspektywa sceptycznego inżyniera na MCP: jest to JSON-RPC 2.0 z sesjami stanowymi, bez wbudowanej autoryzacji oraz rzeczywistej wartości dzięki umowom i starannemu wersjonowaniu.
Źródła: MCP Is Just RPC With Better Marketing: A Backend Engineer Reads the Spec
Inżynieria backendu regularnie spotyka nowe, efektowne hasła marketingowe obiecujące transformację wszystkiego. Najpierw były mikrosługi, potem rozwiązania serverless. Obecnie mowa o MCP, skrócie od Model Context Protocol, promowanym pod hasłem „USB-C dla AI”: jeden uniwersalny port, przez który każdy model może łączyć się z dowolnym narzędziem. Doświadczeni specjaliści od systemów rozproszonych mogą mieć tu uzasadnione wątpliwości, ponieważ musieli słuchać licznych wyjaśnień na temat RPC od osób, które nigdy nie używały takich rozwiązań w warunkach produkcyjnych.
Czytanie ponad hasłem marketingowym
Gdy otworzymy rzeczywiste specyfikacje, okazuje się, że chodzi o JSON-RPC 2.0 – protokół na tyle stary, że służył do obsługi węzłów Bitcoin oraz niezliczonych narzędzi wewnętrznych. Refleksyjne przewrócenie oczami na marketing jest zrozumiałe, ale opisuje tylko połowę historii. Prawda kryje się pomiędzy odrzuceniem MCP a bezkrytycznym przyjęciem jego propozycji.
Bez specjalistycznej terminologii agenta jest to architektura typu klient-serwer. Aplikacja hostowa otwiera jedną lub kilka sesji klienta, a każda sesja łączy się ze swoim serwerem przez kanał JSON-RPC 2.0. Serwery reklamują trzy kategorie: narzędzia, które model może wywołać, zasoby, które może odczytać, oraz prompty, które można ponownie wykorzystać. Klienci dowiadują się, co jest dostępne, decydują o wersji protokołu, a następnie wysyłają żądania tak jak zawsze robią to klienci RPC: metodę, kilka parametrów, identyfikator korelacji oraz ostatecznie odpowiedź.
Rozwijający, którzy tworzyli usługi JSON-RPC, nie będą zaskoczeni niczym z tego. Komunikaty używają formatu JSON-RPC i są przekazywane albo przez lokalny podproces w stdio, albo przez Streamable HTTP, gdy serwer znajduje się zdalnie. Określanie tego mianem rewolucyjnego ma sens tylko w takim stopniu, w jakim rewolucyjny był kontener transportowy – sama skrzynia nie była niczym nowym. To, co się zmieniło, to fakt, że cała branża przestała debatować nad projektami skrzyń i zdecydowała się na jeden konkretny wzór.
Prawdziwym osiągnięciem jest możliwość stabilnej pracy, i to właśnie ta część haseł marketingowych zasługuje na szacunek bez żadnej ironii. Wcześniej każda aplikacja AI budowała indywidualny connector do każdego narzędzia, a każdy dostawca narzędzi tworzył taki connector dla każdej aplikacji. ODBC rozwiązał ten sam problem w przypadku baz danych, a POSIX zrobił to dla systemów operacyjnych, więc ponowne rozwiązanie tego problemu ma wartość. Jednak rozwiązanie problemu koordynacji to inny rodzaj sukcesu niż rozwiązanie problemu technicznego, a teksty promocyjne celowo je ze sobą mylą, ponieważ stwierdzenie „wszyscy zgodzili się na jeden format” sprzedaje się znacznie gorzej niż „przyszłość już nadeszła”.
Seanse, które pozwalają na dwukierunkową komunikację
Jedna kwestia psuje idealny obraz RPC, i jest to kwestia istotna. Tradycyjne RPC kończy każdą wymianę po otrzymaniu odpowiedzi od serwera. MCP tak nie robi. Podczas trwania sesji sam serwer może wysyłać żądania do klienta, na przykład aby klient wykonał próbkowanie modelu lub aby ktoś zatwierdził dane działanie przed kontynuacją. Połączenie pozostaje otwarte i przechowuje stan przez cały czas trwania sesji, więc klienci muszą być zaprojektowane tak, by przyjmować żądania, których nie wysłali, a nie tylko czekać na odpowiedzi.
To przypomina trwałe połączenie sieciowe, w którym każda ze stron może pierwsza wysłać dane, co różni się od zwyczaju wysyłania żądań i oczekiwania na odpowiedzi, charakterystycznego dla większości programistów webowych. Każdy, kto traktuje MCP jak klienta REST, uzna to zachowanie za wadę, chociaż w rzeczywistości jest to jedyne celowe rozwiązanie projektowe w specyfikacji, które można uznać za interesujące.
Upoważnienie pozostawione innym
To jest ta część, której branża wolałaby nie słyszeć. Podstawowy protokół MCP nie określa ani autoryzacji, ani uwierzytelniania – zupełnie nic. Zarówno jedno, jak i drugie jest przenoszone na warstwę transportową oraz aplikację, a w przypadku serwerów HTTP standard OAuth 2.1 staje się powszechnym rozwiązaniem, głównie dlatego, że ktoś musiał wybrać wartość domyślną.
Pod względem podziału obowiązków jest to sporne. W praktyce powtarza to dobrze znany problem protokołów rozszerzalnych: to, co nie zostało ustalone, jest interpretowane inaczej przez każdego implementatora, a średni wynik jest gorszy niż ten, jaki dałoby wymóg formalny. Lokalny serwer stdio korzysta z granic zaufania swojego procesu hostującego, co działa, dopóki ten sam projekt nie zostanie przeniesiony do środowiska zdalnego, bez żadnych pytań na temat znaczenia zaufania po zniknięciu granic procesu.
Uderzające jest to, że tak wiele zespołów spieszy się z podłączaniem autonomicznych agentów do baz danych produkcyjnych oraz systemów wewnętrznych za pomocą protokołu, którego twórcy traktowali kwestię autoryzacji jako problem kogoś innego. Specyfikacja zasługuje na uznanie za szczerość w tym względzie. Krytyka dotyczy wszystkich późniejszych etapów procesu, którzy udają, że ten brak jest niewidoczny.
Slogan, a nie opis
„USB-C dla AI” to nazwa handlowa, która skierowana jest do dwóch zupełnie różnych grup odbiorców, niż można by przypuszczać. Pierwszą grupą są inżynierowie, którzy pamiętają trudności z integracją i będą tolerować niemal wszystko, co obiecuje ulgę. Drugą grupą są kierownicy, potrzebujący metafory wystarczająco krótkiej, by móc ją użyć na spotkaniu zarządu. Żadna z tych grup nie jest wprost okłamywana, ale żadna też nie dowiaduje się wszystkiego.
Jak dobry jest uniwersalny standard łączników zależy od tego, kto nim kieruje. Obecnie znajduje się on w repozytorium jednej firmy, jest zarządzany zgodnie z jej własnymi procedurami, a konkurenci przyjęli go głównie dlatego, że odmowa wyglądałaby gorzej. Nie chodzi tu o żadne ukryte motywy. To standardowe zachowanie platformy wyrażone w języku standardów otwartych, a udawanie, że jest inaczej, jest najbardziej irytującą cechą tej debaty.
Uważne zarządzanie zmianami
Tutaj ważna jest sprawiedliwość, i to nie jest atak. Najbardziej imponującą cechą jest sposób, w jaki specyfikacja zarządza zmianami. Rewizje MCP zawierają datę, a obie strony negocjują ją na początku sesji, dzięki czemu obie wiedzą dokładnie, która wersja umowy obowiązuje, zanim nastąpi cokolwiek innego. Wiele wewnętrznych API nie ma nawet tego, a odpowiedź na pytanie „Która to wersja?” znajduje się w historii komitetów.
Nowsze wersje formalizują cykl życia funkcji, które przechodzą od stanu aktywnego przez przestarzały do usuniętego, przy czym między stanem przestarzałym a pierwszym możliwym usunięciem upływa co najmniej rok. Framework rozszerzeń umożliwia wprowadzanie nowych funkcjonalności, które muszą zostać wypróbowane i ustabilizowane poza jądrzem, zanim będą mogły do niego dołączyć. Jeden z kandydatów na wersję zastąpił własny kod błędu standardowym kodem JSON-RPC invalid-params i otwarcie oznaczył to jako zmianę łamiącą spójność protokołu, zamiast ukryć to w dzienniku zmian, którego nikt nie czyta.
Takie podejście pochodzi od zespołu, który oczekuje, że osoby z zewnątrz będą utrzymywać ten protokół przez lata i sam doświadczył konsekwencji zmian łamiących spójność. To najsilniejszy techniczny powód, by traktować MCP poważnie, i nie ma on żadnego związku z agentami ani inteligencją. Jest to prosta, staranna opieka nad API – fraza o wiele mniej ekscytująca niż ta, którą wybraliby promotorzy tego protokołu.
Werdykt
W praktyce chodzi o RPC. Po usunięciu elementów identyfikujących producenta pozostaje JSON-RPC 2.0 z sesjami dwukierunkowymi, warstwą odkrywania zasobów oraz autoryzacją celowo niespecyfikowaną. Żaden z tych elementów sam w sobie nie zasługuje na nowe akronim, i ludzie prezentujący główne referaty prawdopodobnie się z tym zgadzają, chociaż chcą coś sprzedać.
Akronim ten zyskał swoje miejsce, ponieważ konkurencyjni dostawcy rzeczywiście przyjęli jeden wspólny podejście. Taka konwergencja jest rzadka, cenna i niedoceniana. Większość „wojen” między frameworkami w obszarze backendu to w rzeczywistości problemy koordynacyjne w przebraniu, które kończą się konsensusem, a nie lepszym projektowaniem. REST nie pokonał SOAP dzięki technicznemu geniuszowi – zwyciężył, ponieważ wystarczająco wielu programistów zmęczyło się kłótniami o formaty komunikacji i wróciło do tworzenia produktów.
Jeśli MCP przetrwa, JSON-RPC nie będzie przez cały czas tak po cichu genialne. Bardziej prawdopodobne jest, że wystarczająco wielu inżynierów zmęczyło się pisaniem tego samego konektora trzy razy i wybrało tę wersję do obrony, mimo jej wad. Dobry pytanie na zakończenie: który protokół ostatnio widzieliście, gdy wszyscy po cichu go przyjmowali, a nikt nie odnotował tego momentu?