AI导哈

AI工具编排协议

MC Proto是一款基于Protocol Buffer的高效AI工具编排协议，通过二进制序列化和Buf Schema Registry实现低Token消耗和运行时模式解析，适用于大规模企业级AI代理环境。

  • by tdewitt
  • Go
  • 本地部署
  • 更新于
在 GitHub 查看 tdewitt/mcproto

使用说明

MC原型

高效的AI工具编排。 代币减少99%。零配置互操作。后期绑定架构解析。

动机

标准模型上下文协议（MCP）实现依赖于JSON-RPC，随着代理环境的扩展，JSON-RPC可能会引入开销。在拥有数百个工具的企业环境中，技术JSON模式消耗了AI上下文窗口的很大一部分，增加了推理成本，减少了推理和任务数据的可用空间。

MC原型 又称作 proto-mcp)是基于协议缓冲区的MCP实现。它用二进制序列化取代JSON-RPC，并利用Buf模式注册表（BSR）将工具定义与传输层解耦。

主要特点

  • 令牌效率： LLM在发现阶段只接收工具名称和描述。仅当选择工具时，客户端库才使用BSR引用在带外解析技术模式。
  • 后期绑定架构解析： 工具蓝图在运行时从BSR中获取。这允许代理执行工具，而不需要在构建时将相应的代码编译到客户端或服务器中。
  • 多运输引擎： 统一的实现支持本地Stdio管道（长度分隔的二进制帧）和远程gRPC套接字。
  • 递归发现： 包括一个发现元工具，该工具对Buf模式注册表进行实时全局搜索，以按需查找和加载新的工具蓝图。
  • 双协议兼容性： 非破坏性嗅探器根据流的初始字节检测协议格式（JSON与Protobuf），允许与标准MCP客户端向后兼容。

性能仿真

使用1000个生成工具的目录进行的模拟展示了潜在的效率提升：

  • 标准MCP（预计）： 约200000个令牌（基于平均200个令牌/模式）。
  • MC原型（测量）： 453个代币 （仅工具名称和说明）。

注意：实际节省取决于模式复杂性和描述长度。

设置和执行

1.环境配置

创建一个 .env 项目根目录中具有以下凭据的文件：

BUF_TOKEN=<your_buf_registry_token>
GITHUB_PERSONAL_ACCESS_TOKEN=<your_github_pat>

安装依赖项：

proto use
source .venv/bin/activate
pip install -r requirements.txt

2.运行参考演示

以下脚本启动一个Claude代理，该代理从注册表中递归发现GitHub工具，在运行时解析其模式，并执行任务：

./scripts/run_claude_discovery_demo.sh

建筑

MC Proto利用 Buf架构注册表 作为运行时蓝图提供者：

  1. 服务器 (go/cmd/mcproto)广告a bsr_ref 指针。
  2. 客户端 图书馆(python/mcp)获取 FileDescriptorSet 来自BSR。
  3. LLM 对工具的语义摘要进行操作。
  4. 二进制执行 使用动态消息反射执行(dynamicpb 在Go中， DescriptorPool Python）。

作为技术尖峰开发，以验证二进制优先AI编排的可行性。

相关 MCP