Model Context Protocol (MCP) 正在重塑 LLM 应用与外部系统的交互范式。作为客户端开发者，理解如何高效、稳定地连接 MCP Server 是构建 Agent 的第一步。本文将深入剖析 Python 环境下的连接机制，重点对比 SSE 与 Streamable HTTP 两种传输协议，并提供生产级的代码示例。

1. 传输层协议：SSE vs Streamable HTTP

在 MCP 的架构中，传输层（Transport Layer）负责在 Client 和 Server 之间搬运 JSON-RPC 消息。目前主流的两种远程传输协议各有千秋。

1.1 Server-Sent Events (SSE)

SSE 是 Web 标准中用于服务器向客户端单向推送数据的技术。在 MCP 中，它通常结合 HTTP POST 使用。

• 机制：Client 建立一个长连接（GET /sse）用于接收 Server 的消息（Events）。Client 发送消息则通过另一个独立的 HTTP POST 请求。
• 适用场景：浏览器环境、需要穿越防火墙、标准 Web 服务。
• 连接模型：双通道（一条长读通道，一条短写通道）。

1.2 Streamable HTTP (Chunked Transfer)

这是一种更现代、更纯粹的 HTTP 交互方式，通常基于 HTTP/1.1 的 Chunked Transfer Encoding 或 HTTP/2。

• 机制：Client 和 Server 通过一个双向流（或长轮询变体）进行通信。在 MCP 的 Python SDK 实现中，它往往复用了底层 HTTP 客户端（如httpx）的流式能力。
• 适用场景：Server-to-Server 通信、高性能后端服务。
• 连接模型：单通道（或复用通道），通常更节省资源，且不需要处理跨域（CORS）的复杂性（如果在同域后端）。

2. Python 客户端实战

我们将使用官方mcpSDK 来构建客户端。无论使用哪种传输协议，核心的ClientSession逻辑是一致的，区别仅在于Transport的初始化。

2.1 依赖安装

pipinstallmcp httpx

2.2 连接建立：协议适配

方案 A：使用 SSE 连接

这是最常见的连接方式。

frommcp.client.sseimportsse_clientfrommcp.client.sessionimportClientSessionasyncdefconnect_via_sse(url:str,headers:dict=None):# sse_client 是一个 Async Context Manager# 它自动处理 EventSource 的连接与重连asyncwithsse_client(url=url,headers=headers)as(read_stream,write_stream):asyncwithClientSession(read_stream,write_stream)assession:yieldsession

方案 B：使用 Streamable HTTP 连接

这是更底层的连接方式，通常需要自行管理httpx.AsyncClient的生命周期。

importhttpxfrommcp.client.streamable_httpimportstreamable_http_clientfrommcp.client.sessionimportClientSessionasyncdefconnect_via_http(url:str,headers:dict=None):# 必须显式创建 httpx client，以便复用连接池和配置超时asyncwithhttpx.AsyncClient(headers=headers,timeout=60.0)ashttp_client:# streamable_http_client 同样返回读写流asyncwithstreamable_http_client(url=url,http_client=http_client)as(read,write,_):asyncwithClientSession(read,write)assession:yieldsession

3. 核心交互流程

一旦ClientSession建立，后续的操作就是标准的 MCP 协议交互。

3.1 握手与初始化 (Initialize)

连接建立后的第一件事必须是握手。Server 会在此时返回它的能力（Capabilities）和元数据（Server Info）。

# 初始化会话# 这一步会协商协议版本和能力init_result=awaitsession.initialize()print(f"Connected to Server:{init_result.serverInfo.name}v{init_result.serverInfo.version}")# 技巧：这里往往藏着 Server 的 System Promptifhasattr(init_result,'instructions'):print(f"Server Instructions:{init_result.instructions}")

3.2 工具发现 (List Tools)

这是 Agent “获取技能” 的关键步骤。

# 获取工具列表list_tools_result=awaitsession.list_tools()tools=list_tools_result.toolsfortoolintools:print(f"Found Tool:{tool.name}")print(f"Description:{tool.description}")print(f"Schema:{tool.inputSchema}")# JSON Schema 格式的参数定义

工程提示：在实际应用中，你需要将这里的inputSchema转换为你的 LLM 框架（如 LangChain 或 OpenAI SDK）所需的格式。对于 LangChain，可以使用pydantic.create_model动态生成参数模型。

3.3 工具调用 (Call Tool)

当 LLM 决定调用工具时，Client 负责转发请求。

frommcp.typesimportCallToolResult tool_name="get_repo_list"arguments={"owner":"nvd11","limit":5}try:# 发送调用请求result:CallToolResult=awaitsession.call_tool(tool_name,arguments=arguments)# 解析结果# MCP 支持 Text 和 Image 两种内容类型output_text=""forcontentinresult.content:ifcontent.type=="text":output_text+=content.textelifcontent.type=="image":print(f"[Image Content:{content.mimeType}]")print(f"Tool Output:{output_text}")exceptExceptionase:print(f"Tool execution failed:{e}")

4. 常见问题 (FAQ)

Q: 我可以用aiohttp代替httpx吗？

A: 不可以直接替换。
mcp.client.streamable_http.streamable_http_client显式依赖于httpx.AsyncClient的接口。由于mcpSDK 本身就将httpx作为核心依赖，建议遵循官方实践使用httpx，以避免不必要的适配工作。

5. 总结

5. 总结

对于大多数 Python 后端服务（如 Agent 平台），Streamable HTTP提供了更好的控制力（如自定义 Timeout、Proxy 配置），是更为推荐的选择。