Go AI 应用开发实战:从基础、MCP 到完整 Agent 项目

MCP 函数调用循环:用 Go 手写 Client 让模型自己决定调工具

📮 本系列首发于公众号「Go2AI之路」,MCP 系列聚合目录。

上篇我们把面试教练的 SQLite 历史库包装成了 MCP 服务,list_sessions、get_report 三个工具端端正正摆在那儿。但工具摆好 ≠ 模型会用——模型看不见你的数据库,它只看得见对话历史。谁来决定「现在该调哪个工具、参数怎么填」?答案是模型自己;而让模型做到这件事的机制,就是函数调用循环(function calling loop)。

今天是「面试教练变 MCP 服务」的下篇:手写一个 MCP client,把上篇的 server 变成模型随取随用的外脑。

一、client 骨架:spawn 子进程,先握手再说话

MCP client 的第一步不是发请求,而是把 server 作为子进程启动——MCP 的 stdio 传输层,本质上就是「client 握着 server 的 stdin/stdout」:

cmd := exec.CommandContext(ctx, bin, args...)
cmd.Env = os.Environ()   // 环境变量原样透传:COACH_DB_PATH 这样流到 server
cmd.Stderr = os.Stderr   // server 的报错打到前台,排障不用猜
stdin, _ := cmd.StdinPipe()
stdout, _ := cmd.StdoutPipe()
cmd.Start()

// 握手:交换协议版本与双方身份,版本对不上当场失败,别带病运行
raw, err := c.call(ctx, "initialize", map[string]any{
    "protocolVersion": protocolVersion,
    "capabilities":    map[string]any{},
    "clientInfo":      map[string]any{"name": "coachclient", "version": "0.1.0"},
})

两个细节值得记住:exec.CommandContext 让 ctx 取消时子进程自动被杀,不会留孤儿进程;stderr 直接接到前台,server 端一行 打开历史库失败 立刻可见,而不是消失在管道里。握手成功后再补发一条 notifications/initialized 通知——协议要求这么做,但它按定义不该有响应,发了就走,别傻等一个永远不会来的回包。

二、对账与通知:两个容易漏的角落

请求发出后要读响应,但 stdin 里回来的行不全是响应——server 可能随时推通知(比如 notifications/cancelled)。没有 id 的行一律跳过,有 id 的行必须和当前请求对上,否则协议就乱了:

for c.out.Scan() {
    var msg rpcWire
    if err := json.Unmarshal(c.out.Bytes(), &msg); err != nil {
        continue              // 容错:跳过非 JSON 行(server 若有调试输出)
    }
    if len(msg.ID) == 0 {
        continue              // 通知(notification):没有 id,忽略
    }
    if string(msg.ID) != id { // 串行 client 下不该发生,发生了就是 bug
        return nil, fmt.Errorf("响应 id 不匹配: got %s, want %s", msg.ID, id)
    }
    // ...error 检查与 result 返回
}

我们的 client 用一把 mutex 把请求串行化,第一个响应必然对应当前请求,对账逻辑因此极简——这是「stdio + 逐行 JSON」传输白送的便利,换成并发管道就没有这么便宜了。

三、函数调用循环:二十行核心

循环本身朴素得可疑:模型要调工具就执行,把结果塞进历史再问一次,直到模型给出纯文本:

for step := 1; step <= maxSteps; step++ {
    resp, err := llm.Chat(ctx, messages, tools)
    // ...
    if len(resp.ToolCalls) == 0 {
        return resp.Text, nil   // 纯文本 = 最终答复,收工
    }
    messages = append(messages, *resp)
    for _, tc := range resp.ToolCalls {
        result, err := exec(ctx, tc.Name, tc.Arguments)
        if err != nil {
            result = "工具调用失败:" + err.Error()
        }
        messages = append(messages, Message{
            Role: "tool", ToolCallID: tc.ID, Text: result,
        })
    }
}

但有两处是新手必踩的坑,注释里写不下,单独说:

  • 工具失败不中止循环,把错误喂回模型。上一篇我们精心设计的引路文案(「可先调用 list_sessions 查看可用 ID」)就是给这一刻用的——模型读到错误会自己换参数重试,而不是整个流程崩掉。这正是 Agent 区别于普通 API 调用的本质。
  • 必须有 maxSteps 上限。模型完全可能陷入「反复调同一个工具」的死循环,没有护栏就是把 token 钱包交给模型的随机数发生器。

还有一个隐藏分支:模型一轮可以请求多个工具调用(比如同时要报告和逐题指标),我们的循环按顺序逐个执行、逐个回执,结果按 ToolCallID 排队进历史,模型自己会对号取用。想升级成并发执行也不难——Executor 本来就是函数,包一层 errgroup 即可,但 MCP server 那边是否并发安全,升级前要先确认。

四、收藏:循环里四种消息角色对照表

循环与具体模型供应商之间只隔一个 LLM 接口,接口里统一用四种消息。对照 OpenAI Chat Completions 的角色,一张表记牢:

循环中的 Role OpenAI 消息类型 何时出现 关键字段
system system 开场一次,定规矩 Text
user user 用户提问 Text
assistant assistant 每轮模型输出 Text 和/或 ToolCalls
tool tool 每次工具执行后 Text + ToolCallID(回执必须带原调用 ID)

最后一行的 ToolCallID 是最容易漏的:模型一轮可能请求多个工具调用,结果必须按 ID 对号入座,否则模型分不清哪份结果对应哪次调用。我们的 Message 结构用同一个类型承载四种角色,换供应商时只需重写一个适配文件(仓库里 openai_llm.go 把双向翻译集中在一处,openai-go v3 的工具类型直接映射,MCP 的 JSON Schema 原样塞进 function 的 parameters)。

五、实测:没有 API key 也能端到端

测试 Agent 链路最烦的就是依赖真实模型——不稳定、要花钱、没法断言。我们的解法是内置一台行为确定的假模型 scriptedLLM:第一轮要 list_sessions,第二轮从工具结果里正则抓场次 ID 去要 get_report,第三轮总结收工。它既是 main 在无 key 时的演示模式,也是端到端测试的驱动器:

[client] server 提供 3 个工具: list_sessions get_report get_session
[client] 未检测到 OPENAI_API_KEY,使用内置演示模型
已为你取回最近一场面试的报告:
# 面试报告 · Go 后端工程师
综合 72 分:并发维度偏弱,建议复盘 GMP 调度与 channel 用法。

假模型走通了,换真模型只是 OPENAI_API_KEY + COACH_MODEL 两个环境变量的事——接口早已就位。这也体现了「依赖接口」的回报:LLM 接口不到十行,测试替身二十行,真模型适配一个文件,三层各自独立演进。测试 5 个用例全绿:正常路径、错误喂回、maxSteps 护栏、真进程端到端、server 早退不挂死。其中「server 早退」那个用例专门防一种隐蔽 bug——子进程如果启动即崩溃,client 的读循环会收到 EOF,此时必须返回错误而不是空转挂死,否则上层只能对着一个死进程干等超时。

至此,「面试官 Agent 记得每一位候选人」闭环完成:server 管数据,client 管循环,模型管决策。下篇换个视角,聊聊 MCP 协议里三个容易被忽视但很有意思的能力:Prompts(服务器预置提示词模板)、Sampling(反向让 server 请求模型补全)、Roots(文件系统访问边界)。

本文代码在 GO2AI-CN 组织下整理开源中。

相关阅读:MCP 系列聚合目录 · 第四篇:SQLite 历史库包装成 MCP 服务 · 第六篇:Prompts / Sampling / Roots

版本说明

  • MCP 协议版本:2025-06-18(2026-11-16 核对自 modelcontextprotocol.io:当前最新规范为 2026-07-28——已移除初始化握手并改为无会话协议,官方将过往完整修订版标记为 Final;本文的握手与 stdio 流程适用于 2025-06-18 / 2025-11-25 修订版及仍支持版本协商的宿主。规范地址:modelcontextprotocol.io/specification)
  • OpenAI 兼容客户端:github.com/openai/openai-go/v3 v3.99.0(2026-11-16 核对自 proxy.golang.org 的 github.com/openai/openai-go/v3@latest,2026-11-12 发布;仅真模型适配文件使用,演示与测试路径零依赖)

本文系 AI 辅助生成,内容已经人工核对,如有错误欢迎评论区留言指正。

🛒 站长推荐(京东联盟)

以上链接含京东联盟推广代码;通过链接购买本站可能获得少量佣金,不影响你的购买价格。

📮 关注公众号「Go2AI之路」
Go2AI之路 公众号二维码

每周更新 Go + AI 应用开发实战:AI 面试官完整项目、MCP、Agent 工程化,完整源码随文章首发。

微信扫码,或搜索「Go2AI之路」关注,第一时间获取系列更新与源码,不再错过任何一篇。

wx

关注公众号

©2017-2026 鲁ICP备17023316号-1 Powered by Hugo · 隐私政策