MCP 面试高频考点:给 MCP Server 加日志、指标与分布式追踪,面试追问你能答到第几层?
面试场景
某团队用 MCP Server 把内部的订单查询、库存扣减和退款工具暴露给 AI 应用。上线后出现两类问题:一是模型有时拿到的工具返回看起来"成功",但业务实际失败;二是跨服务调用链路长,出问题后无法定位是哪一步慢、哪一步错。面试官要求候选人设计一套可观测方案,覆盖日志、指标、分布式追踪,并说明如何与结构化输出配合。
第一轮:基础认知
面试官:你会怎么给这个 MCP Server 设计可观测性?先说结论。
候选人: 结论是分三层------日志负责"发生了什么",指标负责"趋势和告警",追踪负责"一次请求跨了哪些环节",三者靠统一的关联 ID 串起来。MCP 消息走 JSON-RPC,Client 与 Server 建立会话,Server 暴露 Tools、Resources、Prompts 三类能力资料2。所以我会以"一次 Tool 调用"为核心观测单元:入口生成或透传关联 ID,日志记录谁在何时调了哪个 Tool、资源范围和结果状态,指标按 Tool 维度统计成功/失败/耗时,追踪把 MCP 调用和下游业务调用连成一条链路。
面试官:为什么以 Tool 调用为核心,而不是以 HTTP 请求或会话为核心?
候选人: 因为对 AI 应用来说,Tool 是有副作用、最需要审计和计费的动作,Resources 多为只读上下文资料2。一次 HTTP 请求可能承载多次 Tool 调用,一次会话可能跨很久,按 Tool 聚合才便于定位"哪个工具在什么条件下出错"。审计日志也要求记录谁在什么时间调用了哪个 Tool、关键资源范围与结果状态,并对敏感字段脱敏资料2。
第二轮追问:结构化输出与可观测性怎么配合
面试官:你提到"返回看起来成功但业务失败",结构化输出在这里起什么作用?
候选人: 结构化输出让 Tool 的返回有稳定 schema,比如明确区分业务状态码、错误类别和可展示消息。这样日志和指标不必去解析自然语言文本,而是直接读结构化字段:指标按错误类别分桶,日志记录状态码,追踪给 span 打上结果标签。关键是结果状态要能被机器判定,而不是靠人看文案。
面试官:如果 Tool 内部抛异常,和返回"业务失败"的结构化结果,可观测上要区分吗?
候选人: 要区分。协议层异常(如参数不合法、未授权)应在 MCP 层就失败;业务层失败(如库存不足)应作为结构化结果返回,让模型能读懂并决定下一步。指标上我会分成"协议错误"和"业务失败"两类,否则错误率会被混在一起,告警失真。日志同理:协议错误记在入口,业务失败记在业务结果里。
面试官:结构化输出会不会把敏感信息带进日志或模型上下文?
候选人: 会,这是容易踩坑的点。凭据不应出现在日志、Tool 返回值或模型上下文中资料2。所以结构化 schema 里要显式设计"可对外字段"和"仅内部审计字段",日志只落脱敏后的字段,返回值只给模型必要信息。
第三轮追问:SDK 能力边界
面试官:你打算直接用 SDK 自带的能力吗?
候选人: 不能假设 SDK 自带指标和追踪实现。以 MCP Java SDK 为例,公开 API 只通过 SLF4J 打日志,不内置后端;可观测元数据(如关联 ID、追踪状态)通过 Reactor 管道跨异步边界传递,SDK 本身不提供 metrics 或 tracing 实现,需要自行对接 Micrometer、OpenTelemetry 等资料1。所以方案里日志是"默认可靠",指标和追踪是"集成外部框架"。
面试官:那关联 ID 在异步链路里怎么保证不断?
候选人: 结论是入口注入、随上下文传播、出口落盘。入口从请求或会话拿到关联 ID,没有就生成;在异步边界通过框架的上下文传播机制携带,而不是靠线程本地变量硬扛;每次 Tool 调用和下游调用都从上下文取同一个 ID 写日志和 span。SDK 通过 Reactor 管道传递可观测元数据,正是为了跨异步边界保持关联资料1。
面试官:如果链路里有一段没接上追踪,你怎么排查?
候选人: 用日志里的关联 ID 兜底。追踪断点处通常仍有结构化日志,按关联 ID 聚合能还原调用顺序;同时给 span 缺失打监控,发现传播失败就修埋点。这也是"日志+追踪"互补而非重复的原因。
方案设计与关键原理
面试官:把完整方案讲一下,包括边界和取舍。
候选人: 架构上分四块:
- 入口层:MCP Server 在 Tool 调用入口生成/透传关联 ID,开一个 span,记录 Tool 名、资源范围、调用方身份。
- 业务层:Tool 内部调用下游服务时继续传播上下文,子 span 覆盖每次下游调用;结构化结果里的状态码和错误类别写入 span 标签和指标。
- 输出层:日志走 SLF4J 等门面,调试日志写标准错误------stdio 传输下标准输出用于协议消息,写错会破坏通信资料2;指标和追踪对接外部后端资料1。
- 审计层:单独记录谁、何时、调了哪个 Tool、资源范围、结果状态,敏感字段脱敏资料2。
取舍与边界:这套方案适合远程 Streamable HTTP 部署和本地 stdio 部署,但远程场景还必须叠加认证、授权、会话管理、限流和超时资料2,可观测不能替代安全控制。指标基数要控制,不能把用户 ID、原始参数直接当标签。采样率、超时值、告警阈值都应由业务 SLA、风险和压测确定,而不是拍一个固定数字。
容易踩坑的细节:Tool 参数 schema 只是结构约束,不能代替服务端校验和授权,模型传入的文本是不可信输入资料2;如果日志把原始参数整段落盘,既可能泄露凭据,也可能被注入内容污染审计记录。所以日志字段要白名单化。
可落地示例(版本无关接口设计)
面试官:给个接口设计示意。
候选人: 下面是伪代码,只表达结构,不绑定具体 SDK 版本:
text
// 伪代码:Tool 调用入口
function invokeTool(toolName, args, ctx):
corrId = ctx.correlationId ?? generateId()
span = tracer.startSpan("mcp.tool." + toolName, parent=ctx.traceContext)
span.setTag("tool.name", toolName)
log.info("tool.invoked", corrId, toolName, safeFields(args))
try:
result = handler(args) // 返回结构化结果
span.setTag("result.status", result.status)
metrics.counter("mcp.tool.result", tags={tool, result.status}).inc()
return result
catch e:
span.setTag("result.status", "protocol_error")
metrics.counter("mcp.tool.error", tags={tool, e.category}).inc()
log.error("tool.failed", corrId, toolName, e.category)
throw e
finally:
span.end()
关键是结构化结果的状态字段直接驱动指标和 span 标签,日志只写白名单字段。
面试官点评
考察点:是否理解 MCP 的客户端---服务端架构和 Tool 语义资料2;是否知道 SDK 只提供日志门面、指标追踪需外部集成资料1;能否把结构化输出与可观测性真正串起来;对安全边界、异步传播、基数控制的判断。
合格回答:三层职责清晰、以 Tool 为观测单元、知道日志走标准错误、知道 SDK 不内置 metrics/tracing、能区分协议错误与业务失败。
加分项:主动指出凭据脱敏和参数白名单、指出 schema 不等于授权资料2、说明异步上下文传播机制、明确采样与阈值需由 SLA 和压测决定而非拍数字、给出审计日志与追踪互补的理由。
总结
给 MCP Server 加可观测性,核心不是堆三个组件,而是围绕 Tool 调用建立统一关联:结构化输出提供机器可判定的状态,日志提供事实,指标提供趋势,追踪提供链路,四者靠关联 ID 串联。SDK 只保证日志可靠,指标和追踪要自行对接外部框架资料1;stdio 下日志必须写标准错误资料2;远程部署还要叠加授权、限流等安全控制资料2。把这些边界和取舍讲清楚,才是面试官想听到的层次。
参考资料
- MCP Java SDK:https://github.com/modelcontextprotocol/java-sdk
- MCP 基础知识
- MCP Python SDK:https://github.com/modelcontextprotocol/python-sdk
- MCP TypeScript SDK:https://github.com/modelcontextprotocol/typescript-sdk