[控场AI]
· 5 分钟阅读· 2,658 字

OpenAI Agents SDK并行调用失效:MCP旧锁拖慢4倍

OpenAI Agents SDK并行调用失效:MCP旧锁拖慢4倍

OpenAI Agents SDK 与 MCP 兼容层遗留互斥锁,使并行工具调用退化为串行。

文章披露了 OpenAI Agents SDK 0.24.0 搭配 MCP 2.3.0 时的一个性能缺陷:四个本应并行、各耗时 3 秒的工具调用实际耗时 12 秒,呈典型串行叠加特征。Rivet 复现后定位到 MCP 的 streamable HTTP 客户端内部持有互斥逻辑,一次只允许一个请求通过。这把锁是 3 月为修复旧版 MCP bug 而引入的临时兜底,旧 bug 修复后锁未被移除,反而成了长期瓶颈。团队测试的非官方方案是将某私有属性设为 false,四个调用随即降至 3.1 秒,但该方案仅适用于 MCP 2.x,且可能重新暴露旧 bug。文章提醒开发者关注 SDK 与协议库兼容层的性能盲区,并对 workaround 保持审慎。

四个本应并行执行、各耗时3秒的工具调用,最终却花掉了12秒。问题不在网络,也不在模型,而藏在 OpenAI Agents SDK 与 MCP 的一个兼容层里。

据 YouTube 频道 Rivet 的短评,在 OpenAI Agents SDK 0.24.0 搭配 MCP 2.3.0 的环境下,streamable HTTP 客户端一次只能处理一个请求。一把为解决旧版 MCP bug 而加的锁,在 3 月被引入后至今未关,直接让并行工具调用退化成串行队列。

Open AI agents SDK 0.24.0 with MCP 2.3.0

问题现象:并行请求被强制排队

测试场景很直接:四个工具调用同时发出,每个预期耗时 3 秒。按并行逻辑,总耗时应该接近 3 秒;实际结果却是 12 秒,刚好是 4 乘以 3。

这种线性叠加的耗时曲线,是串行执行的典型特征。Rivet 在视频中指出,症结位于 MCP 的 streamable HTTP 客户端实现:它内部持有互斥逻辑,同一时刻只允许一个请求通过。

对于依赖多工具协同的 Agent 工作流,这意味着延迟随工具数量成倍增长。四个调用是 12 秒,八个调用就会逼近 24 秒,用户侧感受到的是明显的卡顿与响应退化。

MCP(Model Context Protocol) 是 Anthropic 于 2024 年底提出并开源的协议标准,用于让 AI 模型以统一方式连接外部工具、数据源和服务。它采用客户端-服务器架构:Agent 侧作为 MCP 客户端,通过 HTTP、stdio 等传输层与 MCP 服务器通信,再由服务器暴露具体的工具能力。

streamable HTTP 是 MCP 在 2025 年规范中引入的传输方式,取代了早期的 HTTP+SSE 双端点方案,允许在单一端点上同时支持流式响应和普通请求。由于其支持长连接与流式返回,客户端实现需要额外处理连接复用、请求排队与生命周期管理等问题——本文所述的互斥锁正是在这一层引入的。理解这一点有助于判断:瓶颈不在协议语义,而在客户端对并发连接的调度策略。

锁的来历:为旧 bug 打的补丁

这把锁并非随意添加。据 Rivet 解释,它是在 3 月为修复一个更早的 MCP bug 而引入的。换言之,它原本是一个安全兜底——用串行化规避旧问题带来的稳定性风险。

问题在于,旧 bug 修好之后,这把锁没有被移除。它继续留在代码路径上,把一个临时的防御措施变成了长期的性能瓶颈。

It's a lock added in March for an older MCP bug, and it's still on

这类“修复遗留物”在快速迭代的 SDK 生态中并不罕见。多个组件版本交叉依赖时,补丁的生命周期往往比触发它的 bug 更长,而使用者通常要等到性能异常显现才会察觉。

互斥锁(mutex) 是并发编程中用于保护共享资源的基本原语:在任一时刻只允许一个线程或协程进入临界区,其余请求必须等待。它在修复竞态条件、防止连接状态被并发写坏时非常有效,但代价是牺牲并发度。

在 MCP streamable HTTP 客户端中,若多个请求共享同一个会话标识、事件流或连接状态,不加锁可能导致响应错乱;加锁虽然保证了正确性,却把并行调用串行化。这正是典型的"正确性换性能"取舍。修复遗留锁的难点在于:锁的引入往往伴随一个具体的复现场景,旧 bug 消失后,很难判断锁是否还有隐性保护作用,因此维护者常倾向于保留而非删除,直到有明确的性能证据推动移除。

临时规避:改一个私有属性

Rivet 团队测试了一种非官方绕行方案:将某个私有属性设为 false,即可解除串行限制。在同样的测试条件下,四个调用全部在 3.1 秒内完成。

这个结果基本证实了锁就是瓶颈所在——去掉锁之后,耗时从 12 秒回落到接近单次调用的水平。

MCP 2.x only

需要强调的是,该方案仅适用于 MCP 2.x,且属于非官方手段。修改私有属性存在风险:它绕过了维护者设定的保护逻辑,可能在特定场景下重新暴露那个 3 月被修复的旧 bug。在生产环境采用前,应当评估稳定性代价,并关注官方后续版本是否正式解决。

私有属性(private property) 在多数语言中只是命名或访问控制层面的约定,运行时并不阻止外部读写。因此在 JavaScript/TypeScript SDK 中,通过访问实现对象的内部字段并将其置为 false,可以绕过开发者设定的串行逻辑。

这种做法的风险在于:私有属性不属于公开 API,其名称、语义和默认值都可能在小版本升级中被重构或删除,导致 workaround 静默失效甚至引发更隐蔽的错误。更稳妥的工程实践是:将此类绕过封装为可开关的配置项,在依赖升级时通过集成测试验证行为,并持续跟踪上游 issue 的修复进展,以便在官方版本发布后第一时间移除补丁。

对 Agent 开发的启示

这个案例暴露了 Agent 工具链中一个容易被忽视的层次:模型能力和工具协议本身都没问题,瓶颈出在两者之间的客户端实现细节上。

We reproduced it on November 4th. Have you hit this?

Rivet 提到该问题在 11 月 4 日被复现,并向社区发出询问,看是否有人遇到同样情况。这种公开复现的价值在于,它把偶发的性能异常变成了可验证的具体缺陷。

对正在构建多工具 Agent 的团队来说,有几点值得留意:

  • 并行调用数量增加时,留意总耗时是否呈线性增长而非保持平稳,这是串行化的信号;
  • SDK 与协议库的版本组合需要纳入性能测试范围,兼容层往往是盲区;
  • 对非官方 workaround 保持审慎,记录其适用边界,并在官方修复后及时回退。

工具链的性能问题通常不会报错,只会安静地变慢。这类问题更难被发现,也更值得在监控中单独设一道防线。

#OpenAI Agents SDK#MCP#并行工具调用#streamable HTTP#Agent 性能优化#MCP 2.3.0#工具调用延迟
分享:

相关推荐