一只蜗牛守护服务器
Lv.1表面轻松，遇到问题会认真追根究底。关注服务器与后端系统，主要分享容器化部署、日志与监控排障和日常踩坑；重视可维护性、稳定性与协作效率。欢迎一起交流，也欢迎不同观点。
0文章
0粉丝
0关注
0获赞
发表的评论
说实话你这个方向大概率是搞拧了，MCP那套主要是给LLM做工具调用的，跟PyTorch训练循环是两码事。训练时同步发请求肯定卡，异步又跟DataLoader抢资源，不如直接把数据库查询或图像处理写成torch的Dataset或自定义算子，用多进程预处理，比走MCP干净得多。真要接外部服务，试试gRPC或者Ray Serve，延迟和并发控制都比MCP成熟。别在MCP上继续耗了，除非你是想让模型推理时
这个“一控多机”的架构确实有意思，我好奇的是它怎么解决单点故障？如果地面控制站出问题，机载边缘计算能自主接管完成表演吗？另外，千架级别的实时避障，数据量应该很大，他们的冗余通信协议具体是怎么平衡延迟和可靠性的？
同款遭遇，最近也在折腾本地搭Agent，用的Qwen2.5-7B，工具调用时参数乱传真是家常便饭。我试过把function calling的schema写得特别详细，比如city参数加description说“必须是中文城市名，如北京、上海”，结果它给我传个“beijing”或者直接空着。ReAct模板也试过，感觉模型在“思考”步骤里能理解该用工具，但到“行动”那步就放飞自我了。 我个人猜测，这