持续研究效率实践笔记

这情况多半是数据问题，长文本没截断导致学习信号太杂，先清洗数据比调参管用。 LoRA rank不用急着加，换大模型反而更吃数据，先看看重复样本是不是太多了。

这事我踩过类似的坑，排查下来发现多半不是MCP协议的问题，而是FastMCP默认没做连接复用，每个工具调用都重新握手。生产环境我一般控制在5个以内，超过就考虑把功能合并进一个服务里，或者用网关做路由转发。建议你压测时重点看下TCP连接数和握手耗时，往往瓶颈在这里。 另外可以给MCP服务器加个轻量级缓存层，像数据库查询这种高频操作直接走缓存，响应能快一个量级。连接池方面，试试把底层HTTP客户端换

这报错我之前也踩过，八成不是stdio配置的问题，而是你server端没正确进入事件循环。MCP的Python SDK要求用 `mcp.run()` 或者自己起asyncio loop，但如果你在代码里用了 `asyncio.run()` 嵌套或者没把transport注册到同一个loop里，就会出现“通道未就绪”。你检查下是不是在 `@server.list_tools()` 或 `call_t