Qwen Code 改进建议

April 5, 2026 · View on GitHub

核心洞察：随着大模型代理接入的企业级系统越来越多，挂载超过 10 个 MCP (Model Context Protocol) 服务器将成为常态（如内部数据库、Jira、CI/CD 系统、外部检索源）。在启动 Agent 时，如果简单粗暴地串行加载或无节制地全量 Promise.all 发起连接，会导致极其严重的进程卡顿（“Fork Bomb” 效应）甚至阻塞整个任务流水线。Claude Code 构建了精细的本地与远程双层并发组，并结合 p-limit 动态插槽实现了极速且防阻塞的发现机制；而 Qwen Code 目前的处理方式极为初级。

返回 改进建议总览

一、MCP 服务器挂载的性能瓶颈

1. Qwen Code 现状：缺乏调度的并发洪水

在当前的 McpClientManager.initializeAllClients() 逻辑中，当系统配置了 15 个 MCP 服务器时，它会使用一个简单的 Promise.all(discoveryPromises)。

  • 痛点一（资源耗尽）：如果是本地 stdio 类型的 MCP 服务器，这意味着它会瞬间 fork 出 15 个 Node.js/Python 子进程，可能瞬间抽干 CPU 资源。
  • 痛点二（短板效应）：如果使用固定的批处理或者不做任何隔离，在这 15 个服务器中，只要有一个远端（HTTP/SSE）服务器由于网络原因卡死或者握手极慢，整个主进程就必须等待它超时。开发者直观的感受就是“一旦配了外网 MCP，Agent 启动就要干等 10 秒”。

2. Claude Code 解决方案：动态插槽与双层编排

在 Claude Code 的 services/mcp/client.ts 中，设计了一套极尽巧思的连接拓扑结构：

第一层：本地与远程分类隔离

它将服务器配置严格分为两类，施加截然不同的并发上限：

  • Local Servers (stdio / 本地脚本)：并发度被严格限制为 3。因为子进程 Spawn 会极大地消耗 OS 句柄和计算资源。
  • Remote Servers (sse / http / ws)：并发度被放宽至 20。因为它们属于 I/O 密集型操作，大部分时间都在等待网络握手。

这两种类型的初始化池通过 Promise.all([localPool, remotePool]) 完全并列运行。

第二层：动态插槽调度 (Dynamic Slot Scheduling via pMap)

Claude Code 并没有使用僵硬的静态批次（例如每组等 3 个全做完再开启下一组 3 个），而是引入了类似线程池的流转逻辑（processBatched()）。 一旦某个远程 MCP（如内网的 GitLab 接口）极速秒连，它腾出的并发插槽（Slot）会被立刻分配给排队的下一个服务器。 哪怕有 2 个服务器不幸彻底卡死，只要没有占满插槽总数，其余 13 个服务器依然能够畅通无阻地完成注册并进入可用状态。

第三层：资源请求并发化

在建立单个连接后，协议通常要求立刻拉取该服务器宣告的 tools（工具）, commands（命令） 和 resources（资源）。 Claude 也是果断采用了 Promise.all([fetchTools, fetchCommands, fetchResources]) 的并发提取，并配以 20 条记录上限的 MCP_FETCH_CACHE_SIZE LRU 缓存，杜绝重复的网络开销。

二、Qwen Code 的改进路径 (P2 优先级)

为了将 Qwen Code 打造成企业 MCP 网关中心，网络拓扑调度必须被重构。

阶段 1：引入并发控制器 (p-limit)

  1. 在依赖库中引入或手写一个并发队列工具（如 p-limit 或 pMap）。
  2. 在 mcp-client-manager.ts 中废弃直接的 Promise.all 裸奔逻辑。

阶段 2：重写 initializeAllClients 方法

  1. 遍历配置，按传输协议的 type（stdio 归本地，sse/websocket 归远端）对列表进行分流。
  2. 设定参数：LOCAL_CONCURRENCY = 3，REMOTE_CONCURRENCY = 20。
  3. 利用插槽控制器进行安全的并行发现注册。

阶段 3：缓存与超时隔离

  1. 为每个单一 MCP 挂载增加严格的时延锁（Timeout，如 3000ms），一旦超时仅抛出单独的警告（Warning），不阻塞主线程的运转，允许 Agent 带着“部分就绪”的工具子集先跑起来。
  2. 对于 Client.listTools() 级别的请求加入防抖缓存（Debounced Cache）。

三、改进收益评估

  • 实现成本：中等。核心在引入并发流转控制，代码重构量在 150 - 200 行。
  • 直接收益：
    1. 无感知的秒级冷启：即使用户配置了海量的扩展服务器，终端启动也能保持在毫秒级，且彻底避免了卡死无响应。
    2. 容灾降级体验：单点 MCP 服务不可用不会再拖垮整个 AI Agent 生态。