MCP持久化任务重启后会变成“僵尸”
AI 总结
掘金作者用 JSON 文件实现持久化 MCP TaskStore,并在强杀服务后比较了三种重启策略。zombie 会让任务持续显示 working 直至 TTL 过期,fail 会直接标记失败,而 resume 没有检查点,只能从头执行并可能重复副作用。作者还建议用 lastUpdatedAt 辅助判断任务停滞,并在可行时将长工作拆成多次短工具调用。
深度见解
实验表明,持久化任务状态并不等于保住执行过程,构建可靠的 AI 工具流程必须处理重启策略、幂等性与检查点问题。
上一篇的结尾我写了一句话:InMemoryTaskStore 重启即丢,任务原语只解决「怎么问」,不解决「问的东西还在不在」。
那自然的下一步就是:自己写一个落盘的 store。
我花了一个下午写完了,六个方法、一个任务一个 JSON 文件、原子写。重启之后 tasks/get 照样能返回任务,状态是 working。我以为成了。
然后我发现这个任务永远不会结束。
不是慢,是永远不会。没有报错,没有超时,tasks/get 每隔一秒老老实实返回一次 working,状态消息停在「正在读取笔记」,一直到 TTL 把记录清掉为止。
状态存下来了,执行没存下来。 这两件事在代码里只差几行,但在语义上差了一整个分布式任务系统。