🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口,低成本玩转 AI
工具 / 效率·4 次阅读

104 个 server 的首次响应中位数是 4155 毫秒

153 个有效 server 里,只有 104 个测到了首次响应,中位数 4155 毫秒 ,P75 是 7426 毫秒 ;剩下 49 个的 startupMs 记为 0,而这 49 个全部落在零工具 server 上。工具数一侧同样有一个硬边界:50 个零工具 server 贡献 850 格判定,其中 pass 为 0 。

153 个有效 server 里,只有 104 个测到了首次响应,中位数 4155 毫秒,P75 是 7426 毫秒;剩下 49 个的 startupMs 记为 0,而这 49 个全部落在零工具 server 上。工具数一侧同样有一个硬边界:50 个零工具 server 贡献 850 格判定,其中 pass 为 0。本文只陈述这两组数据的关系。

一、怎么算的

项值
数据文件服务器 /opt/mcp-collect/data/mcp-data.json
快照时间2026-11-02T19:53:24Z(北京时间 2026-11-03 03:53)
采集状态mode: full,finalChunk: true
采集机 Nodev22.23.2
采集版本collectorVersion: dev
用到的字段startupMs、toolCount、isFixture、checks[].usable
样本池161 个 server,剔除 8 个 isFixture 后 153 个
采集格2737 格,剔除测试样本后 2601 格
分档边界耗时按 1500 / 3000 / 6000 / 15000 切五档;工具数按 0、1–4、5–19、20–99、≥100 切五档

中位数与分位数只在 startupMs > 0 的 104 个上计算,0 值不进样本。表里的通过率是该档 pass 格数除以该档采集格数,不是 server 可用率。

读到这里,如果对你有帮助
不解锁内容

二、口径边界

1. startupMs 是采集机上的单次测量,不是统计分布;同一 server 换机器、换网络、换时段都会变。

2. startupMs = 0 不代表瞬间启动,代表这一格没有工具列表可计时——49 个 0 值全部落在零工具 server 上。

3. toolCount 是该次连接实际拿到的工具数,不是包声明的工具数;连接失败就是 0。

4. 8 个 isFixture 测试样本(含 fixture-slow-start、fixture-huge-tools)用于压边界,混合统计会拉偏,本文一律剔除。

5. 17 个宿主里 2 个全程 na,所以「153 个 server × 15 个可测宿主」不等于 2601 格。

三、完整数据

表一 · 启动耗时分档(startupMs > 0 的 104 个)
分档server 数采集格pass该档通过率
1–1500 ms3513874.5%
1500–3000 ms1220416480.4%
3000–6000 ms5796974977.3%
6000–15000 ms2237427473.3%
≥15000 ms1017011467.1%
合计1041768133975.7%
  • 104 个 server 的耗时中位数 4155 ms,P25 3182 ms,P75 7426 ms,最大 55285 ms。
  • 这 104 个之外的 49 个 startupMs = 0,全部是零工具 server。
  • 全部 1339 个 pass 都落在这 104 个里,零工具那批一个 pass 都没有。
表二 · 工具数分档(剔除 8 个测试样本)
工具数server 数采集格pass该档通过率
05085000.0%
1–43152740977.6%
5–194373155475.8%
20–992542533278.1%
≥1004684464.7%
  • 工具数中位数 4,最大 628。
  • 50 个零工具 server 的 850 格里,fail 705、na 145、pass 0。

四、数据说明的四件事

一,3000–6000 ms 是最拥挤的一档。 57 个 server 落在这一档,占 104 个的 54.8%,同时也是唯一一档样本超过 900 格的(969 格、749 个 pass)。中位数落在这档是因为样本在此堆积,不代表这档更慢。

二,耗时最长的一档通过率最低。 ≥15000 ms 的 10 个 server 通过率 67.1%,比 1500–3000 ms 档的 80.4% 低 13.3 个百分点。两端之间并不单调:1–1500 ms 档只有 3 个 server、51 格,通过率 74.5%,低于下一档。

三,零工具是硬失败,与宿主无关。 50 个 server × 17 宿主共 850 格,pass 为 0,fail 705,na 145。这组数在宿主维度上没有任何一个例外,也不存在「换个宿主就能用」的空间。

四,49 个 0 值与 50 个零工具几乎完全重合。 计时缺失与「连上但没拿到工具」是同一现象的两面:没有工具列表就没有计时的起点,于是 startupMs 落 0。把 0 值当成「启动极快」并入样本,会同时改变中位数与分档形状。

五、局限

1. 单次测量,无重复采样、无方差,不能据此判断某个 server「稳定快」或「稳定慢」。

2. 采集机是固定环境(Node v22.23.2),换 Node 版本后 npx 冷启动会变,耗时不可跨版本比较。

3. mode: full 只说明这一轮收尾,不代表随机抽样——161 个是站点收录池,不是全网分布。

4. 8 个 isFixture 样本被剔除,本文数字与站上含样本的原始汇总(2737 格、pass 1438)因此不同。

5. 通过率是「格」的比值,不是「server 可用率」;一个 server 在 15 个宿主里 8 个可用,也只贡献 8 格。

六、数据复核

两张表的每一行都可以按 servers[].startupMs、servers[].toolCount、servers[].isFixture、servers[].checks[].usable 四个字段回到原始 JSON 复算,已发布的汇总与字段说明见 MCP 兼容性实测数据。

总结

两张表指向同一件事:能测到耗时与能拿到工具的样本高度重叠,49 个 0 值是零工具那批的影子;完整字段与逐格记录见 MCP 兼容性实测数据。

适合与不适合

适合:要给启动开销定基线区间的;要区分「慢」与「没连上」的;要按工具数分档看通过率的。

不适合:要判断某个 server 在你自己网络下快不快的(单次测量给不出);要拿它当全网分布的(样本来自站点收录池);要找「最优工具数」的(分档之间差异不足以支撑排序)。

标签:MCP、DeepSeek Harness、启动耗时、兼容性数据

来源声明

本文由 DeepSeek Harness Hub 自动整理,数据来源于站点 2026-11-02 采集快照。

这篇内容有帮助吗
赞赏随意,不解锁任何内容,也不必留个人信息。
扫码用
回到顶部