在云主机上常驻 MCP server:出网、超时与权限收敛
把 MCP server 从本机搬到云主机常驻,遇到的问题会整体换一批。本机跑不起来,通常是命令写错、路径不对;云上跑不起来,多半是出网没放通、等到超时、权限给得太宽。本文按「云上托管一个常驻进程」的视角把这三件事拆开讲,数字全部来自 MCP 兼容手册的一次采集快照(generatedAt 2026-11-02T19:53:24Z,mode=full),覆盖 161 个 server、17 个宿主、2,737 个 server×宿主格子。
先区分两种失败:连不上,和等不起
实测 2,737 个格子的判定分布是 pass 1,438 格(52.54%)、fail 873 格(31.90%)、na 367 格(13.41%)、limited 59 格(2.16%)。这个分布只回答「有多少格子能用」,回答不了「为什么不能用」。把证据等级拆开才有信息量:真机跑过的 796 格里 pass 只有 188 格,通过率 23.62%;按官方文档推导的 1,344 格里 pass 有 1,250 格。同一批 server,证据换一种,结论差一个量级——所以下面每个判断我都会标清分母,判定口径的划法见 采集方法。
云上还有一层本机不明显的分界:进程活着,不等于工具可用。实测口径下,51 个 server(31.68%,分母 161)工具数为 0。它启动了、端口开了、日志干净,但握手之后工具列表返回空数组。你在监控面板上看到的一切都是绿的,宿主那边什么都调不出来。
出网:三类目的地,三种策略
常驻进程的出网策略不该写成「允许全部出站」。按用途切开,规则会短很多,也更容易解释给安全同学听。
| 目的地 | 典型用途 | 建议策略 |
|---|---|---|
| 包管理源(npm registry 与镜像) | 首次安装、版本更新 | 部署期放通,运行期可关 |
| 业务与模型 API 域名 | server 真正干活的出口 | 按域名白名单,只走 443 |
| 127.0.0.1 本地端口 | 宿主与 server 的回环通信 | 不需要出网规则 |
| 169.254.0.0/16 | 云厂商元数据服务 | 明确拦截并告警 |
第三行值得单独说。以 stdio 接入的那 147 个是宿主拉起的本地子进程,它与宿主之间走本地回环,不需要任何出网权限;只有 http 型那 14 个远程服务才真的需要对外连接。把这两种混在同一套安全组里,结果往往是给本地进程开了不该开的出口。
同一件事在监听地址上还有一次机会。常驻的 http 型 server 应该绑 127.0.0.1,不要绑 0.0.0.0;绑到通配地址等于给整台机器开放一个通常没有鉴权的端口,安全组再严也只是把风险推到内网。绑回环之后,能访问它的只有同一台机器上的宿主,出网规则也就不必为它开口子。
第四行是云上特有的。站点的插件体检规则里,这一条被写成硬红线:非 loopback、非文档例网、非绑定广播、非 RFC 1918 的字面量 IP 外连,只要有网络能力就判红线,169.254/16 云元数据地址照常判红线。判红线的理由不难理解——元数据服务是实例身份凭据的入口,一个进程去读它,和直接读你的密钥在后果上没有差别。规则的口径是「命中即默认挡住,允许确认后继续」,所以你不必把它当禁令,但需要能解释清楚:这个 server 为什么访问链路本地地址。
超时:按 3 秒配一定会误判
实测启动耗时这一栏,112 个 server 有值:中位 3,866 ms,超过 5,000 ms 的有 40 个(35.71%),P90 到 12,236 ms。注意分母——112 个有耗时记录的 server,不是全部 161 个,所以这是偏乐观的一侧。
即便按这个分母,也有三分之一强的 server 需要 5 秒以上才就绪;最慢的那一成要 12 秒。宿主侧如果把连接超时压在 3 秒,你会在日志里看到成片连接失败,而 server 本身完全正常,只是还在跑初始化、拉依赖、建索引。坑点库把这一类归在容量与超时组,写法是「能连上但用不了」,与配置语法错是两回事,具体分组见 坑点库。
云上实操建议三条。连接超时按 P90 再留余量,配 15 秒;进程存活检查单独做,周期 30 秒,与连接超时解耦;首次启动和后续重启分开对待,首次要装依赖,慢是应该的,不要为了让它「看起来快」把超时又调回去。
还有一类超时不报错,只是变慢。工具数超过 40 的有 13 个,而中位数只有 4。工具多会挤占上下文,云上还多一层——响应体更大,跨可用区调用时延更明显。这类 server 该在网关层做响应大小限制,而不是靠调超时解决。
冷启动和热启动要分开看。P90 那 12,236 ms 里有相当一部分来自首次初始化:装依赖、建索引、拉一次远端清单。第二次启动通常快得多,因为缓存已经在盘上了。所以把「超时」当成一个固定值去调,方向就错了——按首次启动配,日常会觉得松;按日常配,第一次部署必然失败。可行的折中是给首次部署单独留一段观察期,等它跑过一次再回填超时值。
权限:一个进程一个系统用户
最后是收敛。常驻进程最容易犯的错,是用部署账号跑,而这个账号往往带 sudo。
第一,建独立系统用户,用 useradd --system --no-create-home --shell /usr/sbin/nologin,进程以它启动。第二,工作目录只给它需要的那一个,用 chown 精确到目录,不要用 777 兜底。第三,环境变量里不放长期凭据;采集里只有 1 个 server 标了需要授权,说明这类并不多,真遇到就走实例角色或临时令牌。第四,日志单独落一个目录并设轮转,不要和业务日志混在一起——出问题时你需要的是「这个进程做了什么」,不是「这台机器做了什么」。
还有一个容易漏的点:宿主本身也在这台机器上跑。如果宿主和 server 用同一个用户,等于把宿主的文件读写能力顺手交给了 server。分开之后,验收「工具列表非空」这一条才好单独定位,不然出了问题你会不知道是哪一层的权限在挡。
托管方式上,用 systemd 比用 nohup 稳。三个必填项:User= 指向那个系统用户,WorkingDirectory= 指向唯一那个目录,Restart=on-failure 兜住偶发崩溃。判据很简单——重启机器一次,进程自己回来,日志里没有权限拒绝,就说明收敛到位了。做不到这一点,说明还有地方依赖了登录会话里的环境变量。
总结
云上托管 MCP server 的难点不在安装,而在出网、超时、权限这三处默认值都在骗你;要把常驻进程排进生产,先按阿里云 ECS 的实例规格与出网能力核算一遍,再对照 按平台查宿主约束 决定每个 server 该常驻还是留在本机;主站侧想对照插件形态见 精选插件 Top 榜。
适合与不适合
适合:要把 MCP server 从本机迁到云主机常驻的人;安全组规则写成一坨「全部放通」、需要收敛的人;被「连接超时」误导过、怀疑 server 有问题的人;给团队定云上 MCP 托管规范的人。
不适合:只在本机试一两个 server 的人,直接本地跑更快;预算紧到只能用最小规格实例、又要求十几个 server 常驻的人,先减 server 数量比调超时有用。
标签:MCP、DeepSeek Harness、云上部署、出网策略、常驻进程
本文由 DeepSeek Harness Hub 自动整理,数据来源于 MCP 兼容手册的采集记录。