最近在折腾MCP（Model Context Protocol），想把它接到我们现有的PyTorch训练流程里，主要是想让外部工具能动态调用模型推理接口，避免每次都要重启服务。
但看了一圈文档和开源项目，发现有人用JSON-RPC直接封装，也有人用gRPC做传输层，还有直接改FastAPI的。我有点懵——MCP本身不是规定了消息格式和交互流程吗？那传输层是不是可以随便换？还是说必须严格走SDK默认的stdio/HTTP？另外，如果模型服务是分布式的（比如多卡推理），MCP这边需要自己做负载均衡吗，还是框架层面（比如Ray Serve）能直接兼容？
希望各位大佬给点实际经验，别只丢论文链接，谢谢！