最近在折腾MCP（Model Context Protocol）落地的项目，想把我们内部训练的PyTorch模型通过MCP server暴露给外部Agent调用。现在卡在数据流设计上：模型推理要传tensor，但MCP走的是JSON-RPC，只能传序列化数据。我目前是前端把numpy数组转base64塞进JSON里，后端再解码，但感觉这样好笨重，而且图片这种大体积数据一多延迟就上来了。看官方文档只讲了工具调用和资源映射，没具体说怎么跟推理服务（比如Triton或Ray Serve）衔接。想问问大家生产环境里是怎么处理的？是直接在MCP server里内嵌模型，还是设计成代理转发到推理集群？有没有延迟和吞吐还不错的模式？新人求指点。