最近在折腾MCP（Model Context Protocol）工具服务器，把几个本地推理模型封装成了MCP server，用PyTorch做后端。客户端是多轮对话，每轮都会调一次工具，但跑几轮之后请求就超时了，日志里显示“tool call timeout”。我看了下，单次推理明明很快（1-2秒），但累计到第3、4轮就开始卡死。怀疑是不是PyTorch的显存/线程没释放干净，或者MCP的session状态没处理好？还是说MCP本身就不适合这种高频、有状态的推理场景？求有经验的大佬指点下，换gRPC或者直接REST会不会更稳？