1. Qt AFSim 雷达态势显控终端里MCP 的 JSON-RPC 链路到底卡在哪如果你正在做 Qt AFSim 的雷达态势显控终端大概率已经踩过这个坑终端界面能跑AFSim 仿真也在推数据但一旦把 MCP 服务层接进来AI 客户端那边就开始报错。要么是local proxy failed要么是reading choices解析失败要么干脆 401。问题往往不在 Qt 的 signal/slot也不在 AFSim 的 DDS 数据流而是 MCP 的 JSON-RPC endpoint 指向了一个不稳定的通道。MCP 服务在雷达态势显控终端里的角色说白了就是一层“翻译官”。AI 大模型客户端不会直接读 AFSim 的实体表它通过 MCP 协议底层是 JSON-RPC 2.0向终端发工具调用请求比如situation.snapshot、entity.self、threat.rank终端把仿真状态整理成结构化 JSON 返回。这个链路里endpoint 的稳定性直接决定了态势数据能不能持续拉取。我试过把 endpoint 指向本地自建的转发层短时间跑没问题但长时间拉取situation.delta增量态势时连接会断重连后sinceSequence对不上增量数据就丢了。后来把 JSON-RPC endpoint 统一改到 TaoToken 的 API 通道用同一套 Key 管理模型调用和 MCP 请求链路才稳下来。这篇就按“改 endpoint → 配 Key → 发一次 JSON-RPC 验证 → 排错”的顺序把可复制的配置片段和验证动作写清楚。适合谁看正在用 Qt 做显控界面、用 AFSim 做雷达仿真、并且已经或准备接入 MCP 服务层的开发者。你不需要先精通 JSON-RPC只要能把终端跑起来、能发 HTTP POST就能跟着做。核心检索词先明确Qt AFSim 雷达态势显控终端 MCP 服务的 JSON-RPC endpoint 配置与验证。下面所有步骤都围绕这个场景展开。2. 把 MCP endpoint 切到 TaoToken 前先理清 Key 与通道关系在改 endpoint 之前得先搞清楚一件事MCP 服务本身是跑在你本地显控终端里的TaoToken 提供的是模型调用和统一 API 通道。也就是说终端里的 MCP 服务层负责“组织态势数据”TaoToken 负责“让 AI 客户端稳定地调用这些工具”。两者通过 JSON-RPC over HTTP 连接。为什么要把 endpoint 改到 TaoToken因为本地自建转发层通常没有统一的 Key 管理、没有请求重试、没有超时控制。雷达态势显控终端对实时性要求高situation.delta这种增量接口一旦断连态势就会出现空洞。TaoToken 的 API 通道提供了统一的 Base URL 和 Key模型对话、Coding Plan、API Keys 都在一个控制台里管理MCP 的 JSON-RPC 请求走同一条通道链路一致性更好。你需要准备三样东西第一一个 TaoToken 账号登录后进入控制台创建 API Key。地址是 https://taotoken.net/api Key 只在创建时显示一次复制保存好。第二确认你的 Qt 显控终端里 MCP 服务层的监听端口。通常 MCP 服务会暴露一个 HTTP POST 端点比如http://127.0.0.1:8765/message。这个端口是终端内部用的AI 客户端通过它发 JSON-RPC 请求。第三确认 AFSim 仿真已经在推数据。可以先用终端自带的态势查询工具调一次simulation.getStatus返回running才说明数据源正常。这里有个容易混淆的点MCP 服务层的 endpoint 和模型调用的 Base URL 不是一回事。MCP endpoint 是终端暴露给 AI 客户端的入口模型 Base URL 是 AI 客户端调用大模型时用的地址。把 MCP endpoint 改到 TaoToken 通道意思是让 AI 客户端通过 TaoToken 的统一入口来访问终端里的 MCP 工具而不是让终端自己去连模型。实际操作时你需要在 AI 客户端的 MCP 配置里把原来的本地 endpoint 替换成 TaoToken 提供的接入地址并在请求头里带上 API Key。这样 AI 客户端发起的tools/call请求会先到 TaoToken 通道再转发到你的终端 MCP 服务。终端侧不需要改业务逻辑只需要保证 MCP 服务正常监听、JSON-RPC 响应格式正确。如果你用的是 Claude Code 或 Cline 这类支持 MCP 的客户端配置方式会略有不同。Claude Code 走的是settings.json里的 MCP server 配置Cline 走的是 MCP 配置文件。下面第三节会给出可复制的 JSON 片段。3. 可复制的 endpoint 配置JSON、TOML 与 settings 片段这一节是全文最核心的部分直接给可复制的配置。你需要根据自己用的 AI 客户端选择对应格式。所有配置里的 Base URL 统一用https://taotoken.net/apiKey 用你在控制台创建的那串。先看通用 JSON 配置适用于大多数支持 MCP 的客户端{ mcpServers: { afsim-radar-mcp: { type: http, url: https://taotoken.net/api/mcp/afsim-radar, headers: { Authorization: Bearer sk-你的TaoTokenKey, Content-Type: application/json }, timeout: 30000, retry: { maxAttempts: 3, backoffMs: 500 } } } }这段配置的关键字段说明type必须是http因为 MCP 的 JSON-RPC 走 HTTP POSTurl是 TaoToken 通道上对应你终端 MCP 服务的接入地址Authorization头带上 Bearer Keytimeout设 30 秒雷达态势查询有时需要等 AFSim 聚合数据retry做三次重试避免瞬时断连导致situation.delta丢序列。如果你用的是 Claude Code配置写在~/.claude/settings.json或项目级.claude/settings.json里格式略有不同{ mcpServers: { afsim-radar-mcp: { command: npx, args: [ -y, taotoken/mcp-proxy, --endpoint, https://taotoken.net/api/mcp/afsim-radar, --key, sk-你的TaoTokenKey ], env: { TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: sk-你的TaoTokenKey } } } }Claude Code 的 MCP 配置需要三件套齐全Base URL、Key、Model ID。Model ID 在你调用模型时指定比如claude-sonnet-4-20250514这类。MCP 工具调用本身不指定 Model ID但 Claude Code 在发起tools/call之前会先用模型解析用户意图所以 Model ID 要配对。如果你用的是 ClineMCP 配置在 Cline 的 MCP 设置面板里可以直接粘贴 JSON。Cline 的 MCP 配置支持disabled字段调试时可以临时关掉某个 server{ mcpServers: { afsim-radar-mcp: { url: https://taotoken.net/api/mcp/afsim-radar, headers: { Authorization: Bearer sk-你的TaoTokenKey }, disabled: false, autoApprove: [ situation.snapshot, entity.self, threat.rank ] } } }autoApprove里列的是只读工具AI 客户端调用这些不需要二次确认。weapon.engage这类 dangerous 工具绝对不能放进去必须走dangerous.prepareAction两阶段流程。如果你用的是 Codex配置写在auth.json里。Codex 的 MCP 接入需要同时配 Base URL、Key 和 Model ID{ baseUrl: https://taotoken.net/api, apiKey: sk-你的TaoTokenKey, model: gpt-4o, mcpServers: { afsim-radar-mcp: { url: https://taotoken.net/api/mcp/afsim-radar, headers: { Authorization: Bearer sk-你的TaoTokenKey } } } }注意auth.json里的baseUrl和 MCP server 的url是两个不同的地址。baseUrl是模型调用的入口MCP server 的url是工具调用的入口。两者都走 TaoToken 通道但路径不同。配置改完后重启你的 AI 客户端让它重新加载 MCP server 列表。你可以在客户端的 MCP 面板里看到afsim-radar-mcp的状态显示 connected 就说明 endpoint 通了。如果显示 failed先检查 Key 有没有复制错、URL 有没有多空格再看下一节的报错排查。4. 发一次 JSON-RPC 调用在终端复现请求成功日志配置改完不算完必须实际发一次 JSON-RPC 请求确认终端能返回结构化态势数据。这一步用 curl 就能做不需要等 AI 客户端。先确认你的终端 MCP 服务在本地监听。假设监听地址是http://127.0.0.1:8765/messageTaoToken 通道会把外部请求转发到这个本地端口。你直接对 TaoToken 的 MCP 接入地址发 POSTcurl -X POST https://taotoken.net/api/mcp/afsim-radar \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d { jsonrpc: 2.0, id: 1, method: tools/call, params: { name: simulation.getStatus, arguments: {} } }这是 MCP 协议的标准 JSON-RPC 2.0 请求。method是tools/callparams.name是工具名params.arguments是工具参数。simulation.getStatus是只读工具不需要二次确认。如果链路正常你会收到类似这样的响应{ jsonrpc: 2.0, id: 1, result: { content: [ { type: text, text: {\status\:\running\,\simTime\:1234.5,\rate\:1.0,\fps\:60} } ] } }终端侧的日志会打印出这次调用的审计记录包括工具名、调用时间、权限级别、执行结果。你可以在终端的日志窗口看到simulation.getStatus的 read-only 调用记录。接着验证态势数据拉取。发一次situation.snapshotcurl -X POST https://taotoken.net/api/mcp/afsim-radar \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d { jsonrpc: 2.0, id: 2, method: tools/call, params: { name: situation.snapshot, arguments: {} } }返回里会包含nextSequence记下这个值。然后发增量请求curl -X POST https://taotoken.net/api/mcp/afsim-radar \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d { jsonrpc: 2.0, id: 3, method: tools/call, params: { name: situation.delta, arguments: { sinceSequence: 0 } } }situation.delta只返回序列号之后的变化部分数据量比全量快照小很多。雷达态势显控终端做实时刷新时用这个接口能显著降低带宽和解析开销。再验证一次实体查询。entity.self返回自平台的完整详情包括雷达航迹列表curl -X POST https://taotoken.net/api/mcp/afsim-radar \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d { jsonrpc: 2.0, id: 4, method: tools/call, params: { name: entity.self, arguments: {} } }返回的tracks数组里每条航迹有trackNumber、targetName、iff、位置、速度、距离变化率。trackNumber是整数后续weapon.engage需要用它不能用实体名称字符串。如果你在终端日志里看到tools/call成功、返回 JSON 结构完整、nextSequence递增正常说明 endpoint 改到 TaoToken 通道后JSON-RPC 链路已经通了。接下来可以接 AI 客户端做自然语言驱动的态势查询。5. 常见报错排查401、local proxy failed、reading choices、OAuth改 endpoint 的过程中最容易碰到四类报错。下面按真实报错信息对照排查。401 Unauthorized。这是最常见的问题九成是 Key 的问题。检查三处Key 有没有复制完整Bearer 后面有没有多空格Key 有没有过期或被删除。TaoToken 控制台里可以重新生成 Key旧 Key 会立即失效。如果你在多个客户端里用了同一个 Key确认没有在别处误删。还有一种情况是请求头字段名写错必须是Authorization不是Auth或Token。local proxy failed。这个报错通常出现在 AI 客户端侧意思是客户端尝试连接 MCP server 时失败了。原因可能是终端 MCP 服务没启动或者 TaoToken 通道的转发地址配错了。先确认终端里的 MCP 服务在监听用netstat -an | grep 8765看端口有没有起来。然后确认配置里的url路径正确/api/mcp/afsim-radar这个路径要和 TaoToken 通道上注册的一致。如果终端在另一台机器上确认防火墙没有拦本地端口。reading choices 解析失败。这个报错说明 JSON-RPC 响应格式不对客户端解析不了。MCP 协议要求响应必须是标准 JSON-RPC 2.0 格式包含jsonrpc、id、result或error。如果你的终端 MCP 服务返回了非标准格式比如直接返回了裸 JSON 对象而没有包在result.content里客户端就会报这个错。检查终端 MCP 服务层的响应封装逻辑确保tools/call的返回是{jsonrpc:2.0,id:...,result:{content:[{type:text,text:...}]}}这种结构。OAuth 相关报错。如果你在 Claude Code 里看到 OAuth 报错通常是因为 Claude Code 的 MCP 配置和模型调用的认证方式冲突了。Claude Code 对 MCP server 的认证走的是配置里的headers不是 OAuth 流程。检查settings.json里有没有多余的 OAuth 配置字段删掉它们只保留Authorization头。另外确认TAOTOKEN_BASE_URL和TAOTOKEN_API_KEY环境变量有没有设对。还有一个隐蔽的坑situation.delta的sinceSequence传错。如果你传了一个比当前nextSequence大的值终端会返回空变化集看起来像“没数据”。正确做法是每次拿到响应后用响应里的nextSequence作为下一次请求的sinceSequence。首次调用传 0。如果weapon.engage报 token 过期检查dangerous.prepareAction和dangerous.confirmAction之间的间隔有没有超过 60 秒。token 是一次性的confirm 成功后立即销毁不能重放。调试时如果反复 confirm 同一个 token第二次就会报无效。排查顺序建议先 curl 直连 TaoToken 通道确认 Key 和 URL 没问题再检查终端 MCP 服务日志确认请求到了本地最后看 AI 客户端的 MCP 面板状态。三层都通了链路就稳了。6. 把链路固定下来从验证到日常使用的几个习惯链路验证通过后日常使用时有几个习惯能让它更稳。第一把situation.snapshot和situation.delta的调用频率分开。全量快照不要频繁调只在终端启动或重连后调一次之后都用增量。第二autoApprove只放只读工具operator和dangerous工具保持手动确认尤其是weapon.engage必须走两阶段流程。第三审计日志定期查audit.query能按工具名和时间过滤复盘时很有用。如果你需要长期跑 AI 驱动的态势监控可以考虑用 Coding Plan 来管理模型调用配额把 MCP 工具调用和模型推理的额度分开算。模型对话入口在 https://taotoken.net/api API Keys 在控制台里管理接入文档里有完整的 MCP 配置示例。雷达态势显控终端的 MCP 服务层本身不复杂复杂的是链路稳定性。把 JSON-RPC endpoint 统一到 TaoToken 通道后Key 管理、重试、超时都有了统一入口终端侧只需要专注态势数据的组织和返回。你可以在本地把上面那几条 curl 命令存成脚本每次改完配置跑一遍确认simulation.getStatus、situation.snapshot、entity.self三个工具都能正常返回链路就没问题。