先问你一个问题:
当你把 Cursor 或 Claude 打开,敲下"帮我测一下 www.example.com 在全国各地的访问延迟"这句话时,你的 AI 会怎么回答?
如果它没有网络工具,它只会告诉你"我无法实时访问网络",或者,更糟的情况——编一个看起来很像真的数字给你。
而我这边现在的体验是这样的:
我: www.baidu.com 从电信线路访问,平均延迟多少?
AI: 调用了 3T测速的 ping 工具,106 个节点,92 个成功……电信线路平均 25.3 ms,移动线路 28.7 ms,有 2 个节点超时,分别是四川-乐山和德国-Bavaria。完整结果:https://www.3t.com/result/f23a14b2005cfbc6fe77
这个数字来自真实探测节点,不是猜的,也不是爬的。
差别在哪儿?就在这篇要说的东西上——MCP 接口。
一、为什么"让 AI 爬网页"这条路走不通
过去想让 AI 帮你测网速、查 DNS,只有两条路,都有明显的毛病。
路线 A:让 AI 爬工具网站的页面
听起来可行,实际全是坑:
- 前端一改版就全废。你辛苦写好的正则,撑不过一次 CSS 重构。
- AI 压根爬不到。 大多数工具站的结果页是 JS 动态渲染的,爬虫拿到的是空壳。
- token 烧得离谱。 一个 HTML 结果页动辄几百 KB,塞进上下文,还没问问题额度就没了。
- 最要命的——AI 会"脑补"。 表格里有几个
-占位符,它就可能理解成"延迟为 0ms"。
路线 B:自己写 HTTP 接口轮询
稍微专业一点的做法。但问题在于:
这类工具站的 API 基本都是异步任务模型——你提交一个测试任务,拿到 task_uid,然后得自己不停轮询状态,等所有节点跑完,再去取结果。
一次简单的 ping 测试,代码大概长这样:
POST /api/tool/ping → 拿到 task_uid
↓ 循环 GET /api/task/status 直到 completed
↓ GET /result/{uid}?format=json → 终于拿到结果
然后你会发现更坑的地方:失败原因是一段中文错误描述。于是你的代码里出现了这种东西:
if "超时" in error_msg or "timeout" in error_msg:
...
elif "解析失败" in error_msg:
...
# "目标不可达" 到底算超时还是算别的?
用关键词匹配甚至正则来判断失败类型,极易误判。而且文案一改,你的判断逻辑就静默失效。
二、MCP 是什么,为什么它能解决这个问题
MCP(Model Context Protocol)是让 AI 助手"发现并调用外部工具"的标准协议。你可以把它理解成:给 AI 装的一个 USB 口。
接上之后,AI 不再需要"猜"你的网站能干什么,它可以直接问:
我要调 tools/list → 服务端回:我有这些工具、这些参数、这些取值范围
然后 AI 就知道怎么正确调用了。参数名、是否必填、默认值、可选值,全部由服务端声明,不需要 AI 去逆向前端脚本。
而 3T测速刚上线的 MCP 服务,做了三件特别对口的事。
1. 一次调用,拿到全部节点的汇总
服务端替你完成了"创建任务 → 轮询状态 → 聚合结果"的全过程。一次 tools/call,直接拿到所有探测节点跑完后的结果。
上面那段三步轮询的代码,现在变成了:
tool_text("ping", target="www.baidu.com")
就一行。
2. 返回两份内容,一份给人(AI),一份给机器
这一点设计得挺巧妙,值得单独说:
content:文本摘要,固定列序的表格,带列名表头。直接读进 AI 上下文,token 开销最小。structuredContent:结构化 JSON,适合程序解析、写数据库、做告警。
你按需取用,不用两个都塞进上下文。给模型看 content,给代码用 structuredContent。
3. 机器可读的状态码,终于不用猜了
这是我认为最有价值的一处改进。每个节点的结果都有 status 字段,取值是枚举:
状态码含义该怎么处理ok成功—timeout超时放宽超时重试unreachable目标不可达检查路由dns_fail域名解析失败检查域名refused端口拒绝连接检查端口/防火墙error其它失败看 error_msg
官方明确说了:这个取值集合一经发布即视为契约,只增不改。
这意味着你可以放心地 switch (status),而不是 if ("超时" in msg)。
这里有个实战细节,很多教程不会提:status为error且error_msg是node not connected时,不是你测的目标挂了,是探测节点自己掉线了。做健康检查时一定要把这部分剔除掉,否则会误告警。我第一次接的时候就踩过这个坑。
三、接入有多简单
接口地址:POST https://www.3t.com/mcp
JSON-RPC 2.0,单次请求单次响应,无鉴权、无 API Key、无验证码。
先确认服务活着
curl -X POST https://www.3t.com/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'
Python 版通用封装(可直接复制)
import json, urllib.request
MCP_URL = "https://www.3t.com/mcp"
_next_id = 0
def mcp(method: str, params: dict | None = None, timeout: int = 180) -> dict:
global _next_id
_next_id += 1
payload = {"jsonrpc": "2.0", "id": _next_id, "method": method}
if params is not None:
payload["params"] = params
req = urllib.request.Request(
MCP_URL,
data=json.dumps(payload).encode("utf-8"),
headers={"Content-Type": "application/json"},
method="POST",
)
with urllib.request.urlopen(req, timeout=timeout) as r:
body = json.loads(r.read().decode("utf-8"))
if "error" in body:
raise RuntimeError(f"[{body['error'].get('code')}] {body['error'].get('message')}")
res = body.get("result", {})
if res.get("isError"):
raise RuntimeError(res["content"][0]["text"])
return res
def tool_text(name: str, **arguments) -> str:
"""返回文本摘要,喂给 LLM 最省 token"""
return mcp("tools/call", {"name": name, "arguments": arguments})["content"][0]["text"]
def tool(name: str, **arguments) -> dict:
"""返回结构化 JSON,喂给程序"""
return mcp("tools/call", {"name": name, "arguments": arguments})["structuredContent"]
然后用起来
# 让 AI 看这个(省 token)
print(tool_text("ping", target="www.baidu.com", node_groups=["telecom"]))
# 让代码看这个(能解析)
data = tool("http", target="https://www.3t.com")
ok = [r for r in data["results"] if r["status"] == "ok"]
print(f"成功 {len(ok)}/{len(data['results'])}")
返回的文本长这样:
# task_uid: 9aa1aa4112506c01b89a # tool_type: ping # status: completed # target: 1.1.1.1 # nodes: total=106 done=92 fail=14 # columns: node_id | node_name | region | isp | target | status | avg_ms | min_ms | max_ms | loss_pct | jitter_ms | error 132 | 河北-唐山 | 河北-唐山 | 电信 | 1.1.1.1 | ok | 5.1 | 5.1 | 5.1 | 0.0 | 0.0 | - 11 | 上海 | 上海 | 电信 | 1.1.1.1 | ok | 35.0 | 35.0 | 35.0 | 0.0 | 0.0 | - 116 | 陕西-渭南 | 陕西-渭南 | 电信 | 1.1.1.1 | ok | 5.0 | 5.0 | 5.0 | 0.0 | 0.0 | -
列名表头自带,固定列序,模型能稳定解析。这就是"为机器消费设计"该有的样子。
四、不止 5 个工具:实测发现比公告还多
这点我得单独说,因为我按官方公告搭环境的时候,发现线上实际提供的比公告写的多。
公告和 llms.txt 里写的是 5 个工具(ping / tcping / http / traceroute / dns),但我实际调 tools/list,拿到的是 8 个:
工具干什么用我的评价ping多节点 ICMP 延迟、丢包、抖动基础款,日常最常用tcpingTCP 端口连通性与连接耗时目标禁 ICMP 时的唯一解http状态码、响应时间、下载速度支持强制 HTTP/3,能验证是否真生效traceroute逐跳路径追踪定位"哪一跳开始出问题"dns多节点 DNS 解析(8 种记录类型)查多地解析不一致、DNS 污染ech 🆕检测域名是否发布 ECH 配置公告里没有,做 ECH 排查很香findping 🆕IPv4 地址段存活扫描C 段扫存活主机,一次 1024 个ssl 🆕证书、信任链、TLS、A+~F 评级证书到期体检,返回 days_left
给同行的一个建议: 不要硬编码工具清单,以 tools/list 的运行时返回为准。服务端在持续扩展,硬编码会漏掉新能力。我按公告只实现了 5 个路由,结果白白错过了三个高频运维场景。顺便说个值得表扬的细节:http 工具的 http_version 参数有 auto / http_1_1 / http_2 / http_3 四档,后三档是强制档——目标不支持时该节点直接判失败,不会静默降级。这一点很重要,因为"静默降级"是 HTTP/3 验证里最容易骗过人的坑:你以为开了 H3,其实全在走 H1.1,但一切显示正常。
但要提醒一句:工具描述里说"结果中的http_version是实际协商版本",这个字段确实在,但不在顶层,而在results[].detail.http_version(值是"HTTP/2.0"这种形式)。更坑的是,detail里还有个protocol字段——它表示的是 IP 协议版本(ipv4),不是 HTTP 版本。我第一次写解析代码就是把这两个搞混了。
所以建议:首次接入时先打印一次完整响应,逐字段核对,别照着文字描述直接写解析逻辑。
五、一个真实场景:把"测速"接进排查流程
这是我自己在用的一个套路,分层排查法:
1. dns → 解析对不对?多地是不是一致? 2. ping → 通不通?延迟/丢包多少?哪些线路异常? 3. tcping → ICMP 不通时,端口通不通? 4. traceroute → 在哪一跳开始崩的? 5. http / ssl → 服务本身和证书正常吗?
先 DNS 再 ICMP,能避开 80% 的误判。
然后再把"线路差异"变成结论——这才是 CDN 和多线问题真正该有的定位方式:
data = tool("ping", target="your-site.com")
by_isp = {}
for r in data["results"]:
# 剔除节点自身掉线的情况
if r["status"] == "ok":
by_isp.setdefault(r["isp"], []).append(r["latency_avg_ms"])
for isp, vals in sorted(by_isp.items(), key=lambda kv: sum(kv[1]) / len(kv[1])):
print(f"{isp:12s} 平均 {sum(vals)/len(vals):6.1f} ms (n={len(vals)})")
输出直接就是结论:
电信 平均 25.3 ms (n=42) 联通 平均 28.1 ms (n=31) 移动 平均 186.4 ms (n=19) ← 移动线路全线劣化
这个结论,比你说一百句"感觉移动有点慢"都有用。而且把 permalink 贴进工单,对方能自己打开核对:
https://www.3t.com/result/{task_uid}
支持 ?format=txt(token 最省,约为 JSON 的 3~4 成)、?format=json、?format=csv(直接导 Excel),全部无需鉴权。
六、几个必须提前知道的坑
踩过的坑,帮你省点时间。
坑 1:不要把标准 MCP SDK 直接连过去
标准 MCP 客户端默认走 Streamable HTTP,会期望 GET /mcp 开 SSE 流、期待 Mcp-Session-Id 会话头。这个服务是单次请求单次响应,两者都不提供。
解决方案只有两个:
- 用 HTTP 客户端手写 JSON-RPC 三个方法(二十行代码,本文给了);
- 写个 stdio 桥接脚本,把客户端请求原样转发过去。
坑 2:node_groups 过滤不严格
这个我实测发现的:指定 node_groups: ["telecom"],返回结果里仍然混进了联通、移动甚至海外节点。
所以做统计时,一定要按结果里的 isp 字段自己再过滤一遍,别假设入参和返回严格对应。
坑 3:函数名要叫 curl.exe
Windows PowerShell 里 curl 是 Invoke-WebRequest 的别名,参数格式完全不同。用 curl.exe。
坑 4:查询不了历史
官方说得很明白:"历史与时序查询"因为涉及"按目标反查",会改变现有的高熵 UID 寻址模型、存在数据暴露面风险,所以暂缓实施。
也就是说,每次调用都是"此刻"的快照,回答不了"这站最近一周稳不稳"。想要趋势,得自己定时调用并落库。这一点我认为官方处理得很克制——宁可少一个功能,不拿用户数据安全换。
坑 5:限流是按 IP 算的
整站每 IP 每分钟 300 次,超了直接 429。虽然 MCP 服务端已经做了并发控制(默认同时最多 4 个探测任务)帮你兜底,但一次 tools/call ≠ 一次请求,它占用的服务端时间更长。监控场景建议串行 + 缓存,别一个循环里疯狂并发。
七、这类改动,价值在哪
坦白说,3T测速这次更新没有增加任何新的探测能力。
它做的全是"让已有能力更好被机器读到":
- 统一参数契约(原来 DNS 端点只认
domain,别的工具用target,AI 首次调用经常因为这点挂掉); - 补齐状态码枚举(不用再正则匹配中文);
- 开放 MCP 标准协议(不用自己实现轮询)。
这类改动降低的是每一次调用的失败概率,收益不体现在"多了一个功能"上,而体现在"集成了三个月它还没坏"上。
我觉得这个方向是对的。现在太多工具站还在卷"节点数量""测试项多少",但真正的分水岭在于——你的东西,AI 能不能准确、稳定地用起来。
顺带一提,这家站还有个挺"反直觉"的取舍:结果页 /result/ 对包括 AI 爬虫在内的所有爬虫一律禁止抓取。理由是结果 URL 本身就是访问凭证,task_uid 是随机高熵值,放开抓取等于把用户的私有测试结果公开。
AI 需要的结构化能力,他们走 llms.txt 和 MCP 这两条显式、受控的通路提供。
——该封闭的封闭,该开放的标准开放。 这个边界划得挺清楚。
八、上手试试
总结一下你需要的东西:
项目内容MCP 端点POST https://www.3t.com/mcp协议JSON-RPC 2.0(initialize / tools/list / tools/call)鉴权无工具数8 个能力契约3t.com/llms.txt官方公告3T测速提供 MCP 接口帮助中心3t.com/help.html
建议按这个顺序上手:
- 先用
curl.exe打一发tools/list,看看它到底提供什么(别只看公告,要看实际返回); - 再挑一个
ping跑通,感受一下"一次调用拿全量汇总"; - 然后把它接进你的排查流程,或者直接配给 AI 助手当工具。
最后说个我的感受。
我们花了好几年教育 AI"不要瞎编数字"。但光靠提示词约束是没用的——你得给它一个能查到真数的地方。
MCP 这个协议本身没什么神奇的,它做的只是把"你能干什么、怎么调、返回什么"用机器能读的方式讲清楚。但就是这一层"讲清楚",让 AI 从"猜"变成了"查"。
那个从"猜"到"查"的瞬间,体验真的不一样。
本文基于 2026-11-17 对线上服务的实测整理。协议细节以 tools/list 运行时返回为准;所有示例代码均可直接运行,依赖仅 Python 标准库。
评论 (0)
暂无评论,欢迎留下你的看法。
发表评论