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:

  1. 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);
  2. 再挑一个 ping 跑通,感受一下"一次调用拿全量汇总";
  3. 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。