用 Rust 写 MCP 服务真的比 Python 快吗？

很多人觉得用 Rust 重写工具是为了追求那点运行速度，但其实在写 MCP 服务时，这完全是误区。因为这类服务绝大多数时间都在等网络 I/O（比如调用 AWS API），无论你用什么语言，等接口返回的时间都是一样的。

但我这次在公司尝试用 rmcp（官方 Rust SDK）替代原有的 Python 版本后，发现 Rust 的真正优势在于“部署成本”和“内存占用”。我们团队得管理 16 台 G5g 实例，如果每台机器都跑一个 Python 写的 MCP 服务，光内存就得吃掉 1.3GB 左右，而且还得处理各种虚拟环境和依赖冲突。换成 Rust 静态编译后的二进制文件，16 个服务加起来才占用 192MB 内存，启动时间从秒级直接掉到了毫秒级。最关键的是，它不需要安装 Python 解释器，直接扔个二进制文件上去就能跑，彻底解决了依赖漂移的问题。

如果你也想尝试用 Rust 搭建，可以参考这个实操流程：

一、环境准备与依赖配置

首先在 Cargo.toml 中引入必要的 crate。这里 schemars 非常关键，它能保证你的 JSON Schema 和代码结构完全同步，不会出现模型调用时参数对不上的情况。

[dependencies]
rmcp = "3.1.2"
tokio = { version = "1", features = ["full"] }
schemars = "0.8"
aws-config = "1.0"
aws-sdk-ec2 = "1.0"
aws-sdk-ssm = "1.0"
serde = { version = "1.0", features = ["derive"] }

二、定义工具与处理逻辑

在 Rust 中，你需要定义一个结构体来接收参数，并利用 JsonSchema 派生宏让 MCP 客户端（如 Claude Code）知道这个工具怎么用。

#[derive(serde::Deserialize, schemars::JsonSchema)]
struct EC2LaunchArgs {
    instance_type: String,
    ami_id: String,
}

// 在 handler 中实现具体的 AWS 调用逻辑
async fn handle_launch_instance(args: EC2LaunchArgs) -> Result<String, String> {
    // 这里调用 aws-sdk-ec2 的逻辑
    Ok("Instance launched successfully".to_string())
}

三、启动 stdio 传输服务

MCP 服务通过标准输入输出（stdio）与客户端通信。使用 rmcp 快速挂载工具并启动服务器：

#[tokio::main]
async fn main() {
    let mut server = rmcp::Server::new("aws-manager");
    
    server.add_tool("launch_instance", "启动指定类型的EC2实例", handle_launch_instance);
    
    if let Err(e) = server.run().await {
        eprintln!("Server error: {}", e);
    }
}

最后将编译好的二进制文件配置到 Claude Code 的配置文件中即可。对于只有一两个小工具的需求，Python 确实更快捷；但如果你在做企业级部署，或者像我们这样需要管理大量实例的 Agent 工作流，Rust 的确定性确实香得多。