真实提供商与 MCP 联调压测报告

日期：2026-09-06。代码基线：cec8daa，分支 feat/chat-retrieval-markdown。环境：Windows、本地 AI Core HTTP 服务、现有 DeepSeek deepseek-v4-flash、已注册的 MiniMax Coding Plan MCP。未使用 Mock 替代下面的模型或 MCP 调用。

1. 结论

普通流式对话、按需检索、聊天创建智能体、内置与 Plugin 工具、MCP 网页搜索、任务读取和经过权限确认的任务修改均完成。任务 API 在独立进程中以 20 并发完成 1,000 个任务的创建、分页、更新和删除，最终无残留，健康检查无错误。

真实模型部分为小规模并发联调，最高两路并发，不代表厂商吞吐极限。未进行图片理解、上传解析、浏览器渲染、断网重连或长期稳定性压力测试。本报告的历史回读与 Trace 验证通过 HTTP 完成，不等同于浏览器逐项点击验证。

2. 真实对话与工具结果

场景	耗时（秒）	验证结果
普通对话，两路并发	5.281 / 5.297	均收到 ThinkingDelta、TextDelta、Usage、Done，无 Error；每个会话保存 2 条消息
按需知识库检索	44.250	实际调用 3 次 rag.search；返回 15 条来源；正文包含数字引用
对话创建智能体	14.203	实际调用 agent.create，返回真实 run_id；对话流结束后继续等待智能体终态
被委托的智能体	10.443	调用 markdown.catalog 成功，终态 completed；耗时来自 Trace，与对话耗时存在重叠
MCP 网页搜索，16,000 Token 预算	8.344	mcp.9ca7ee21603a.web_search 成功，智能体 completed
内置与 Plugin 工具，16,000 Token 预算	10.391	chat-policy.plan、math.add、markdown.catalog 均成功，智能体 completed
任务只读工具	4.312	tasks.list 成功，智能体 completed
任务写入与权限确认	5.187	tasks.update 触发一次确认，allow_once 后指定测试任务变为 done，智能体 completed

普通对话首个流事件分别在 4.906 和 4.812 秒到达；此指标不是首个正文字符时间。检索场景首事件为 4.687 秒。

检索回答保存的来源具有 citation_id、note_id、block_id、file_path、偏移和 number；正文的数字标记与来源记录一起持久化。保存的是候选来源集合，前端仍应按正文引用筛选展示。

2.1 Token 边界结果

首次将直接创建的两个智能体预算设为 6,000 Token：MCP 搜索与三项内置/Plugin 工具都执行成功，但智能体分别在累计 6,960、6,487 Token 后以 TOKEN_BUDGET_EXCEEDED 结束，无最终正文。不能把这两次运行算作完整成功。

随后以 16,000 Token 重跑，两者均完成，分别使用 6,941、3,477 Token。两次模型规划和输出不同，因此第二次 Token 更少不代表缓存或性能优化。现有预算是累计调用的终止约束，并非能够精准阻止当次请求超出余额；如需要严格费用上限，应继续评估每轮输出额度与输入估算。

2.2 持久化和回放

回读四个成功运行的 Trace，事件分别为 11、11、15、11 条，序号连续，summary.errors 为 0，终态均为 completed。未重启服务验证中断恢复。

可在本地 AI 对话页面找到四个以 [真实压测] 开头的会话。智能体运行记录保留用于复核；真实任务写入测试仅修改本次创建的唯一任务 ID，结束后该测试任务已删除，未修改原有任务。

3. 任务 HTTP 压力测试

命令（仓库根目录）：

backend/.venv/Scripts/python.exe backend/scripts/task-http-stress.py --count 1000 --concurrency 20 --output .local-plans/task-http-live-report.json

脚本在独立临时目录中启动 Uvicorn，通过真实回环 HTTP 操作任务，使用真实 SQLite 持久化；不复用用户数据库，也不调用外部模型。

操作	次数	P95（ms）	最大值（ms）
创建	1000	145.84	189.59
更新	1000	157.51	287.81
删除	1000	153.48	178.98
分页与收尾查询	11	26.59	26.59
健康检查	310	31.50	123.49

总耗时 19,569.35 ms。分页获取的 ID 集合与创建集合一致；更新结果均为 done；最终任务数为 0；健康检查错误数为 0。该耗时不含服务启动。

首次运行已完成全部任务操作，但在取消健康检查协程的收尾阶段未退出、未写出报告。临时库与操作日志证明业务操作已完成；本次将脚本改为 Event 通知退出，并设置有界等待，重跑成功。未将首次未收尾运行纳入性能统计。

4. 复核方法

从 GET /api/providers 选择现有真实提供商及默认模型，不输出或复制凭据；通过 GET /api/tools 和 /api/mcp/servers 检查工具注册与服务状态。
使用 POST /api/chat/conversations 创建带压测前缀的会话，再以 POST /api/chat 读取 SSE，统计事件、首事件延迟、错误和工具调用。普通对话关闭 use_rag；检索场景开启 use_rag；委托场景开启 allow_agent。
检索提示词为“实际检索 Markdown 警告框，简要说明并用数字引用来源”；委托提示词要求创建只读智能体，调用 markdown.catalog。回读会话消息检查正文和来源字段，检查 agent.create 返回的真实运行终态。
使用 POST /api/agent/runs 设置明确 allowed_tools、max_steps 和 token_budget。MCP 场景仅允许网页搜索，查询 Python official documentation 一次，allow_network 为 true；其他场景不允许网络。
任务写入场景先通过 API 创建唯一测试任务，仅允许智能体使用 tasks.update 修改该 ID 的 status 为 done。只对完全匹配此调用的权限票据提交 allow_once；回读任务状态后删除该测试任务。
GET /api/agent/runs/{run_id}/trace 验证事件序号、工具结果、模型调用计数和终态。任务批量正确性使用上面的独立脚本验证。

本机原始结果保存在 .local-plans/live-chat-report.json、live-agent-retest.json、live-trace-report.json、live-task-agent-report.json 和 task-http-live-report.json；该目录不提交。附件与委托的定向后端回归另执行 10 项测试，全部通过。

5. 提交与推送状态

功能改动提交为 cec8daa，报告与压测脚本修正提交为 266608b。首次推送时 Gitea 返回 Failed to authenticate user；完成压测后重试成功，以上提交已推送至 gitea/feat/chat-retrieval-markdown。本地 Vault 的既有未提交改动保持原样。

6.5 KiB Raw Blame History Unescape Escape