🤖 AI 应用开发：MCP 的实现机制与 JSON-RPC 2.0 的深度解构

深度问题

核心解析

1. JSON-RPC 2.0 的基石：
• MCP 强制使用 JSON-RPC 2.0 规范，通过 Request、Response 和 Notification 三种消息类型构建通信。
• 无状态性：每个请求必须包含唯一的 id，Server 根据 method 执行操作并返回结果。这种设计使得 MCP 可以轻松适配 stdio、HTTP/SSE 等多种传输层。

2. 生命周期与能力协商（Capability Negotiation）：
• Initialize 阶段：连接建立后，Client 发送 initialize 请求，双方交换 capabilities。这决定了 Server 是否支持 Resources、Prompts 或 Tools。
• 动态发现：通过 resources/list 或 tools/list 方法，Client 可以在运行时动态获取 Server 暴露的能力，而无需硬编码。

3. 安全性设计：
• Roots 限制：Client 可以向 Server 提供 roots 列表，限制 Server 只能访问特定的文件系统路径。
• Sampling 机制：当 Server 需要调用 LLM 时，必须通过 sampling/createMessage 向 Client 发起请求，由 Client 决定是否授权及使用哪个模型。

面试官视角

“这个问题考察的是你对协议标准化的理解。一个优秀的开发者不仅要会用工具，还要理解工具背后的‘契约’是如何达成的。在 RAG 或 Agent 场景下，MCP 解决了‘工具集成碎片化’的核心痛点。”

🎮 游戏开发：延迟渲染 (Deferred Shading) 与前向渲染 (Forward Shading) 的架构权衡

深度问题

核心解析

1. 计算复杂度 (O(N*M) vs O(N+M))：
• Forward：每个物体都要对每个光源进行计算，复杂度随光源数量线性增长。
• Deferred：将几何信息渲染到 G-Buffer，光照计算在屏幕空间进行，复杂度仅与受光像素数相关，极大提升了多光源场景的性能。

2. 架构瓶颈：
• Deferred 的痛点在于 G-Buffer 的高带宽开销，且天然不支持 MSAA（因为深度信息在 G-Buffer 中已丢失）和 半透明物体（需要回退到 Forward 渲染）。

3. 移动端的进化：Tiled/Clustered Forward：
• 通过将屏幕空间划分为 Tiles 或 3D 空间的 Clusters，预先剔除不相关的光源。
• 它保留了 Forward 对 MSAA 和透明度的友好支持，同时通过“光源分桶”解决了多光源性能问题，非常适合移动端带宽受限的硬件环境。

面试官视角

“这个问题是图形程序员的必考题。它不仅考察你对渲染流程的熟悉程度，更考察你对硬件特性（如带宽、Tile-based GPU）的深刻理解。能够根据项目需求（如是否需要大量动态光源、是否追求极致抗锯齿）选择合适的管线，是资深引擎开发的标志。”