给MCP网关做压测，最怕的不是跑不出数字，是跑出来的数字没法用。这次针对maximhq/bifrost的测试，目标很明确：把每请求延迟开销、并发工具调用吞吐、持续负载下的内存占用这三项指标，压出硬数据。

测试环境选在AWS t3.xlarge上，4 vCPU、16GB内存、Ubuntu 22.04。压测工具用k6 v0.54.0，配了一个自定义的MCP JSON-RPC stdio执行器。被测版本是Bifrost v0.8.2，开了语义缓存，接了三个上游LLM提供方：B-Lost中继、Anthropic直连、OpenAI。

负载曲线是这样设计的：3分钟内从10个虚拟用户爬升到500个，然后在500并发上持续5分钟。每个虚拟用户每800毫秒发一次MCP的tools/call请求，JSON载荷2KB。整套持续负载测试跑8分钟。

核心数字先摆出来：Bifrost给每次MCP工具调用增加的中位开销约为12ms，主要来自JSON-RPC解析和路由逻辑。但同一轮8分钟压测里，31%的语义缓存命中率把上游LLM的token成本压低了28%。

压力继续往上加，故障阈值出现在720并发虚拟用户附近，大约5900 RPS。这个点上三个信号同时恶化：p99延迟冲到2.1秒，错误率爬到4.3%，主要是上游提供方限流引发的ECONNRESET；内存峰值达到1.8GB，随后Bifrost内部的熔断器触发故障转移。

这组数据指向一个判断：在4 vCPU实例上，Bifrost的MCP网关模式大致能稳在5000 RPS左右。对中等规模的生产级agent集群来说，这个量级够用——按每天4亿次以上工具调用来算，落在可承载区间内。

那什么时候该上这个网关？素材给了三个明确的适用场景：

  • 多租户agent部署：需要跨50个以上并发agent会话做集中故障转移、负载均衡和按租户的预算管控。直连stdio的MCP服务器缺少横向扩展的基础能力。
  • 成本敏感型负载：agent反复调用相同工具时，语义缓存能省token，这在RAG检索和SQL查询模式里很常见。压测显示零代码改动就拿到28%的成本下降。
  • 异构提供方路由：agent栈需要按工具复杂度在Claude、GPT-4和开源权重模型之间动态路由时，Bifrost统一的OpenAI兼容API省掉了为每家提供方单独维护SDK的麻烦。

反过来，两种情况不值得付这个开销：在开发者笔记本上跑单租户CLI agent，或者每天工具调用不到1万次。12ms的中位延迟加上550MB内存占用，在低规模场景里换不回相应的收益。

复现路径也给了。配置侧开mcp_mode，端口8080，三个上游按名称挂载，语义缓存enabled设true、ttl设3600。压测脚本用k6，stages分两段：3分钟到500，再5分钟维持500，请求体是标准的JSON-RPC 2.0 tools/call，带read_file工具和路径参数，校验条件是状态码200且延迟低于200ms。启动命令用docker挂载config.yaml，再跑k6指定500虚拟用户、8分钟时长。

结论落在一条分界线上：生产级agent部署如果超过3000 RPS，或者需要多提供方故障转移，12ms的开销换语义缓存、熔断器和统一API带来的运维杠杆，是划算的。低于1000 RPS，直连stdio的MCP服务器更简单，也更省资源。