My MCP server used to simply stop working. No crash dump. No stack trace in the logs. Clients connected without complaint, then after a few hours the whole thing went mute. Requests disappeared and the AI agent on the other end received nothing but blank air.

This is a frustratingly common story in the Model Context Protocol (MCP) ecosystem. The protocol defines how AI agents discover and call external tools, but the specification assumes you will handle errors yourself. Most tutorials and starter implementations skip past that part. They focus on the happy path: annotate a function, expose it through the server, and return a clean result. They rarely show you what happens when a network blip hits your external API, or when the model hallucinates a parameter name and sends garbage input. The result is a brittle server that looks healthy but has actually been dead for hours.

Why Blank Responses Are Worse Than Crashes

When an unhandled exception slips through in an MCP tool handler, the transport layer often swallows it. The server process stays alive, the socket remains open, but the client gets an empty response. This is more dangerous than a loud crash because your monitoring might not notice. The process is still running. The port is still listening. Yet every tool call returns nothing.

The AI model does not interpret silence as failure. It interprets silence as a successful call that produced no data. That blank response trains the model to improvise. It starts hallucinating facts to fill the gap, or it enters a loop of retrying the same broken call. Small issues like a transient network timeout or an invalid tool argument should never be allowed to cause this kind of behavior.

The Wrapper Pattern: Three Lines of Defense

I fixed this by wrapping every tool handler in a thin error-recovery layer. The wrapper does not try to predict every possible failure. It categorizes them and responds accordingly.

ConnectionError and TimeoutError
These arise when your server talks to an external API and the network wobbles. The instinctive fix is to restart the entire MCP server process. Do not do that. Rebooting drops active client connections, clears any in-memory state, and forces a full re-initialization. Instead, catch the connection failure and reconnect only the transport layer or HTTP client your tool uses. The server stays warm and ready for the next request immediately.

ValueError
This is what you see when the AI client sends malformed arguments. Maybe the model invented a parameter, passed a string where an integer was required, or forgot a required field. If you let this bubble up unhandled, the client gets either a crash or a blank reply. Catch it inside the wrapper, then construct a clear, specific message that tells the model exactly what went wrong. Explain which parameter failed and what was expected. Most modern AI models will read that message and self-correct on the very next turn. A vague error wastes a reasoning cycle. A precise error fixes the problem immediately.

General Exceptions
Keep a safety net. If an error falls outside the categories above, log the details for yourself and return a clean, generic failure response to the client. This prevents one weird edge case from killing the session for everyone. The server survives, the client gets a signal that something failed, and you keep enough context in your logs to debug later.

The isError Flag Is Non-Negotiable

Here is the detail that actually determines whether your fix works. MCP responses include an isError boolean field. If an exception occurs and you return an error message without setting isError to true, the client treats that error text as a successful tool result.

Imagine your external API hits a rate limit. You catch the exception and return the string "API rate limit exceeded" but leave isError as false. The client passes that string into the model's context window as if it were real tool output. The model then tries to reason over that text as if it were data. It might quote the error in a summary, or worse, it might hallucinate relationships between that error text and other facts. You have turned a temporary infrastructure hiccup into a source of misinformation.

Всегда устанавливайте isError в значение true, когда возвращаете полезную нагрузку с ошибкой. Это дает клиенту четкий сигнал о том, что вызов инструмента завершился неудачей, что позволяет модели решить, стоит ли повторить попытку, запросить уточнение или вовсе попробовать другой инструмент.

Знайте, что перехватывать, а что — «убивать»

Не оборачивайте весь сервер в слепой блок try-catch, который поглощает всё подряд. Некоторые ошибки означают, что сервер должен немедленно остановиться. Если при запуске отсутствует обязательная переменная окружения или файл конфигурации поврежден, никакой перехват на уровне запроса не поможет. Создайте специальный класс исключений для таких фатальных ошибок и позвольте им завершить процесс.

Правило простое. Если ошибка временная или касается только одного запроса, перехватите ее и восстановите работу. Если же ошибка означает, что каждый последующий запрос гарантированно завершится неудачей, позвольте серверу «упасть» громко. Быстрый сбой при запуске бесконечно лучше, чем сервер, который днями работает в неисправном состоянии.

Добавляйте наблюдаемость до того, как она вам понадобится

Как только вы внедрили обертку, дополните ее структурированным логированием. Логируйте каждый вызов инструмента и его результат в формате JSON. Включайте имя инструмента, исходные аргументы, задержку (latency) и информацию о том, прошел ли вызов успешно, завершился ли ошибкой или был повторен.

Такая дисциплина быстро окупается. Когда вы заметите всплеск ошибок, вы сможете отфильтровать их по инструменту и за считанные минуты выявить закономерности. Возможно, какой-то внешний API начинает выдавать тайм-ауты в одно и то же время каждый день, указывая на окно планового обслуживания, о котором вы не знали. Возможно, один инструмент постоянно получает некорректные аргументы, что выявляет ошибку в промпт-инжиниринге на более раннем этапе. Обычные текстовые логи, погребенные в стек-трейсах, превращают такую детективную работу в мучение. Структурированный JSON делает ее тривиальной.

Результат в продакшене

Последние три недели я использую этот паттерн обертки на двух рабочих MCP-серверах. За это время я не зафиксировал ни одного скрытого сбоя. До добавления обертки у меня в среднем случалась одна необъяснимая ошибка в день. Паттерн несложный, но его эффект колоссален, потому что он отделяет допустимый шум от реальных проблем.

Скрытые сбои обходятся дороже, чем падения. Падение активирует вашу систему оповещения. Молчание же просто подрывает доверие. В один день ваш ИИ-агент возвращает полезные данные из инструментов, а на следующий — начинает выдумывать ответы, потому что сервер перестал отвечать несколько часов назад. Паттерн обертки устраняет этот разрыв. Он позволяет серверу продолжать работу при незначительных сбоях, дает модели достаточно контекста для исправления собственных ошибок и гарантирует, что если произойдет что-то действительно фатальное, вы узнаете об этом немедленно.

Если вы создаете MCP-инструменты сегодня, начните с обертки и флага isError. Все остальное — лишь доработка деталей.