Uber推出MCP网关统一管理800余服务器与5000工具
随着AI智能体在企业内部加速落地,Uber构建了MCP Gateway,用统一方式管理智能体对内部服务的发现与调用。该平台目前支持800多个MCP服务器和5000多个工具,主要用于缓解接入碎片化、重复建设以及安全规范不一致等问题。
Uber将这套方案设计成类似微服务架构的两层系统,可在不修改底层服务的前提下,把现有API公开为MCP工具。控制平面的MCP Registry负责维护工具定义、Schema、归属团队及启用状态;执行平面的Proxy Gateway则把MCP请求转换为HTTP、gRPC或TChannel调用,并将结果重新封装为兼容MCP的响应。
这一设计也引发了与传统API网关模式的比较。Microsoft CoreAI首席软件工程师Ajay Sharma认为,Azure API Gateway早已承担类似职责,MCP网关本质上是在整理大语言模型带来的复杂性。Pipe17总裁Kelly Goetsch表示,它与过去为API、后来为GraphQL建设的网关高度相似。Tamir Dresher则指出,安全、服务发现、可观测性和治理等分布式系统问题,在智能体时代依然重要。
Uber的AutoCrawler借助Cadence自动发现工具。它会扫描内部IDL注册表,从Protocol Buffers和Thrift Schema中提取API定义,生成兼容MCP的Schema,并利用大语言模型编写工具描述。新工具默认处于禁用状态,只有所属团队完成审核并明确启用后才会开放;配置更新还能直接同步到数据平面,无需重启或重新部署服务。
在安全方面,网关接入Uber内部访问控制系统,分别在服务器和工具层面实施授权,并能对工具响应中的个人身份信息及其他敏感内容进行脱敏。对于Jira、Google等第三方服务,独立组件会把内部用户Token交换成对应的第三方认证Token。
当工具目录扩展到数千项时,将全部定义放入智能体上下文会造成效率问题。Uber因此开发了Omni MCP,支持渐进式发现:智能体可以先搜索服务器,再定位相关工具、获取单个Schema,最后按需调用。Response Projection允许智能体指定需要的响应字段,避免接收完整数据载荷;aifx命令行工具则支持编排智能体发现和调用工具,并将结果写入文件,供用户选择性查看。
本文基于公开渠道信息整理,内容可能存在不准确或遗漏之处,不代表本站立场,如内容涉及侵权或错误,请联系我们处理。
阅读原文