800个MCP Server、5000个工具:Uber怎么用网关管住智能体的调用
来源:InfoQ | 原文链接 | 发布日期:2026-11-18
随着 AI 智能体在企业内部被广泛采用,Uber 构建了一套 MCP Gateway,用于规范智能体发现和调用内部服务的方式,解决集成碎片化、基础设施重复建设和安全实践不一致等问题。该平台支持 800 多个 MCP 服务器和 5000 多个工具,为服务发现、协议转换、授权和执行提供统一层。
Uber 工程师把这套方案描述为一种微服务架构:可以把现有 API 直接暴露为 MCP 工具,而不需要修改底层服务。整体架构把作为控制平面的 MCP Registry 与负责运行时执行的 Proxy Gateway 分离。Registry 维护工具定义、Schema、所有权和启用设置;Proxy 把 MCP 请求转换为 HTTP、gRPC 或 TChannel 调用,再把响应转换回兼容 MCP 的结果。
这套设计与成熟的 API 网关模式被反复比较。微软 CoreAI 首席软件工程师 Ajay Sharma 在 LinkedIn 上评论:「Azure API Gateway 早就在做这件事了。这是一套将大语言模型带来的混乱重新整理为秩序的方法。」Pipe17 总裁 Kelly Goetsch 也指出,Uber 的新 MCP 网关看起来与过去几十年里为 API、后来又为 GraphQL 构建的网关完全相同。Tamir Dresher 则强调,安全、服务发现、可观测性和治理等传统分布式系统问题,在今天仍然具有重要意义。
工具目录怎么长出来是另一个关键问题。Uber 的 AutoCrawler 使用 Cadence 自动发现工具:扫描内部接口定义语言(IDL)注册表,从 Protocol Buffers 与 Thrift Schema 中提取 API 定义,生成兼容 MCP 的 Schema,并用大语言模型生成工具描述。新发现的工具默认保持禁用状态,直到其所属团队完成审核并明确启用;配置变更可以直接传播到数据平面,无需重启服务或重新部署。
权限与数据保护做在两层。网关通过 Uber 内部访问控制系统,在服务器和工具两个层级执行授权,并支持对工具响应中的个人身份信息(PII)与其他敏感数据脱敏。对于 Jira、Google 等第三方集成,一项独立服务会把内部用户 Token 交换为相应的第三方身份验证 Token。
当工具规模到几千个,把所有定义塞进智能体上下文就变得低效。Uber 为此开发了 Omni MCP,支持渐进式发现:智能体可以先搜索服务器、发现相关工具、获取单个 Schema,再按需调用选定工具。Response Projection 允许智能体指定需要的响应字段,而不必接收完整载荷。Uber 的 aifx 命令行界面也支持编码智能体发现和调用工具,并把结果写入文件以便选择性查看。
对正在自建智能体平台的企业来说,这套结构的可借鉴之处在于三点:把「有哪些工具」与「怎么执行工具」分成两个平面;新工具默认禁用、审核后启用;以及在规模膨胀后用量级更小的发现机制替代全量注入。
本文转载自 InfoQ,原文链接:https://www.infoq.cn/article/FrDlAvNIwkr8ttdvWMCC,版权归原作者所有。