Nango：把"和第三方 API 打交道"变成一份可读代码的开源集成平台

一、一个工程师的真实困境

如果你做过 AI 产品，一定会遇到这样的场景：用户说"帮我把这周的日程同步到 Notion，把 CRM 里的客户拉出来做总结，再发到 Slack"。你打开代码仓库，发现要接入 Notion 得处理 OAuth2 授权码和 refresh token，接 Slack 要处理 bot token 过期，CRM 可能只有 API Key，还要按用户隔离凭证（租户隔离）、处理 429 限流重试、补 webhook 回调的验签。

一个集成拆开就是三到五周的工程量。接十个 API 就是两三个月，而你的产品迭代周期是两周。这就是 Nango 创始人 Robin Guldener 在 2023 年写下第一行代码时面对的问题——据其投资方 Gradient 的披露，Nango 自己的客户在切换之前，有 30%–40% 的工程周期消耗在集成工作上。

二、Nango 是什么

Nango 是一个开源的产品集成平台（integration platform），目前支持 1,000+ 个 API 和 30 多个品类。它的核心设计是把集成拆成三个原语（primitive）：

• Auth（鉴权）：托管 OAuth、API Key 和 token 刷新，凭证用 AES-256-GCM 静态加密存储，支持多租户连接管理。前端可以直接嵌入白标授权 UI。
• Proxy（代理）：代用户发起带鉴权的 API 请求，自动解析服务方、注入凭证、处理重试与限流。
• Functions（函数）：用 TypeScript 写集成逻辑，部署到 Nango 的生产运行时，具备内置 API 访问、重试、存储和可观测性。

如果把这套体系比作制造业，Auth 相当于"标准件供应商"（螺纹、轴承这些通用件不必自己造），Proxy 相当于"带料的加工中心"（自动上料、按工艺卡加工），Functions 相当于"客户可自定义的工装夹具"（产线主体不变，末端工序按需定制）。

图：Nango 官方文档中的平台能力概览界面

三、真正的差异化：代码优先，而不是黑盒

同期市场上有 Merge、Paragon、Tray、Apideck 等一批"托管集成"玩家，多数走低代码/黑盒路线：你在可视化界面上拖一个流程，平台生成配置。

Nango 选了一条更"工程"的路：集成就是 TypeScript 代码。你（或你的 AI 编码助手）写一个导出 default async function run(nango) 的函数，提交、编译、部署到 Nango 运行时。代码可读、可 review、可版本控制、可写单测，出问题时可以 git blame 而不是提工单等供应商复现。

这一点在 AI 时代被放大了。Nango 提供了一个通用的 "AI builder skill"（安装方式 npx skills add NangoHQ/skills -s building-nango-functions），Claude Code / Cursor / Codex 都能装。2026 年 6 月上线的 Function Builder 更是把这套流程做成了闭环：编码助手根据一句自然语言描述生成函数代码 → 编译 → 对着真实 connection 做 dry run → 直接部署到平台。他们称之为 "just-in-time integrations"。

图：Nango 平台架构，认证、代理、函数运行时与记录存储的分层关系

四、AI 智能体视角：从 MCP 到 Agent Session

对 AI 应用开发者来说，Nango 最有吸引力的部分是它的 Agent 工具调用链路。Nango 提供 Management MCP Server（https://mcp.nango.dev/mcp）让编码助手管理集成，同时内置 10,000+ 预置工具，覆盖 1,000+ API——即便某家 API 官方没有 MCP server，Nango 也能提供自己的 MCP 接入。

2026 年推出的 Agent Sessions 进一步抽象出"面向 AI 智能体的集成接口"，每个 session 包含三部分：代表"代表谁操作"的 Tenant、限定"能用哪些工具"的 Toolset、以及"如何发现和调用工具"的 Discovery。关键设计是智能体永远拿不到原始凭证，也无法自行扩大 session 权限范围。每次调用仍走 Nango proxy，因此凭证注入、刷新、审计日志一应俱全。官方还提供了从 Anthropic、Vercel AI SDK、Mastra 接入的示例代码。

图：Nango 的 MCP 集成链路，智能体通过受控会话调用外部 API

五、技术栈与工程实践

• 语言/运行时：TypeScript 全栈，Node.js ≥ 20，npm workspaces 单仓多包管理，共 46 个 packages（server、jobs、orchestrator、persist、runner、providers、connect-ui、webapp、billing、metering、sandbox 等）。
• 存储：PostgreSQL 16 为主库（Knex 迁移），另有 records 独立库、ClickHouse 用于可观测性数据，Redis 7 承担队列与缓存。
• 测试：Vitest 覆盖单测、集成、CLI 三套配置；集成测试用 Testcontainers 起真实 Postgres/Elasticsearch 容器；另有 provider 校验脚本（scripts/validation/providers）。
• 工程化：oxlint + Prettier + Husky + lint-staged，GitHub Actions 有 20 个 workflow（构建、发布、文档同步、provider scope 同步、token 校验等）。
• CI/CD：Docker 多阶段构建（node:22-bookworm-slim），镜像发布至 nangohq/nango-server，配合 GitOps 式发布流程。

图：请求经 Nango Proxy 注入凭证后转发到第三方 API 的链路

六、上手门槛与部署现实

自建路线有两条：免费自托管（功能受限）与 BYOC（Bring Your Own Cloud）（Nango 团队在你自己的云账号里部署运维，功能与 Cloud 齐平，需 Enterprise 计划）。仓库自带 docker-compose.yaml，起 Postgres、Redis、server 三件套，docker compose up 即可跑起来，但要配好 NANGO_ENCRYPTION_KEY、数据库连接、Dashboard 账号等环境变量。生产上还要补 Elasticsearch（可选日志后端）、ClickHouse（用量数据），以及 OAuth 应用审批（部分服务如 Gmail/Google Drive 可直接用 Nango 托管的预审 OAuth app）。

所以：想快速验证价值，5 分钟注册云服务即可；想自建落地，预留半天到一天（含数据源调试）更现实。

图：用户完成第三方服务授权的 Connect UI 动效

七、争议与局限

1. 许可证不是"真开源"。仓库标注为 Elastic License 2.0（GitHub API 因非 SPDX 标准返回 NOASSERTION，实际 LICENSE 正文为 ELv2）。ELv2 允许自托管商用，但禁止将平台本身作为托管服务对外提供。对想把它做成 SaaS 底座的团队，这是硬约束。
2. 自托管复杂度被低估。虽然 compose 文件齐全，但 46 个包、多数据库、OAuth 应用审核、密钥轮换，实际运维门槛明显高于"跑个 Docker"。
3. 商业版与开源版功能切割。RBAC、OpenTelemetry 导出、Connect UI 自定义、BYOC 属于 Growth/Enterprise 付费能力，免费自托管实例拿不到。RBAC 明确不支持免费自建实例。
4. 竞品压力。Scalekit 的对比文章指出，Nango 的 agent 能力（Agent Sessions）是"在既有集成平台前面加了一层 UX"，而非从零为 agent 设计的全新运行时，在最小权限的 agent 授权模型上未必占优。Merge、Pipedream Connect、Arcade 各有强项。
5. 平台锁定风险。虽然集成逻辑是代码，但运行时的连接模型、Toolset、事件机制都是 Nango 特有的抽象，迁移成本不低。

八、行业意义

Nango 的增长曲线印证了"集成正在成为 AI 产品的瓶颈"这一判断：2023 年从"API 鉴权开源项目"起步，到 2026 年 4 月宣布由 Gradient 领投的 750 万美元种子轮（Horizon、Y Combinator 参投，Notion 创始人 Akshay Kothari 等跟投），且公司在融资前已实现正向现金流。平台每月处理数十亿次 API 请求，官方客户包括 Replit、Ramp、Mercor、Motion、The Linux Foundation。

2026 年 10 月单月新增 52 个 API 支持，10 月底上线 Nango 托管 OAuth app（覆盖 75+ API，其中 Gmail/Google Drive/Google Calendar 通过 CASA 安全验证）。

它最有代表性的一点，是把**"AI 写代码"这件事直接嵌进了集成平台的产品形态**：不是一个外挂的 Copilot，而是让编码助手成为平台的一等公民——生成、编译、测试、部署一体化。对 AI Agent 生态而言，"谁能以最低摩擦让智能体安全地触达 1,000 个外部世界"，正在成为和"谁的基础模型更强"同等重要的一条赛道。Nango 的答案是：把连接层开源，把运行层产品化，让编码智能体来做最后 10% 的定制。

图：Nango 的调用日志面板，可按连接与请求级别追踪集成运行状况