企业级 MCP 网关与注册中心：打破 AI 工具孤岛

痛点场景：一个团队的真实困境

想象这样一个场景：某科技公司的 AI 开发团队，同时使用 Claude Code 写代码、用 Cursor 做代码审查、用内部 Agent 处理自动化任务。三个工具各自连接不同的 MCP（Model Context Protocol）服务器——有的团队成员需要访问 GitHub，有的需要访问数据库，有的需要调用内部 API。每换一次工具，团队成员都要重新配置一遍认证信息；每个 MCP 服务器有独立的 token 和访问策略，信息安全团队无从审计。这种「工具孤岛」现象正在成为企业 AI 化最大的隐性成本。

MCP Gateway & Registry 正是为解决这个问题而生。它不是一个普通的 MCP 服务器代理，而是一个完整的企业级 AI 工具管控平台。

项目背景与起源

MCP Gateway & Registry 由 agentic-community 社区主导开发，定位为企业级 AI 工具管控平台。该项目最初专注于解决 MCP 协议的接入问题——MCP 是 Anthropic 在 2024 年底推出的开放协议，旨在为 AI 助手提供标准化的工具调用机制。随着 MCP 生态迅速扩张（GitHub、Cursor、Claude Code 等主流工具纷纷支持），企业面临的核心挑战变成了「如何集中管理、快速发现、精细授权」这些 MCP 工具。

项目将这个挑战扩展为更宏大的愿景：一个统一的 AI 资产注册与网关平台，不仅管理 MCP 服务器，还能注册 AI Agent、可复用 Skill（SKILL.md 格式）、自定义实体（n8n 工作流、策略、Prompt 模板等），并支持 A2A（Agent-to-Agent）协议，实现 Agent 间的动态发现与通信。

目前项目已获得 711 stars、192 forks，Apache-2.0 开源许可，在 GitHub MCP Gateway 类目中处于头部位置。

核心功能：从混乱到有序的治理框架

1. 统一的 MCP 网关入口

传统模式下，每个 AI 工具直连多个 MCP 服务器，每个连接需要独立配置认证。MCP Gateway 提供单一入口——AI 工具和 Agent 只需连接网关，网关负责路由到后端各个 MCP 服务器。这意味着：

• 一处认证，处处生效：通过 OAuth 2LO（双足认证）或 3LO（三足认证）完成企业 SSO 登录后，所有授权范围内的 MCP 工具自动可用

• 动态工具发现：AI Agent 可通过语义搜索（自然语言描述）找到合适的 MCP 工具，而非硬编码配置

• 统一审计：每一次工具调用都经过网关，支持 OpenTelemetry 全链路追踪，生成完整的可观测性数据

2. 多身份提供者（IdP）集成

企业级安全的关键在于身份认证。项目支持与主流 IdP 深度集成：

• Keycloak（开源）：完整的 OAuth2/OIDC 实现，支持动态客户端注册（DCR），已实现与 Claude Code、Codex CLI、Kiro CLI 的端到端测试

• Microsoft Entra ID：企业 Microsoft 365 生态的 SSO 入口，即将支持 Client ID Metadata Document（CIDM）实现无密码认证

• Okta：企业级 SaaS 身份管理

• AWS Cognito：云原生 AWS 应用的身份认证

这种多 IdP 支持是企业级平台的标配，小型项目往往只支持单一认证方案。

3. 混合语义搜索（Hybrid Search）

MCP Gateway 的搜索系统采用 Reciprocal Rank Fusion（RRF，k=60） 混合评分算法，融合精确关键词匹配与语义向量搜索。相比简单加法评分（会导致所有结果趋近 100% 匹配），RRF 能产生有意义的结果区分度。系统使用 Sentence Transformers 生成工具描述的语义向量，存储在 FAISS 向量索引中，支持跨语言、跨表述方式的工具发现。

搜索系统配有完整的评估框架，包含 100 个标注查询、10 个分类、离线评分和在线基准测试，输出 NDCG@10、MRR、Recall 等标准指标。

4. A2A 协议与 Agent 间通信

A2A（Agent-to-Agent）协议是 MCP Gateway 的重要扩展。项目集成 Cisco AI 的 a2a-scanner 实现 Agent 注册卡片（Agent Card）和 Agent 间的直接通信。这意味着：

• Agent 可以动态发现其他注册过的 Agent

• Agent 之间可以发起任务协作请求

• 跨框架（LangGraph、Strands Agents 等）的 Agent 也能互通

5. Skill 注册与安全扫描

Skill（SKILL.md 格式）是 AI 社区共享可复用工作流的标准化方式。MCP Gateway 提供了 Skill 注册系统，支持版本管理和安全扫描（通过 cisco-ai-skill-scanner），确保共享的 Skill 不含恶意代码或敏感信息泄露。

技术架构：现代化 Python 企业级设计

项目采用纯 Python 3.14+ 开发，代码质量标准极高，处处体现现代 Python 最佳实践：

Web 框架：FastAPI（异步高性能 REST API）+ Uvicorn，支持 OpenAPI 3.1 自动文档生成（openapi.json 达 644KB）

数据库层：

• MongoDB：文档数据库存储各类注册实体（服务器、Agent、Skill），schema 驱动设计，支持灵活扩展

• FAISS（CPU 版）：向量索引，用于语义搜索

AI 框架集成（全面且深入）：

• LangChain Core：工具适配层，langchain-mcp-adapters 实现 MCP → LangChain 工具的自动转换

• LangGraph：工作流编排，支持复杂多步骤 Agent 任务

• Strands Agents：另一主流 Agent 框架的适配

• Sentence Transformers：工具描述的语义嵌入

• LiteLLM：统一 LLM 调用接口，支持多模型切换

容器化：Dockerfile 基于 python:3.14-slim，包含 Nginx 反向代理（lua-cjson 扩展）、MongoDB 可选内嵌，暴露端口 8080/8443/7860

基础设施即代码：提供 Terraform 模块支持 AWS ECS/Fargate 部署，包含完整的网络、安全组、负载均衡配置

代码规范（在 CLAUDE.md 中明文规定）：

• uv + pyproject.toml 管理依赖（禁止直接 pip）

• polars 替代 pandas（现代 DataFrame）

• ruff 同时负责格式化和 linting

• mypy 严格类型检查

• 现代 Python 3.10+ 类型注解（X | None 替代 Optional[X]）

• 函数不超过 30-50 行，私有函数在文件顶部

测试体系：pytest + pytest-asyncio + pytest-cov + pytest-xdist（并行执行），按领域分单元/集成/E2E 三层测试

可观测性：OpenTelemetry 全链路追踪（FastAPI/MongoDB/httpx/异步自动插桩）+ Prometheus 指标导出

CI/CD：GitHub Actions + pre-commit（bandit/secrets scanning/semgrep）全链路安全扫描

部署体验：企业级部署的专业与门槛

支持的部署方式

项目提供了多种部署路径，适配从个人开发到大规模生产的需求：

| 部署方式 | 难度 | 说明 |

|----------|------|------|

| Docker（本地开发） | ⭐⭐ | Dockerfile 可直接构建，docker-compose 可一键启动 |

| AWS ECS/Fargate | ⭐⭐⭐⭐ | Terraform IaC 完整，但需 AWS 账号和配置知识 |

| Kubernetes | ⭐⭐⭐⭐ | 需 Helm Charts 配置（文档中未找到，有 Terraform） |

| 预构建镜像 | ⭐⭐ | 提供 GitHub Packages 镜像，节省构建时间 |

核心依赖

• Python 3.14+：必须，当前主流 Python 版本（3.11/3.12）无法运行

• MongoDB：必须，企业级部署推荐 MongoDB Atlas 云服务

• Keycloak / Okta / Entra ID：生产环境必须有企业 IdP

• AWS 资源（ECS 部署）：ECS Cluster、ALB、RDS、ElastiCache（Redis）等

Web UI

提供 Web 管理界面，支持服务器注册、发现、授权管理等操作。

部署难点

1. Python 3.14：这是目前较新的 Python 版本（截至 2026 年初），很多包尚未完全支持，需要预编译依赖

2. Keycloak 配置：OAuth 动态客户端注册涉及复杂的 IdP 配置，非运维人员难以独立完成

3. 多 IdP 适配：虽然支持多种 IdP，但每种 IdP 的集成方式和配置参数差异较大

4. MongoDB 索引优化：语义搜索依赖正确的 FAISS 索引，生产环境需要配置 Sentence Transformers 模型

适用场景与局限性

最适合的场景：

• 中大型企业 AI 开发团队，工具链复杂，急需统一管控

• 有专职 DevOps/平台工程团队，能处理 Keycloak 和 MongoDB 的运维

• 需要对 AI 工具使用进行安全合规审计的组织

• 多框架 Agent 混合使用（LangGraph + Strands 等）需要统一通信平权

局限性：

• 部署复杂度高，不适合个人开发者或小团队快速验证

• Python 3.14 要求较高，部分依赖可能存在兼容性问题

• 大量使用 AWS 生态，跨云（GCP/Azure）部署需要额外适配

• 深度依赖 LangChain/LangGraph，对其他 Agent 框架的适配成本未知

行业意义与趋势

MCP Gateway & Registry 的出现折射出一个明确趋势：AI 工具的「企业化治理」需求正在爆发。随着 Claude Code、Cursor、GitHub Copilot 等 AI 编程工具在企业中的普及，IT 安全团队面临的挑战已从「要不要让开发者用 AI」变成了「如何安全合规地让开发者用 AI」。

该项目将 MCP 协议从「个人开发工具」升级为「企业管控平台」，引入了 RBAC、审计日志、OAuth 集中认证、跨框架互操作等企业级特性。同时，A2A 协议的集成预示着未来 Agent 间协作的标准化方向——当每个 Agent 都能通过统一注册中心被发现和调用时，真正的「Agent 生态系统」才会形成。

增长方面，该项目月度增长趋势得分达 84.88（满分 100），在 MCP 相关项目中属于头部水平，反映了 MCP 协议本身的爆发式增长红利。