registry

项目背景：一座连接 AI 与工具的「桥梁」

想象一下：你让 AI 助手完成一个任务，它需要读写文件、查数据库、调用 API——但每换一种工具就得重新配置、重新学习。Anthropic 在 2024 年 11 月提出的 Model Context Protocol（MCP）就是为了解决这个问题：定义一套统一的通信协议，让 AI 模型能「即插即用」地连接各种数据源和工具。而 MCP Registry 就是这个生态系统的「应用商店」——它是一个社区驱动的 MCP 服务器索引与注册服务。

项目的发起方是 Anthropic 内部员工 Adam Jones（@domdomegg），由 MCP 官方团队维护，同时得到了 GitHub、PulseMCP、Stacklok 等公司和社区贡献者的支持。自 2025 年 9 月开放预览版以来，已经积累超过 6800 颗星，成为 MCP 生态的核心基础设施。

解决什么问题？

在 MCP 出现之前，每个 AI 编程工具（如 Cursor、Windsurf、Continue）想接入新工具，都需要自己写适配器代码。开发者每做一个新工具，AI 客户端就得跟着适配一次，造成大量重复劳动。

MCP Registry 的核心价值就是打破这个瓶颈——它扮演的角色，类似于 npm 之于 JavaScript 开发者，或 Docker Hub 之于容器化应用：

• 对于 MCP 服务器开发者：只需按规范提交 server.json，即可触达所有支持 MCP 的 AI 客户端，无需逐一适配。
• 对于 AI 工具开发者：只需接入 Registry API，即可获取数千个现成工具，大幅降低集成成本。
• 对于终端用户：在支持 MCP 的 AI 应用中，可以像装 App 一样浏览和安装各种 MCP 服务器。

核心功能与技术实现

服务器注册与分发

Registry 本质上是一个带版本控制、身份验证和内容审核的服务器目录数据库。开发者通过 Publisher CLI 或 GitHub Actions 将 MCP 服务器注册到 Registry，系统会验证服务器配置的 schema 合规性、namespace（命名空间）所有权以及内容安全性。

支持的 namespace 类型包括：

• io.github.<username>/<repo>：GitHub 用户名命名空间，需 GitHub OAuth 登录或 GitHub Actions OIDC 验证。
• <domain>/<path>：自定义域名命名空间，需通过 DNS 或 HTTP 挑战证明域名所有权。

技术架构

项目采用 Go 1.26 构建，核心依赖包括：

• Huma v2：轻量级 RESTful API 框架，替代传统 gin/fiber，提供自动 OpenAPI 文档生成。
• pgx v5：PostgreSQL 高性能驱动，处理所有数据持久化。
• go-oidc v3：OpenID Connect 实现，支持 Google 等第三方 SSO 登录。
• go-containerregistry：容器镜像验证，确保发布的服务器镜像可访问。
• jsonschema/v5：JSON Schema 校验，验证所有入站 server.json 配置。
• Prometheus：通过 OpenTelemetry 导出指标，用于生产环境监控。
• Pulumi：基础设施即代码，用于生产部署配置。

架构采用分层设计：cmd/ 下是入口点，internal/ 下按功能划分（api、auth、database、service、validators、telemetry），pkg/ 下是对外暴露的 API 类型和数据模型。这种结构将私有实现与公开接口严格分离，便于维护和测试。

认证与安全

Registry 实现了多层次的认证机制：

1. GitHub OAuth：个人开发者通过浏览器登录 GitHub 获取 token。
2. GitHub OIDC：在 GitHub Actions 中运行时，通过 OIDC 动态获取短期 token，无需存储密钥。
3. DNS / HTTP 挑战：对于使用自定义域名的开发者，通过 Let's Encrypt 风格的挑战验证域名所有权。

此外，Registry 包含完整的内容审核（moderation）机制，维护了一份黑名单（namespace blocking），防止恶意或低质量服务器污染生态。

部署方式

本地开发（推荐）

# 安装依赖：Docker、Go 1.24+、ko、golangci-lint
make dev-compose

make dev-compose 会自动使用 ko 构建容器镜像，加载到本地 Docker daemon，然后启动 registry（:8080）和 PostgreSQL（临时存储）。首次启动会自动从生产环境拉取一份筛选后的种子数据，确保本地环境与生产行为一致。

生产部署

预构建镜像托管在 GitHub Container Registry（ghcr.io），支持多种版本标签：

标签	说明
latest	最新稳定 release
main	main 分支最新构建
v1.x.x	指定 release 版本
main-YYYYMMDD-<sha>	特定 commit 构建

注意：预构建镜像不包含 PostgreSQL，需自行连接外部数据库（通过 MCP_REGISTRY_DATABASE_URL 环境变量配置）。生产部署使用 Pulumi 管理，配置参考 deploy/ 目录。

硬件需求

Registry 是轻量级服务，不需要 GPU。最低配置：512MB 内存、1GB 磁盘空间。生产环境推荐 1GB+ 内存以应对并发请求。

API 与集成

Registry 提供完整的 RESTful API，文档地址：https://registry.modelcontextprotocol.io/docs

核心端点包括：

• GET /v0/servers：获取 MCP 服务器列表，支持搜索过滤。
• GET /v0/servers/<namespace>：获取特定命名空间的服务器详情。
• POST /v0/servers：发布新服务器（需认证）。

API 已进入 v0.1 版本冻结期（2025年10月起），至少一个月内不会有破坏性变更，为集成方提供稳定的接入窗口。v1 GA 版本正在开发中，将引入更多企业级特性。

局限与挑战

服务本身无 Web UI

Registry 是一个纯后端 API 服务，不提供图形界面。服务器浏览需依赖第三方客户端（如支持 MCP 的 AI IDE）或访问文档站（https://modelcontextprotocol.io）。这对于非技术用户有一定门槛。

安全审核机制尚在完善

尽管有 namespace blocking 和内容审核机制，但作为一个开放注册系统，Registry 仍然面临恶意服务器伪装、依赖供应链攻击等风险。项目已引入容器镜像可达性验证，但完整的 SBOM（软件物料清单）审计尚未实现。

云服务商锁定

生产部署使用 Google Cloud（OIDC 集成 Google Auth）和 Pulumi，核心密钥管理依赖 Azure Key Vault。对于已有 AWS 或阿里云等基础设施的团队，可能需要额外的迁移工作。

行业意义

MCP Registry 的出现标志着 AI 工具生态从「封闭集成」向「开放协议」演进的关键一步。类似于 USB 接口统一了硬件设备连接、MQTT 协议统一了 IoT 通信，MCP 正在成为 AI 应用与外部工具交互的事实标准。

从增长曲线看，MCP 生态自 2024 年底发布以来呈爆发式增长：支持 MCP 的 AI 工具已覆盖主流 IDE（MCP 官方扩展支持 VS Code、Cursor、JetBrains 等），MCP 服务器数量也在快速扩张。Registry 作为生态的「发现层」，其重要性将随生态扩大而持续提升。

对于开发者而言，理解 MCP 协议和 Registry 的运作机制，已成为接入 AI 工具链路的必备技能。无论是为自有工具添加 MCP 支持，还是在 AI 应用中集成 Registry API 搜索工具，MCP Registry 都是值得深入了解的基础设施。