Uber建MCP Gateway:800个服务器、5000个工具,智能体集成走向统一
随着 AI 智能体在公司内部得到广泛采用,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,以解决集成碎片化、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 工程师将该方案
Uber 在企业内部大规模铺开 AI 智能体之后,搭了一套
MCP Gateway,用来把智能体发现和调用内部服务的方式管起来。他们要解决的是集成碎片化、基础设施重复搭建、安全做法不统一这几件事。这个平台接入了 800 多个 MCP 服务器、5000 多个工具,服务发现、协议转换、授权和执行都收拢到同一层里。
Uber 的工程师把这套东西说成一种微服务架构:现有 API 不用改底层服务,就能直接暴露成 MCP 工具。整体上,控制平面 MCP Registry 和负责运行时执行的 Proxy
Gateway 是分开的。Registry 管工具定义、Schema、归属关系和启用开关;Proxy 把 MCP 请求转成 HTTP、gRPC 或 TChannel 调用,拿到响应后再转回 MCP 兼容的结果。这个架构被拿去和成熟的 API 网关模式作比较。
Microsoft CoreAI 首席软件工程师 Ajay Sharma 在 LinkedIn 发帖回应说:“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 同样在 LinkedIn 上发帖表示:“Uber 的新 MCP 网关,看起来与过去几十年里我们为 API、后来又为 GraphQL 构建的网关完全相同。”
Tamir Dresher 也在 LinkedIn 发帖强调,安全、服务发现、可观测性和治理这些传统分布式系统问题,放到今天依然很重要。
工具是怎么被发现的?靠 Uber 的 AutoCrawler,用 Cadence 自动完成。它扫描内部接口定义语言(IDL)注册表,从 Protocol Buffers 和 Thrift Schema 里提取 API 定义,再生成兼容 MCP 的 Schema,工具描述则交给大语言模型来写。新发现的工具默认是禁用状态,要等所属团队审核完、明确启用才行。配置变更直接下发到数据平面,服务不用重启,也不用重新部署。
授权方面,网关通过 Uber 内部访问控制系统,在服务器和工具两个层级上做管控。工具响应里的个人身份信息(PII)和其他敏感数据也能脱敏。至于 Jira、Google 这类第三方集成,则由一项独立服务把内部用户 Token 换成对应的第三方身份验证 Token。
工具目录越滚越大,把几千个工具的定义一股脑塞进智能体上下文,效率会很难看。Uber 因此做了 Omni MCP,支持渐进式发现:智能体可以搜索服务器、找到相关工具、单独取某个 Schema,再按需调用选中的工具。Response Projection 让智能体自己指定要哪些响应字段,不必收下整个载荷。Uber 的 aifx 命令行界面同样能让编码智能体发现并调用工具,结果写进文件,方便有选择地查看。