Uber建MCP网关:800个服务器、5000个工具,智能体集成有了统一入口
Uber 构建 MCP 网关,统一治理对 800 多个服务器和 5000 多个 AI 智能体工具的访问。
Uber 在公司内部推广 AI 智能体时,搭了一套
MCP Gateway,用来统一智能体发现和调用内部服务的方式。集成碎片化、基础设施重复搭建、安全做法不统一,这些问题都指向同一个缺口,这个平台就是来补的。目前它接入了 800 多个 MCP 服务器、5000 多个工具,服务发现、协议转换、授权和执行都归到一层里完成。
Uber 的工程师把这套方案称作一种微服务架构:现有 API 不用改动底层服务,就能直接以 MCP 工具的形式暴露出来。
架构上,控制平面是 MCP Registry,运行时执行交给 Proxy Gateway,两者彼此分开。工具定义、Schema、归属关系和启用状态由 Registry 维护;Proxy 负责把 MCP 请求转成 HTTP、gRPC 或 TChannel 调用,拿到响应后再转回 MCP 兼容的格式。

这套架构被拿去和已经成熟的 API 网关模式做对比。Microsoft CoreAI 首席软件工程师 Ajay Sharma 在 LinkedIn 帖子中回应说:
“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 发帖指出:
“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 在 LinkedIn 帖子中强调,安全、服务发现、可观测性、治理这些传统分布式系统问题,放到今天依然重要。
工具发现由 Uber 的 AutoCrawler 借助 Cadence 自动完成。它会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,要等所属团队审核通过、明确启用之后才会生效。配置改动可以直接推到数据平面,不需要重启服务,也不用重新部署。

授权在服务器和工具两个层级上执行,走的是 Uber 内部的访问控制系统。工具响应里的个人身份信息(PII)等敏感数据,也能做脱敏处理。至于 Jira、Google 这类第三方集成,另有一项独立服务负责把内部用户 Token 换成对应的第三方身份验证 Token。
工具目录越铺越大,把几千个工具的定义一股脑塞进智能体上下文,效率会明显下降。Uber 因此做了 Omni MCP,支持渐进式发现:智能体可以先搜索服务器、找出相关工具、单独取一份 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,不必接收完整载荷。Uber 的 aifx 命令行界面同样支持编码智能体发现和调用工具,结果会写入文件,方便有选择地查看。