← 课程目录 🚀 从零到一
📐 学习维度 阶段6 · 第26章 AI 项目实战(11 个模板取 5 个精品化) 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

26.3 项目实战:企业 MCP 工具服务平台

审校 2026-09-25 · 素材来源:深度文15(AI项目实战03改写)、ai-agent-platform实践(脱敏)
📑 本篇章节导航 (共9节,点击直达)
架构:平台四件套三步接入:Starter 的威力网关五件事与四层安全AI 参数不可信:三层防线与 Function Calling 的关系版本治理与依赖图踩坑清单面试怎么问一句话总结

25.3 画过工具调用平台的理论图:网关、注册中心、四层安全。这一节是它的实现复盘——企业 MCP 工具服务平台(把内部业务 API 标准化封装为 MCP Server,让所有 AI 应用统一、安全调用的平台)。做它的动机极具普遍性:公司几十个内部 API,每接一个 AI 应用就要写一套定制 Function Calling,五个 AI 应用五套代码,权限混乱、无审计、新增工具要改所有消费方。平台的口号一句话:工具注册一次,所有 AI 应用通用。

架构:平台四件套


AI应用(Claude Code/Cursor/自研Agent/Spring AI应用)
   ↓ MCP协议(SSE/stdio)
MCPHub平台:
  MCP Gateway   鉴权/限流/路由
  MCP Registry  Nacos服务发现
  MCP Manager   工具注册/版本/监控
  Audit Logger  调用审计/统计
   ↓ 路由分发
订单MCP Server / 用户MCP Server / 报表MCP Server / 审批MCP Server
   ↓ 内部RPC → 原有业务API

这张图就是 25.3 的 M×N 收敛为 M+N 落成代码:工具方注册一次,应用方接一次网关,新增工具对存量应用零改动。平台上线后注册 12 个 Server、50 余个工具,服务 5 个 AI 应用,日均调用 3000+。

三步接入:Starter 的威力

开发者接入只需三步:引 starter 依赖;写 @MCPServer 类并在方法上标 @Tool(description=...) 加 @P 参数注解;配置文件写 Server 名与 Nacos 命名空间。Starter 的自动装配做四件事:扫描 @MCPServer 注解生成 MCP 协议规范的工具描述(JSON Schema)、启动 SSE/stdio 端点、注册到 Nacos、上报元数据(工具清单、版本、健康状态)。效果:新工具接入从 1~2 天缩到 10 分钟——14.1 自动装配的哲学在 AI 时代的复刻:约定优于配置,注解声明能力,框架干脏活。写操作的工具额外标 @RequiresApproval,进平台审批流。

网关五件事与四层安全

Gateway 用 Spring Cloud Gateway 加自定义 MCP 协议过滤器实现,五件事:统一入口(一个 URL 连全公司工具)、鉴权(API Key 加 IP 白名单,每个 AI 应用独立密钥)、限流(按应用维度每分钟 N 次)、路由(按工具名从 Nacos 查实例负载均衡转发)、审计(谁、何时、调了什么、参数、结果、耗时全量落盘)。安全管控四层对应 25.3 的纵深防御:应用级白名单(每个 AI 应用只能访问被授权的工具子集);高风险审批(@RequiresApproval 的取消订单/退款类操作创建审批单,通知审批人,同意才执行,30 分钟未批自动拒绝);参数校验(@Constraint 注解声明式校验格式与范围,AI 传参不合法直接拒绝并回错误信息让模型重新生成);审计日志(全程记录事后可追溯)。上线数据:审批拦截率 8%,调用成功率 99.5%。

AI 参数不可信:三层防线

这个项目最有面试价值的认知是:AI 生成的参数是一等公民风险源——传统接口的调用方是人写的代码,参数错在编译期与联调期就能拦住;AI应用的调用方是模型,它在概率里挑参数,每一次生成都可能跑偏,防线必须建在平台侧而不是信任模型。模型可能给 cancelOrder 传一个不存在的订单号、一个离谱的金额。防线三层:注解层 @Constraint 校验格式、必填、范围,不合法当场拒绝;业务层 Service 二次校验(订单是否存在、金额是否合理);审批层高风险操作人工确认参数合理性。拒绝时的返回也有讲究——把校验错误信息回给模型,它会自动修正参数重试,这比直接报错给用户优雅得多:校验器同时是模型的纠错反馈环。

与 Function Calling 的关系

面试高频辨析:Function Calling 是模型能力(模型决定调什么工具),MCP 是通信协议(工具怎么暴露给 AI 应用)——类比 25.3 用过的说法,Function Calling 是遥控器按键,MCP 是蓝牙协议,任何遥控器能控制任何设备。平台的价值在生态复用:内部 API 封装为 MCP Server 后,Claude Code 配置 mcpServers 即连,Cursor 同理,Spring AI 应用走 MCP Client,LangChain4j 走适配器——一次建设全公司共享。Server 挂了也有剧本:Nacos 心跳失败自动摘实例、每 Server 至少双实例负载均衡、不可用时返回友好提示、实例下线告警通知运维。

版本治理与依赖图

工具平台的长期命题是变更管理。每个 Server 升级若改了参数 Schema(工具签名变了),消费方按旧 Schema 生成的调用会全体失效——平台的对策是把「谁在用这个工具」记成依赖图:Server 注册时上报工具清单,应用授权时登记消费关系,变更发布时按图推送通知。发布节奏照搬 19.5 的灰度纪律:新版本工具先放给试点应用消费,观察调用成功率与参数错误率,稳定后再全量。审批流的另一处细节值得记:审批单要带完整参数快照(订单号、原因、发起的 AI 应用),审批人在手机上三秒看懂「哪个应用想干什么」——审批体验决定审批制度能不能活,看不懂的审批单只会被无脑点同意,那比没有审批更危险。

踩坑清单

面试怎么问

一句话总结

MCP 工具服务平台把 25.3 的治理蓝图跑成了真系统:Starter 把接入压到十分钟,网关四层安全把「模型想干什么」关进「平台允许它干什么」——AI 应用的企业级落地,最后一公里永远在治理不在模型。