Uber 建成 800 个 MCP Server 网关,智能体工具治理成新难题
Uber 构建了统一的 MCP Gateway,将 800 多个 MCP Server 和 5000 多个工具纳入集中治理,通过 Registry 控制平面与 Proxy 运行时分离的架构,把现有 API 直接暴露为 MCP 工具而无需改造底层服务。该方案被视为 API 网关模式在智能体时代的重演,也暴露出服务发现、授权、可观测性等传统分布式系统问题正随工具规模膨胀而集中爆发。
报道正文
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 工程师将该方案描述为一种微服务架构,可以将现有 API 公开为 MCP 工具,而无需修改底层服务。整个架构将作为控制平面的 MCP Registry 与负责运行时执行的 Proxy Gateway 分离。Registry 维护工具定义、Schema、所有权和启用设置;Proxy 则将 MCP 请求转换为 HTTP、gRPC 或 TChannel 调用,再将响应转换回兼容 MCP 的结果。

该架构被拿来与成熟的 API 网关模式比较。Microsoft CoreAI 首席软件工程师 Ajay Sharma 在一篇 LinkedIn 帖子中回复:
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 也在一篇 LinkedIn 帖子中指出:
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 在一篇 LinkedIn 帖子中强调,安全、服务发现、可观测性和治理等传统分布式系统问题,在今天仍然具有重要意义。
Uber 的 AutoCrawler 使用 Cadence 自动发现工具。它会扫描内部接口定义语言(IDL)注册表,从 Protocol Buffers 和 Thrift Schema 中提取 API 定义,随后生成兼容 MCP 的 Schema,并使用大语言模型生成工具描述。新发现的工具默认保持禁用状态,直到其所属团队完成审核并明确启用。配置变更可以直接传播到数据平面,无需重启服务或重新部署。

该网关通过 Uber 内部访问控制系统,在服务器和工具两个层级执行授权。它还支持对工具响应中的个人身份信息(PII)和其他敏感数据进行脱敏。对于 Jira 和 Google 等第三方集成,一项独立服务会将内部用户 Token 交换为相应的第三方身份验证 Token。
随着工具目录不断扩张,将数千个工具的定义全部载入智能体上下文会变得低效。Uber 为此开发了 Omni MCP,支持渐进式发现,让智能体能够搜索服务器、发现相关工具、获取单个 Schema,并按需调用选定的工具。Response Projection 则允许智能体指定需要的响应字段,而不必接收完整载荷。Uber 的 aifx 命令行界面也支持编码智能体发现和调用工具,并将结果写入文件,以便选择性查看。
原文链接:
https://www.infoq.com/news/2026/11/uber-mcp-gateway-ai-agents/