MCP 閘道器(MCP Gateway)是 AI Agent 與 MCP 伺服器之間的集中管控入口。它可依使用者、團隊或應用程式身分,管理 Agent 能發現與呼叫哪些工具、將請求送往哪個伺服器,以及如何追溯呼叫結果。
企業導入 MCP 閘道器,可從一個唯讀流程開始,先驗證身分、最小權限與稽核紀錄,再逐步開放寫入操作。這篇指南以客服工單為例,說明架構分工、導入步驟及上線前應驗證的項目。
什麼是 MCP 閘道器?
MCP 閘道器是企業用來集中管理 MCP 工具存取的架構元件。MCP(Model Context Protocol,模型上下文協定)則定義 AI 應用與外部工具、資源交換資訊的方式。在工具整合中,MCP 用戶端可用 tools/list 取得工具及其參數定義,再用 tools/call 發起呼叫。
在集中式架構中,AI 應用內的 MCP 用戶端透過閘道器取得可用工具。發出呼叫時,閘道器依實作檢查身分、權限與政策,再將獲准的請求轉送至 MCP 伺服器。伺服器所提供的工具才會去查詢資料庫、讀取工單或呼叫業務 API。
工具可見性與執行權限要分開驗證
工具清單可以依使用者、Agent 或團隊篩選,讓每個工作流程只看見需要的工具。執行階段也要再次檢查授權。例如,客服 Agent 的清單只顯示查詢工單,測試時仍應直接對工單刪除工具發出 tools/call,確認請求會被拒絕。
身分驗證與下游授權分屬不同環節
閘道器先確認呼叫者身分,下游系統再依自身授權規則決定可以存取的資料與操作。若 Agent 代表使用者執行,應使用下游支援的委派方式或適用的權杖交換機制,並驗證權杖的適用對象和權限範圍。排程等無人值守流程則可使用權限範圍明確的服務身分。
MCP 閘道器、MCP 伺服器與 API 閘道器的差異
MCP 伺服器提供工具,MCP 閘道器管理工具的探索與呼叫,API 閘道器則負責 API 流量的驗證、路由與限流。三者可以搭配使用。例如,MCP 伺服器可透過既有 API 閘道器呼叫工單服務,上游則由 MCP 閘道器控管哪些 Agent 可以使用工單工具。
表格可左右滑動。
| 元件 | 主要職責 | 客服工單範例 |
|---|---|---|
| MCP 伺服器 | 公開工具與參數定義,處理工具呼叫。 | 提供查詢工單工具,將呼叫轉為工單系統的查詢。 |
| MCP 閘道器 | 集中治理 MCP 工具探索、呼叫授權與稽核。 | 依 Agent 身分允許查詢、拒絕刪除,並留下判定紀錄。 |
| API 閘道器 | 管理 API 端點的驗證、路由、流量與配額。 | 驗證工單 API 請求,並限制高頻查詢流量。 |
如果現有 API 閘道器已支援 MCP 流量,可用上表核對它是否也能依呼叫者篩選工具清單、對個別工具執行授權,以及記錄允許與拒絕的結果。這些能力會影響企業是否需要新增元件。
企業何時需要 MCP 閘道器?
當多個 AI Agent 共用工具、工具會讀取敏感資料或改寫正式系統,或團隊必須統一撤銷存取權與追查事件時,就值得評估 MCP 閘道器。單一團隊的唯讀概念驗證(PoC),若既有服務已能落實最小權限、憑證管理與紀錄,可先在既有架構完成驗證。
- 憑證分散。各個 Agent 分別保管金鑰時,先盤點憑證的所有者、存放位置、輪替方式與撤銷後的生效時間。
- 工具開放範圍過大。將查詢、更新與刪除分開授權,並核對測試環境能否接觸正式資料。
- 事件難以還原。讓閘道器、MCP 伺服器與業務系統的紀錄能用請求 ID 或追蹤 ID 對應,追查呼叫來源和執行結果。
- 寫入操作有業務影響。針對寄信、刪除資料或觸發部署等操作,定義執行前的確認或核准條件。
MCP 閘道器導入的 5 個步驟
先挑選一條資料範圍明確的唯讀流程,完成工具盤點、權限設定及允許與拒絕測試,再依業務風險逐項開放寫入。以下以客服 Agent 查詢工單為示意。
- 盤點工具與資料範圍。記錄工具名稱、負責人、連線端點、所屬環境、資料分級與可執行動作。先選工單狀態查詢作為試點。
- 註冊 MCP 伺服器並配置身分。在測試環境建立連線,核對傳輸方式與驗證機制,為試點配置範圍明確的服務身分或使用者委派,並定義憑證保管與輪替方式。
- 設定最小權限。讓客服 Agent 只看見並呼叫查詢工具。若每位客服只能讀取自己負責的案件,須在具備案件資料的工具或上游系統驗證案件歸屬。
- 驗證正常與拒絕路徑。測試合法工單查詢、跨團隊查詢、直接呼叫未授權工具、撤銷權限後重試,以及上游服務逾時。核對拒絕或失敗事件能否回溯。
- 分階段開放正式環境。先讓少數使用者試行,觀察錯誤率、延遲與紀錄完整度。新增工單更新前,先定義可修改欄位、需要人工確認的情況,以及發生誤寫時的補救流程。
上線驗收清單
驗收時,請用實際測試證明哪些呼叫會成功、哪些會被拒絕,以及出錯後如何追蹤與處理。針對已寫入外部系統的變更,另備補救流程,例如更正工單狀態或建立人工複核任務。
- 工具與資料授權。唯讀 Agent 能查詢授權範圍內的工單。直接呼叫隱藏工具、以參數指定其他團隊的工單,都會依政策被拒絕。
- 憑證與環境隔離。測試環境無法存取正式工單。完成金鑰輪替或權限撤銷後,用舊憑證重試並記錄實際的拒絕時間。
- 稽核與資料遮罩。管理者能依追蹤 ID 查到呼叫身分、工具、時間、政策判定和執行狀態。日誌依資料政策遮罩個資,並排除金鑰及存取權杖。
- 逾時與寫入重試。模擬上游逾時,檢查應用如何呈現失敗。對寫入類工具,先確認上游操作是否已完成,再依去重機制或人工處理流程決定是否重試。
- 網路與資料流向。驗證 Agent 無法繞過閘道器直連須受控的服務。部署在虛擬私有雲(VPC)或地端時,逐一確認模型端點、MCP 伺服器、第三方 SaaS 和日誌儲存的位置與出站路徑。
常見問題
既有 REST API 可以直接當作 MCP 工具嗎?
既有 REST API 可透過 MCP 伺服器或支援 API 轉接的平台公開為工具。上線前應定義工具用途與參數,並驗證使用者授權、資料範圍及錯誤處理。
工具級權限能限制同一個工具查詢哪些資料嗎?
工具級權限可以決定誰能呼叫查詢工具。若要進一步限制個別工單或資料列,應由工具本身、上游服務或支援此條件的政策機制依使用者身分與資料歸屬執行授權。
MCP 閘道器可以管理模型的 Token 用量與預算嗎?
MCP 閘道器聚焦工具存取與呼叫治理。模型的 Token 用量、路由與預算通常由模型閘道器或 AI 平台管理。若採用整合式平台,應分別驗證模型流量與工具流量的控管範圍。
部署在自有 VPC,資料就會留在內部網路嗎?
資料是否留在內部網路,取決於完整的請求路徑。即使閘道器部署在自有 VPC,Agent 呼叫外部模型、第三方工具或雲端日誌服務時,仍可能依設定將資料送出。
評估企業 AI 閘道器方案
如果試點同時涉及工具授權與多模型存取,可先列出要連接的 MCP 伺服器、模型端點、身分來源和部署環境。TrueFoundry 平台涵蓋 MCP 工具存取治理與模型管理,可依試點範圍分別評估各項需求。