MCP 协议中台
慧策 · MCP-Protokoll-Middleware
Kurz gesagt: Eine MCP-Protokoll-Infrastruktur – Produktionslinien können Datenquellen und Tools selbstständig registrieren, nachgelagerte Agents entdecken und rufen sie über das Standard-MCP-Protokoll auf. Die Plattform ist eine "Protokoll-Pipeline" und trägt keinerlei Geschäftslogik.
Inhaltsverzeichnis
Related MCP server: OmniMCP
Positionierung und Abgrenzung
Warum eine MCP-Protokoll-Middleware?
Das Unternehmen hat mehrere Produktionslinien (Cross-Border-ERP, Inlands-E-Commerce, WMS-Lagerhaltung, Finanzabrechnung ...), und jede Produktionslinie hat Datenabfrageanforderungen. Wenn man für jede neue Produktionslinie eine eigene MCP-Server-Instanz forkt und die Tool-Implementierung anpasst, gerät man in die Falle "bei jeder neuen Produktionslinie Code ändern".
Kernidee: Eine Infrastruktur bauen, die ausschließlich für die MCP-Protokollimplementierung und das Tool-Dispatch-Framework zuständig ist. Die Plattform definiert den Protokollvertrag, die Produktionslinien binden sich selbstständig gemäß dem Vertrag an.
Was die Plattform tut und was nicht
┌─────────── 本平台范围 ───────────┐
│ │
AI Agent ──MCP──→ │ MCP Protocol Tool Registry │ ←── API 契约 ←── 产线
│ Auth / Rate Cache / Degrade │
│ Adapter Framework │
│ Admin Console Observability │
│ │
└────────────┬─────────────────────┘
│ Data Source Adapter SPI
▼
┌──────────────────────────────────────┐
│ 产线数据源(产线自管) │
│ MySQL / Doris / StarRocks / HTTP API │
│ Redis / ES / ... │
└──────────────────────────────────────┘✅ Im Scope | ❌ Außerhalb des Scopes |
Vollständige MCP-Protokollimplementierung (basierend auf Spring AI MCP Server 1.1.2) | Jegliche SQL-/API-Logik konkreter Tools (machen die Produktionslinien) |
Tool-Registry (CRUD + Versionsverwaltung + Hot-Reload) | ETL-Pipelines / Breitentabellen-Aufbau / Datenbereinigung |
Datenquellen-Adapter-Framework (MySQL/PG/Doris/HTTP/Redis) | Anbindung von Upstream-APIs (ERP, BI, Drittanbieter) |
Middleware-Pipeline (Authentifizierung/Rate-Limiting/Caching/Degradation/Logging/Monitoring) | Geschäftsformeln / Algorithmen / Regeln |
Admin-Konsole (Datenquellenverwaltung + Tool-Verwaltung + Monitoring-Dashboard) | OAuth2.0 / RBAC / Multi-Tenancy (Phase 2) |
Produktionslinien-SDK (Java + Python) | Einführungsbetreuung der Produktionslinien / Tool-Entwicklung |
Zentrales Designprinzip: Die Plattform versteht kein Geschäft. Ein Tool ist nur ein Konfigurationsdatensatz in MySQL (Name + JSON-Schema + Datenquellen-Referenz + Abfragevorlage). Die Produktionslinie entscheidet, wie das Tool heißt, wie das SQL geschrieben wird und wie hoch der Cache-TTL ist.
Kernkonzept: Was ist MCP
MCP (Model Context Protocol) ist ein Standardprotokoll für die Interaktion zwischen KI-Agents und externen Tools/Daten, entwickelt von Anthropic. Analogie zu USB-C: Vor MCP musste jede KI-Anwendung maßgeschneiderten Klebecode für die Datenquellen-Anbindung schreiben; mit MCP entdecken und rufen Agents Tools über das einheitliche tools/list → tools/call-Protokoll auf.
flowchart LR
A["🤖 AI Agent<br/>Claude Desktop / LangChain / OpenAI"] -->|"tools/list<br/>tools/call<br/>JSON-RPC 2.0"| B["🔌 MCP 协议中台<br/>Spring AI MCP Server"]
B -->|"Adapter SPI"| C["🗄️ MySQL"]
B -->|"Adapter SPI"| D["🗄️ Doris"]
B -->|"Adapter SPI"| E["🌐 HTTP API"]
B -->|"Adapter SPI"| F["📦 Redis"]Zentrales Designprinzip: Der Agent verwaltet die "Absicht" (versteht, was der Nutzer will), die Plattform verwaltet das "Protokoll" (MCP-Implementierung + Tool-Routing + Middleware), die Produktionslinie verwaltet die "Daten" (Datenquelle registrieren + SQL/Konfiguration schreiben).
Architekturübersicht
Schichtenarchitektur
flowchart TB
subgraph Agent["AI Agent 层(外部)"]
Claude["Claude Desktop"]
LangChain["LangChain Client"]
OpenAI["OpenAI Agent SDK"]
end
subgraph Platform["MCP 协议中台(本平台)"]
direction TB
subgraph Protocol["MCP Protocol Layer"]
Handshake["initialize 握手<br/>协议版本协商 · 能力交换"]
JSONRPC["JSON-RPC 2.0 Router<br/>tools/list · tools/call · tools/schema<br/>resources/list · resources/read"]
Transport["Transport: HTTP SSE / Streamable HTTP"]
end
subgraph Middleware["Middleware Pipeline(Filter Chain)"]
direction LR
Auth["鉴权<br/>API Key + BCrypt"] --> RateLimit["限流<br/>Token Bucket"]
RateLimit --> Cache["缓存<br/>Caffeine L1 + Redis L2"]
Cache --> Degrade["降级<br/>4 级状态机"]
Degrade --> Log["日志·监控<br/>TraceId · Prometheus"]
end
subgraph Core["Tool Engine"]
Dispatcher["ToolDispatcher<br/>Tool 解析 · 路由"]
Registry["Tool Registry<br/>元数据管理 · 版本管理 · 热加载"]
Executor["Tool Executor<br/>参数校验 · 模板渲染<br/>结果映射 · 输出校验"]
end
subgraph Adapter["Data Source Adapter Framework"]
SPI["Adapter SPI<br/>接口契约 · 连接池 · 健康检查 · 查询护栏"]
Builtin["内置适配器<br/>MySQL · PostgreSQL · Doris · HTTP · Redis"]
end
subgraph Admin["Admin Console"]
ToolMgmt["Tool 管理"]
DSMgmt["数据源管理"]
Dashboard["监控大盘"]
Alarm["告警配置"]
end
end
subgraph Datasources["产线数据源(产线自管)"]
MySQL_DS["MySQL 产线 A"]
Doris_DS["Doris 产线 B"]
HTTP_API["HTTP API 产线 C"]
Redis_DS["Redis 产线 D"]
end
Agent -->|"MCP Protocol"| Handshake
Handshake --> JSONRPC
JSONRPC --> Auth
Middleware --> Dispatcher
Dispatcher --> Registry
Dispatcher --> Executor
Executor --> SPI
Admin --> Registry
Admin --> DSMgmt
SPI --> Builtin
Builtin --> DatasourcesVerantwortlichkeiten der Schichten
Ebene | Kernverantwortung | Grenzen |
MCP-Protokollschicht |
| Die Protokollschicht kümmert sich nicht darum, woher Tools kommen oder was die Datenquelle ist |
Middleware-Pipeline | Authentifizierung → Rate-Limiting → Caching → Degradation → Logging/Monitoring, Filter-Chain-Muster, Pflichtpfad für Anfragen | Vollständig konfigurationsgetrieben, Produktionslinien wählen Strategien in der Tool-Konfiguration |
Tool-Engine | ToolDispatcher für Routing-Auflösung, Tool-Registry für Metadatenverwaltung, Tool-Executor für Parametervalidierung + Vorlagen-Rendering + Ergebnis-Mapping | Entkopplung von Protokoll und Registry über ToolDispatcher |
Adapter-Framework | Adapter-SPI-Schnittstellenvertrag + 5 eingebaute Adapter + Abfrage-Schutzmechanismen (max_rows/timeout/DDL-Blacklist) | Die Plattform macht nur die Adaption, kümmert sich nicht um Dateninhalte |
Admin-Konsole | Datenquellenverwaltung, Tool-Registrierungsverwaltung, Monitoring-Dashboard, Alarmkonfiguration (Vue 3 + Arco Design) | Selbstbedienung für Produktionslinien-Administratoren |
Kerndesign
Tool = Metadaten, kein Code
Aus Sicht der Plattform ist ein Tool nur ein MySQL-Datensatz. Produktionslinien registrieren Tools über API oder Konsole:
{
"id": "my_query_tool",
"name": "my_query_tool",
"description": "查询最近 N 条订单(给 LLM 看的描述)",
"parameters": {
"type": "object",
"properties": {
"limit": { "type": "integer", "default": 20, "maximum": 100 }
}
},
"datasource_id": "ds_my_line",
"query": {
"type": "SQL",
"template": "SELECT a, b, c FROM orders ORDER BY created_at DESC LIMIT {{.limit}}"
},
"cache": { "level": "BOTH", "l1_ttl_sec": 60, "l2_ttl_sec": 300 }
}Was die Plattform tut: Parametervalidierung → Vorlagen-Rendering → Ausführung über Adapter → Ergebnis-Mapping → Rückgabe. Die Produktionslinie entscheidet über die gesamte Geschäftslogik.
Datenmodell (6 Kerntabellen)
erDiagram
Datasource ||--o{ Tool : "绑定"
Tool ||--o{ ToolVersion : "版本"
Tool ||--o{ CachePolicy : "缓存策略"
Tool ||--o{ DegradePolicy : "降级策略"
Tool ||--o{ InvocationLog : "调用记录"
Datasource {
string id PK "ds_example"
string type "DORIS / MYSQL / PG / HTTP / REDIS"
json connection "主机·端口·库名·凭据引用"
json pool_config "连接池配置"
string status "ONLINE / OFFLINE / ERROR"
}
Tool {
string id PK "my_tool_001"
string name "对 Agent 可见的工具名"
string description "详细的工具描述给 LLM 看"
json parameters "JSON Schema — 输入参数定义"
string datasource_id FK "绑定数据源"
string query_template "SQL 或 HTTP URL 模板"
json result_mapping "字段映射"
json transform "字段级转换规则"
string status "DRAFT / ONLINE / OFFLINE"
}
InvocationLog {
bigint id PK
string tool_id FK
string trace_id "全链路追踪 ID"
int latency_ms "执行耗时"
boolean cache_hit "是否命中缓存"
int degrade_level "降级级别"
timestamp created_at "TTL 7 天"
}Middleware-Fähigkeiten (von der Plattform "geschenkt" an die Produktionslinien)
Fähigkeit | Beschreibung |
Authentifizierung | API-Key + BCrypt, basierend auf |
Rate-Limiting | Token-Bucket, 3 Ebenen: global / Produktionslinie / Tool |
Caching | Caffeine L1 (lokal <1ms) + Redis L2 (verteilt geteilt), TTL von Produktionslinie konfigurierbar |
Degradation | 4-stufige automatische Degradation: abgelaufener Cache → nur lokaler Cache → statischer Standardwert → 503-Ablehnung |
Observability | Automatische Instrumentierung: Aufrufvolumen/Erfolgsrate/P95/Cache-Trefferquote/Degradationsanzahl, Prometheus + Grafana |
Aufrufprotokoll |
|
Drei Anbindungsarten
Art | Anwendungsszenario | Aufwand für Produktionslinie |
SQL-Vorlage | Einzeltabellenabfrage, einfache JOINs, Aggregation | 1 SQL schreiben + Formular ausfüllen |
HTTP-Vorlage | Aufruf vorhandener REST-APIs der Produktionslinie | URL-Vorlage ausfüllen |
SDK-Plugin | Mehrstufige Aggregation, komplexe Berechnungen | 50–200 Zeilen Java/Python schreiben |
Technologie-Stack
Ebene | Auswahl | Version | Begründung |
MCP-Protokollimplementierung | Spring AI MCP Server | 1.1.2 | Internes Demo bereits verifiziert, eingebauter JSON-RPC-Router + Transport + |
Authentifizierung |
| 0.0.5 | Community-Bibliothek, im Demo verifiziert. API-Key + BCrypt |
Basis-Framework | Java 21 + Spring Boot | 3.4.7 | Unternehmens-Java-Stack, Version an internem Demo ausgerichtet |
Admin-Konsolen-Frontend | Vue 3 + Vite + Arco Design | — | Leichtgewichtig, Technologie-Stack der Frontend-Abteilung |
Metadaten-Speicher | MySQL 8.0 | — | Tool-Konfiguration, Datenquellen-Konfiguration, Aufrufprotokolle |
Cache | Caffeine (L1) + Redis 6.2 (L2) | — | L1 lokal <1ms, L2 verteilt geteilt |
Monitoring | Micrometer + Prometheus + Grafana | — | Native Spring-Boot-Integration |
Konfigurationszentrum | Nacos 2.x | — | Bereits im Unternehmen vorhanden, Speicherung von Zugangsdaten + Konfiguration |
Bereitstellung | Docker Compose (Entwicklung) + K8s (Produktion) | — | An Unternehmensinfrastruktur ausgerichtet |
Framework-Auswahl: Spring AI MCP Server 1.1.2 implementiert das MCP-Protokoll 2024-11-05 vollständig. Diese Plattform implementiert die Protokollschicht nicht neu, sondern baut auf Spring AI drei Dinge auf: (1) dynamische Tool-Registrierung (ersetzt die statische
@McpTool-Annotation), (2) Datenquellen-Adaption und Vorlagenausführung, (3) generische Middleware-Pipeline.
Projektstruktur
intent_plan/
├── docs/
│ └── superpowers/
│ └── specs/
│ ├── 2026-07-16-mcp-platform-plan.md # MCP 协议中台建设计划(主文档)
│ └── 2026-07-16-cross-border-mcp-boundary-design.md # 产线协作契约
├── mcp-server/ # MCP Server 核心(Spring Boot)
│ └── src/main/java/com/wangdian/mcp/
│ ├── protocol/ # MCP 协议层(Spring AI 集成)
│ ├── registry/ # Tool 注册中心(动态注册 + 版本管理)
│ ├── executor/ # Tool 执行器(校验 + 模板 + 映射)
│ ├── adapter/ # 数据源适配框架(SPI + 内置适配器)
│ ├── middleware/ # 中间件管道(鉴权/限流/缓存/降级)
│ ├── admin/ # 管理控制台 API(/admin/*)
│ └── sdk/ # 产线 SDK(Java)
├── mcp-server-admin/ # 管理控制台前端(Vue 3 + Arco Design)
├── mcp-sdk-python/ # 产线 SDK(Python)
├── docker-compose.yml # 本地开发环境
└── README.mdSchnellstart
⚠️ Projekt in Entwicklung, folgendes ist der erwartete Startablauf.
Voraussetzungen
JDK 21 + Maven 3.9+
Docker 20.10+ & Docker Compose 2.20+
Zugriff auf das interne Unternehmensnetzwerk (Nacos / MySQL / Redis)
Lokale Entwicklung
# 1. 克隆项目
git clone <repo-url> && cd intent_plan
# 2. 启动开发环境中间件
docker compose up -d mysql redis nacos-standalone
# 3. 初始化数据库
# 执行 docs/superpowers/specs/ 下的 DDL 脚本
# 4. 启动 MCP Server
cd mcp-server
mvn spring-boot:run
# 5. 验证 MCP 协议
curl -X POST http://localhost:8080/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}},"id":0}'Dienst-Ports
Dienst | Port | Beschreibung |
MCP Server | 8080 | MCP-JSON-RPC-Endpunkt ( |
Admin Console | 8080 | Admin-Konsole ( |
MySQL | 3306 | Metadaten-Speicher |
Redis | 6379 | L2-Cache |
Nacos | 8848 | Konfigurationszentrum / Service-Discovery |
Anbindung der Produktionslinien
Die Anbindung einer Produktionslinie erfordert nur 3 Schritte, ohne dass die Plattformentwicklung eingreifen muss:
Schritt 1: Datenquelle registrieren
curl -X POST http://mcp-platform:8080/api/v1/datasources \
-H "Content-Type: application/json" \
-H "X-API-Key: <your_api_key>" \
-d '{
"id": "ds_my_line",
"type": "MYSQL",
"connection": {
"host": "10.x.x.x", "port": 3306, "database": "my_db",
"credential_ref": "nacos:my-line/db-pwd"
},
"pool_config": { "min": 2, "max": 10, "timeout_sec": 30 }
}'Schritt 2: Tool registrieren
curl -X POST http://mcp-platform:8080/api/v1/tools \
-H "Content-Type: application/json" \
-H "X-API-Key: <your_api_key>" \
-d '{
"id": "my_query",
"name": "my_query",
"description": "查询我的订单数据",
"parameters": { "type": "object", "properties": { "limit": { "type": "integer" } } },
"datasource_id": "ds_my_line",
"query": { "type": "SQL", "template": "SELECT * FROM orders LIMIT {{.limit}}" }
}'Schritt 3: Agent-Aufruf
Nach der Tool-Registrierung ist es innerhalb von 30 s auf allen Instanzen wirksam. Nachgelagerte Agents rufen über das Standard-MCP-Protokoll auf:
Agent → POST /mcp
{"jsonrpc":"2.0", "method":"tools/list", "id":1}
Agent ← {"jsonrpc":"2.0", "result":{"tools":[..., {"name":"my_query", ...}]}, "id":1}
Agent → POST /mcp
{"jsonrpc":"2.0", "method":"tools/call", "params":{"name":"my_query","arguments":{"limit":20}}, "id":2}
Agent ← {"jsonrpc":"2.0", "result":{"content":[{"type":"text","text":"[{\"col\":\"val\"}]"}]}, "id":2}Dokumentationsindex
Dokument | Zweck | Leser |
Plattformarchitektur, WBS-Aufschlüsselung, Meilensteine, Risiken | Alle | |
Kollaborationsvertrag der Produktionslinien, Anbindungsprotokoll | Plattformteam + Produktionslinienteams |
Projekt-Roadmap
gantt
title MCP 协议中台路线图
dateFormat YYYY-MM-DD
axisFormat W%W
section M1 · 协议核心(W1)
Spring AI 集成 + 动态 Tool 注册 POC :m1, 2026-07-20, 5d
section M2 · 工具引擎(W2)
Tool Registry + Executor + Adapter :m2, after m1, 5d
section M3 · 生产就绪(W3)
Middleware Pipeline + 降级演练 :m3, after m2, 5d
section M4 · 管理控制台(W4-W5)
Admin Console + SDK :m4, after m3, 10d
section M5 · 上线(W6)
集成测试 + 压测 + 灰度 :m5, after m4, 5dPhase | Ziel | Zeit |
Phase 1 · MVP | Kernfähigkeiten der MCP-Protokoll-Middleware: dynamische Tool-Registrierung + 5 Datenquellen-Adapter + Middleware-Pipeline + Admin-Konsole + SDK | 6 Wochen |
Phase 2 · Erweiterung | Plugin-Hot-Reload + OAuth2.0/RBAC/Multi-Tenancy + benutzerdefinierte ClassLoader-Isolation + weitere Adapter (ES/Mongo/GraphQL) | 3–6 Monate |
Phase 3 · Kommerzialisierung | MCP-Marketplace + Abrechnung/Messung + Multi-Cluster-Scheduling + Datenmaskierungsspiegel | 6+ Monate |
Projektstatus:
Entwurfsphase · ausstehende Überprüfung| Team: 2,5 Personen (TL + BE + FE geteilt) | Zeitraum: 6 WochenFragen? Zuerst den MCP-Plattform-Implementierungsplan lesen.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Related MCP Connectors
AI agent registry — search, discover, register, and connect agents via MCP.
AgencyAI's public MCP for service discovery and AI-readiness assessment.
A registry of AI agent tools — MCP servers, APIs, CLIs, SDKs — kept current by automated ingestion.
A marketplace for AI agents. Tools and data for agents, on one MCP address. No account, no API key.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceEnables AI agents to access a unified catalog of tools from various APIs (OpenAPI, GraphQL, MCP, Google Discovery) through the MCP protocol.12 npmMIT
- AlicenseAqualityDmaintenanceEnables AI agents to discover, monitor, and control industrial hardware like ESP32 machine controllers and inspection cameras through a standardized MCP interface.5MIT
- FlicenseAqualityCmaintenanceCentral registry for AI tools with vector search and knowledge graph, enabling intelligent tool discovery, chaining, and execution via MCP.12-
- AlicenseNot gradedqualityBmaintenanceEnables enterprise AI agents to discover and invoke MCP tools, resources, and prompts across GitHub, ITSM, and business systems through a policy-controlled gateway with human approval and auditability.MIT