Skip to main content
Glama

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 --> Datasources

Verantwortlichkeiten der Schichten

Ebene

Kernverantwortung

Grenzen

MCP-Protokollschicht

initialize-Handshake, JSON-RPC-2.0-Router, SSE/Streamable-HTTP-Transport (basierend auf Spring AI MCP Server 1.1.2, kein Rad neu erfinden)

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 mcp-server-security 0.0.5 + Spring Security

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

InvocationLog-Tabelle, Produktionslinien können abfragen "welche Parameter hat der Agent an mein Tool übergeben, was wurde zurückgegeben"

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 + initialize-Handshake. Kein neues Protokollrad erfinden

Authentifizierung

mcp-server-security + Spring Security

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.md

Schnellstart

⚠️ 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 (:8080/mcp)

Admin Console

8080

Admin-Konsole (:8080/admin/*)

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

MCP-Plattform-Implementierungsplan

Plattformarchitektur, WBS-Aufschlüsselung, Meilensteine, Risiken

Alle

MCP-Service-Verantwortungsgrenzen-Design

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, 5d

Phase

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 Wochen

Fragen? 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

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      Enables AI agents to access a unified catalog of tools from various APIs (OpenAPI, GraphQL, MCP, Google Discovery) through the MCP protocol.
      12 npm
      MIT
    • A
      license
      A
      quality
      D
      maintenance
      Enables AI agents to discover, monitor, and control industrial hardware like ESP32 machine controllers and inspection cameras through a standardized MCP interface.
      5
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables 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