用内部 MCP 注册表管理团队工具接入
文章介绍如何用内部注册表集中管理经审核的 MCP 工具,并说明本地 stdio 子进程可能继承用户权限、环境变量和网络访问能力。文中还介绍了本地原型及加固方向。
AI 深度解读
团队给 AI 编程助手接入内部工具时,最省事的办法是把启动命令发给同事,各自在编辑器里配置。但用 stdio 接入 MCP 服务,编辑器会在本机启动子进程。工具能接触什么,取决于开发者账号的权限、进程继承的环境变量和机器的网络访问范围。
作者的方案是把获批服务放进内部 MCP 注册表,再用客户端策略约束接入,用网关管住实际调用。原文给了一个能跑起来的 FastAPI 样例。读这篇最有用的地方,是弄清工具从登记到执行经过哪些环节,以及每一层能管住什么。
工具登记了,为什么还要网关?
MCP 注册表是一份供客户端查询的服务目录。原文采用官方 v0.1 REST API 和统一的 server.json 清单,让编辑器知道有哪些服务、各自是什么版本、该去哪里连接。这个环节属于控制面,解决的是「去哪里找」。拿到地址后,调用请求和工具参数直接交给 MCP 服务或网关处理,这是数据面。限流、鉴权和参数审计都发生在这一层。
下面的清单把分析仓库工具登记成一个可发现的远程服务,并记录它由哪个团队维护。
{
"$schema": "https://static.modelcontextprotocol.io/schemas/2025-12-11/server.schema.json",
"name": "corp.internal/analytics-tool",
"title": "Internal Analytics Warehouse Tool",
"description": "Read-only access to sanitized business analytics.",
"version": "1.0.0",
"remotes": [
{
"type": "streamable-http",
"url": "https://mcp-gateway.corp.internal/v1/analytics"
}
],
"_meta": {
"corp.internal/governance": {
"team": "data-platform",
"approved": true
}
}
}
重点看 remotes 里的 "type": "streamable-http"。客户端会连到内网地址,由远端执行工具,本机也就无需为这个服务启动 stdio 子进程。清单里的 approved: true 是企业自定义的审批标记。官方的 io.modelcontextprotocol.registry/official 是只读状态,由注册表生成并放在响应外层。类似地,描述里的「只读」是给人和客户端看的说明,仓库账号有没有写权限,还得在服务端核实。
用 FastAPI 能验证哪些发现行为?
作者用一个 Python 字典模拟目录,覆盖两个读接口。/v0.1/servers 列出服务,/v0.1/servers/{server_name}/versions/{version} 用于查找指定版本。版本参数也接收 latest,这样调用方可以请求当前版本,无需提前知道 1.0.0。
下面这段代码演示客户端怎样从目录拿到远程入口,以及服务或版本查不到时接口怎样响应。
from fastapi import FastAPI, HTTPException
import uvicorn
app = FastAPI(title="Lab MCP Registry")
CATALOG = {
"corp.internal/analytics-tool": {
"server": {
"$schema": "https://static.modelcontextprotocol.io/schemas/2025-12-11/server.schema.json",
"name": "corp.internal/analytics-tool",
"version": "1.0.0",
"remotes": [{"type": "streamable-http", "url": "https://mcp-gateway.corp.internal/v1/analytics"}]
},
"_meta": {"corp.internal/governance": {"team": "data-platform", "approved": True}}
}
}
@app.get("/v0.1/servers")
async def list_servers():
return {"servers": list(CATALOG.values())}
@app.get("/v0.1/servers/{server_name:path}/versions/{version}")
async def get_server(server_name: str, version: str):
entry = CATALOG.get(server_name)
if not entry:
raise HTTPException(status_code=404, detail="Server not found")
if version != "latest" and entry["server"]["version"] != version:
raise HTTPException(status_code=404, detail="Version not found")
return entry
if __name__ == "__main__":
uvicorn.run(app, host="127.0.0.1", port=8080)
注意路由里的 {server_name:path},服务名 corp.internal/analytics-tool 带斜杠,需要用它来接收完整名称。版本检查那一行则让 latest 直接命中唯一的记录。原文给出的验证命令是 curl -s http://127.0.0.1:8080/v0.1/servers | jq .,这条命令只查询列表接口。样例里的 latest 也只代表字典里的那一条记录,多版本并存时怎么选当前版本,原文没有演示。
从本地样例到团队上线,要补哪几层?
目录服务这一层,作者建议采用官方 Go 容器镜像 ghcr.io/modelcontextprotocol/registry,后端接 PostgreSQL,部署在私有子网或企业 VPN 后面。清单这一层,用 GitOps 管发布,把 server.json 放进内部 Git 仓库,经由 PR 做自动检查和安全评审。CI 至少查三件事:清单是否符合官方 JSON Schema,name 是否以 corp.internal/ 这样的企业命名空间开头,远程 URL 是否指向获准的内部网关主机。
接下来还得管客户端。按原文描述,GitHub Copilot 的 Registry only 当时处于公开预览,通过服务名称匹配。作者建议配合 managed-settings.json 下发受管允许列表,以限制开发者通过本地配置添加工具。至于调用本身,作者建议在 MCP 网关处理双向 TLS 或 OAuth 2.1 令牌,并在这里审计工具参数、执行限流。
我的判断
这套设计最有说服力的地方,是把审批和执行权限拆开了。以分析仓库为例,PR 可以回答谁批准了这项接入,网关可以记录谁发起了调用,数据库角色才决定那次调用能读哪些表。团队排查一次异常查询时,这三份信息各有用处。只在编辑器配置里加一个工具地址,很难同时回答这几个问题。
生产部署部分属于经验之谈。原文给出了可运行的样例和查询命令,但没有展示真实编辑器的接入记录、生产对照数据或终端策略的验证结果。尤其是 Registry only 和受管允许列表,落地前要用团队实际采用的客户端和配置验证。工具少、编辑器统一时,共享受审的配置模板也能解决入口维护问题,部署起来更省事。等到多个团队需要统一查找服务、追踪版本和集中审批,独立目录才有更明确的收益。
能拿来做什么
- 先盘点仓库文档和编辑器配置里的 MCP 启动命令,标出本地
stdio工具及其依赖的环境变量。优先评估那些会接触公司凭据、数据库或内网接口的工具。 - 给已有的内部 MCP 服务写一份
server.json,在现有 Node 项目的 CI 里做 Schema、命名空间和网关主机校验。清单走代码评审,凭据留在运行环境。 - 用样例跑通列表、显式版本和
latest查询,再用团队实际使用的编辑器验证能否发现获批服务、能否通过本地设置添加未获批服务。要检查参数审计和限流,就到真实网关上验证。