创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

MCP Tunnel打通云端智能体与企业内网工具

AI 总结

掘金 · 人工智能介绍了一种 MCP Tunnel 架构,使云端 Agent 无需开放公网入站端口即可调用企业私网中的 MCP 工具。部署在私网的 Connector 通过出站 HTTPS 长轮询领取任务、调用本地 MCP Server 并返回结果,云端调度层则使用 NATS 跨实例协调请求。该设计区分会话凭据与 MCP 凭据,并采用至多一次派发,避免自动重复执行可能不具备幂等性的操作。

深度见解

文章给出了连接云端 Agent 与受保护企业工具的具体网络与调度方案,同时明确划分了身份验证、授权和执行边界。

前两篇介绍了云端 Agent 的文件系统,以及基于 Proxy 的凭证管理和网络管控。到这里,Agent 已经能读写文件、加载 Skill,也能通过受控出口访问外部服务。云端 Agent 拥有强大的推理能力,但当其执行任务需要触达私网核心资产(如企业内部知识库、内网 OA 系统)时,往往会受阻于企业防火墙限制。

我们采用反向建连:在企业私网部署 Connector,由它主动通过 HTTPS 连接云端,领取工具调用并返回结果。这样,MCP Server 可以继续留在私网里。下面以一次知识库查询为例,看看请求怎样到达私网工具,结果又怎样回到 Agent 手中。

这次调用涉及四个角色:

  • Agent 运行在云端 Sandbox 中,发起知识库查询等 MCP 调用,并等待结果。
  • 云端 Gateway/Broker 负责接收和调度请求。Gateway 校验身份,Broker 检查能否接单、分发任务并记录处理状态。
  • Connector 运行在企业私网,主动向云端发起长轮询,领取任务、调用本地 MCP 服务,再提交结果。
  • 私网 MCP 运行在企业私网,访问内部数据并执行知识库检索等具体业务。

#MCP Tunnel#Connector#OpenAI tunnel-client#NATS#NATS JetStream#NATS KV#Anthropic Managed Agents#Cloudflare Tunnel#Claude#MCP Server

原文约 10 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。