Obot.ai推开源网关以破局企业MCP安全与鉴权瓶颈

Best Practices of Enterprise MCP Adoption With Obot.ai — Ai4

Ai4

企业部署MCP必须建立统一Catalog与身份鉴权管控,并将细粒度Open API重构为面向场景的高阶服务。

AI-assisted summary of Best Practices of Enterprise MCP Adoption With Obot.ai — original source. Check the original for full context.

Source published:

Detailed notes

## Background 本视频由 Ai4 频道于 2025 年 8 月 26 日发布在 YouTube 上。演讲者为 Obot.ai 联合创始人兼 CEO 梁胜(Sheng Liang),他在本次演讲中探讨了企业在引入和落地模型上下文协议(MCP)时面临的挑战,并分享了 Obot.ai 在构建 MCP 服务端与客户端过程中总结的最佳实践与角色分工。

## TL;DR 梁胜回顾了从 OpenAI 工具调用到 MCP 演变为行业事实标准的历程,指出企业在推广 MCP 时面临探索、安全、使用及构建四大核心关卡。为应对这些难题,企业需要通过构建统一的 MCP Catalog 与身份鉴权联动来把控安全,并推动 MCP 向富 UI 交互演进。在架构上应避免直接暴露出细粒度的 Open API,而应基于业务场景进行高阶封装,同时引入开源的 Obot MCP Gateway 简化治理。

## Atmosphere & style 这场演讲展现出务实、前瞻且极具技术洞察力的专业基调。梁胜以硅谷连续创业者的亲身经历娓娓道来,既有对技术演进趋势的宏观把握,也有深入企业真实落地痛点的切肤体验。整体氛围专业严谨而又开放包容,将复杂的架构演进与商业落地路径讲解得条理分明,传递出对 MCP 开源生态未来的强烈信心。

## Key takeaways - [00:04](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=4s) Obot.ai 早期虽推出过与 MCP 竞争的方案,但随后全面转向并拥抱 MCP 生态,并联合 Anthropic、微软等发起了 MCP 开发者峰会。 - [00:04](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=4s) 工具调用(Tool Calling)让 AI 摆脱了人类在环模式,实现自主发起 API 请求并向真正自主的 Agent 跨越。 - [00:32](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=32s) 企业落地 MCP 面临海量服务质量混杂、严重安全隐患、现有客户端门槛过高及缺少业务封装四大核心挑战。 - [00:32](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=32s) 企业部署 MCP 的四大关键关卡为:探索(Discover)、安全(Secure)、使用(Use)与构建(Build)。 - [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 企业 IT 部门需要建立统一的 MCP Catalog(服务目录),对允许使用的本地与远程 MCP 服务端进行统一审核与列出。 - [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 企业可通过控制身份鉴权来防范安全风险,要求只有经过 Catalog 审核列出的 MCP 服务端才被允许对接企业统一身份认证(如 SSO)。 - [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 建立统一控制点后,企业 IT 团队能够实现访问控制规则管理、收集日志审计并过滤不安全的操作请求。 - [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) MCP 正在从单纯的数据返回向富 UI(Rich UX)演进,可在客户端动态生成表单、看板或流程审批界面。 - [13:06](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=786s) 将现有的细粒度 Open API 原封不动转译为 MCP 是主要误区,LLM 无法自主拼装过多底层繁琐 API,必须围绕具体业务场景构建高层级服务。 - [13:06](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=786s) Obot.ai 实践中选择将复合 Agent 直接封装为 MCP 暴露出去,利用 MCP 标准直接覆盖 Agent 与 Agent(A2A)之间的通信交互。 - [16:33](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=993s) Obot MCP Gateway 采用 100% 开源策略,遵循 Red Hat 商业模式,软件免费提供并针对企业关键任务提供付费商业支持。 - [16:33](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=993s) 除了网关与代理外,Obot.ai 还提供了开源的 ChatGPT 式标准客户端,以降低普通业务人员的使用门槛。

## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=4s) MCP 的演进历程与行业背景

Obot.ai 联合创始人兼 CEO 梁胜(Sheng Liang)首先对自己的创业背景做了简要介绍。作为一名硅谷的连续创业者,他带领团队在过去几年里一直专注于构建 AI Agent、聊天机器人及相关工具。虽然 Obot.ai 的成立早于模型上下文协议(Model Context Protocol, MCP),但双方一直处于同一赛道。梁胜坦言,团队最初甚至推出来过与 MCP 存在竞争关系的方案,但随着技术演进,他们敏锐地察觉到了 MCP 的优势与行业趋势,随后果断转向并全面拥抱 MCP 生态。为了推动生态建设,Obot.ai 在 2025 年初联合 Anthropic、微软(Microsoft)等公司的技术领袖与指导委员会,共同举办了首届 MCP 开发者峰会(MCP Dev Summit),下一届峰会也已规划在伦敦面向公众开放。

回顾技术演进,梁胜指出一切源于工具调用(Tool Calling)。2023 年 11 月的 OpenAI DevDay 首次展示了这一能力,彻底开启了 AI 应用的新篇章。在接下来的几个月里,市面上涌现出数十个 Agent 框架,帮助开发者构建能够调用工具的 AI 智能体。虽然 MCP 刚推出时并未引起轰动,但随着 Claude Desktop 和 Cursor 等开发者工具的爆发式普及,MCP 在 2025 年初迅速演化为事实上的行业标准。

没有工具调用,AI 就只能停留在回答问题或生成内容的阶段,必须依靠人类在环(Human-in-the-loop)来完成后续操作。而有了工具调用与 MCP,AI 才能自主发起 API 请求,从而实现从“聊天机器人”向真正的“自主 Agent”的跨越。

- **创业背景**:Obot.ai 位于加州,长期致力于 AI Agent、Chatbot 及相关开发工具的研发。 - **关键节点**:2023 年 11 月 OpenAI DevDay 首次演示 Tool Calling,开启 Agent 时代;2025 年初 Claude Desktop 与 Cursor 的火爆促使 MCP 成为行业标准。 - **生态活动**:Obot.ai 发起并联合 Anthropic、微软等头部厂商举办了 MCP 开发者峰会,后续峰会定于伦敦举行。

---

[00:32](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=32s) 企业落地 MCP 面临的四大核心挑战

在与大量企业客户和 Agent 开发者沟通的过程中,梁胜发现企业虽然对向员工推广 MCP 怀有极高热情,但在实际落地时却普遍面临巨大的顾虑。像 Claude Desktop 这类主流客户端,其界面与交互完全是为程序员设计的,非技术人员(如业务人员或销售团队)根本无法直接使用。

此外,市面上像 `mcp.so` 这样的 MCP 托管目录中已经积累了超过 10,000 个 MCP 服务端,且每天仍有成百上千个新服务上线。这与早期 Web 时代网页即使粗糙也相对无害的情况截然不同——MCP 服务端本质上是具备执行能力的代码。如果加载了质量低劣或恶意编写的 MCP 服务,不仅可能导致业务崩溃,更严重的是,数据在传输和调用企业内部 API 的过程中极易发生泄漏。在与企业客户的交流中,团队总结出了企业部署 MCP 时绕不开的四大核心关卡:**探索(Discover)**、**安全(Secure)**、**使用(Use)** 和 **构建(Build)**。

``` +---------------------------------------------------------------+ | 企业落地 MCP 的四大核心挑战 | +---------------------------------------------------------------+ | 1. Discover (探索) | 海量 MCP 难辨真伪,缺乏权威企业级目录 | | 2. Secure (安全) | 缺乏统一鉴权与审计,存在数据泄露风险 | | 3. Use (使用) | 缺少面向非技术业务人员的现代化 UI/Client | | 4. Build (构建) | 过度暴露细粒度 API,缺乏场景化业务封装 | +---------------------------------------------------------------+ ```

- **海量且混杂**:公开目录中有超 10,000 个 MCP 服务端,质量参差不齐且缺乏安全验证。 - **安全性隐患**:MCP 服务端直接接收数据并调用企业内部 API,缺乏防护极易造成重大安全漏洞。 - **用户门槛**:现有客户端(如 Claude Desktop)偏向开发者,缺乏面向普通业务人员的易用界面。

---

[06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 探索与安全:构建企业级 MCP Catalog 与管控体系

针对**探索(Discover)**这一难题,当前的 MCP 生态非常类似于 1994 到 1995 年初期的互联网——缺乏统一治理,且安全隐患更为严峻。梁胜认为,企业急需一种类似早期 Yahoo! 或现代 Octa SaaS 目录的解决方案。企业 IT 部门需要建立统一的 **MCP Catalog(MCP 服务目录)**,对允许使用的本地(Local)与远程(Remote)MCP 服务端进行统一审核与列出。尽管未来所有 SaaS 服务可能都会将 MCP 与 Web、App、API 并列作为标准接口输出,但在现阶段,企业 IT 机构的标准化落地必须从建立 MCP Catalog 开始。

在**安全(Secure)**防护层面,仅有 Catalog 还不够,企业必须配合制定严格的安全策略,要求员工只能使用目录内的 MCP 服务。梁胜坦言,除非在政府、军事或顶级金融等高安保环境,否则在技术和文化上几乎不可能完全阻止开发者在自己的本地 Claude Desktop 中加载任意 MCP 服务端。但企业可以通过控制鉴权来实施有效防护:**只有经过 Catalog 审核并列出的 MCP 服务端,才被允许对接企业的统一身份认证(如 SSO/Corporate Credentials)**。

一旦建立了这个统一控制点(Single Point of Control),企业 IT 团队就能顺理成章地落地访问控制规则(Access Control)、收集使用日志与审计日志(Audit Logs),并过滤不安全的操作请求,从而在保护敏感数据源的同时不阻碍业务创新。

- **MCP Catalog**:借鉴 SaaS 目录管理模式,由 IT 部门统一筛选、验证并提供安全可信的 MCP 服务清单。 - **身份鉴权联动**:将企业统一身份认证与 MCP Catalog 绑定,未入库的服务端无法获取企业凭证,形成天然防火墙。 - **安全管控矩阵**:基于统一控制点实现细粒度访问控制、实时日志采集、审计跟踪与风险拦截。

---

[10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) 使用体验:从命令行 Bot 到富 UI 画布的演进

在谈到**使用(Use)**维度时,梁胜指出当前 MCP 客户端主要有两种形态:**Chatbot**(如 Claude Desktop、Cursor、VS Code 插件)以及**嵌入式自主 Agent(Custom Agents)**。市面上的 AI 聊天机器人层出不穷,"Chatbot is a dime a dozen these days"(如今聊天机器人遍地都是,极易构建)。他预测未来 Chatbot 的竞争格局将类似于浏览器——主流浏览器可能只有两三款,但针对特定场景的 Chatbot 客户端可能会有成百上千种,普通业务人员显然更倾向于类似 ChatGPT 的交互体验。

更令人兴奋的发展趋势在于 **MCP 正在从单纯的数据返回向富 UI(Rich UX)演进**。极具前瞻性的 MCP 服务端不再仅仅返回文本或 JSON 数据,而是直接返回渲染界面所需的代码,在客户端动态生成定制化 UI(例如弹出股票交易表单、数据分析看板或流程审批界面)。这种“ChatGPT + 动态画布(Canvas)”的模式极有可能重塑现有的软件应用生态。正如业内所言,“Chatbot 可能会成为全新的浏览器或桌面操作系统”。

在另一种形态中,MCP 服务端被直接嵌入到后台运行的自定义 Agent 中,无须人工干预即可自动完成复杂的工作流交互,这是更为直接且高效的落地场景。

- **客户端形态**:Chatbot(面向交互)与 嵌入式 Custom Agent(面向后台自动化)。 - **动态 UI 突破**:新型 MCP 支持返回界面渲染代码,实现对话框内嵌富交互组件(如表单、看板),拓展应用边界。 - **行业远景**:带有富 UI 扩展能力的 Chatbot 有望替代传统浏览器与桌面应用,成为下一代企业应用入口。

---

[13:06](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=786s) 构建实践:避开 Open API 直连误区与架构简化

关于**构建(Build)**环节,梁胜认为编写 MCP 服务端本身并不复杂,其本质与开发普通 API 服务没有太大区别,且市面上已有 FastMCP(Python 库)等大量成熟的 SDK 工具支持。虽然 Cloudflare、AWS、vSphere 等平台均提供了托管能力,但托管并非阻碍 MCP 普及的核心瓶颈。

构建层面最大的误区在于:**直接将现有的 Open API 规范原封不动地暴露为 MCP 服务**。早在 OpenAI 最初推出工具支持时,就支持直接解析 Open API Schema,但实际效果极差。因为传统 Open API 是为程序员设计的,粒度过细。以微软 Graph API 为例,在微软的视角下“一切皆图(Graph)”,如果要用 API 发送一封电子邮件,可能需要将邮件主题、收件人等拆解为数十个节点并发起几十次 API 调用。期望 LLM 自己去拼装这几十个细粒度 API 是不现实的。梁胜强调,**企业必须基于具体业务场景(Use Case-based)构建高层级、面向意图的 MCP 服务**(例如直接封装一个 `create_email` 接口)。

在前瞻架构方面,行业普遍接受的模式是“Agent -> MCP -> Apps/Data”。但 Obot.ai 在实践中发现,**当他们构建一个新的 Agent 时,也会直接将其封装为 MCP 服务暴露出去**。在他看来,MCP 协议本身就已经完美覆盖了 Agent 与 Agent 之间的通信交互(A2A),完全没有必要再单独引入一套全新的 Agent-to-Agent 协议。

``` +---------------------------------------------------------------+ | Obot.ai 推荐的 MCP 演进架构 | +---------------------------------------------------------------+ | [ User / Client ] (如 Obot Client, Cursor, Claude) | | | | | v | | [ Obot MCP Gateway ] ---> (Catalog / Security / Auth) | | | | | +-----------------------+ | | | | | | v v | | [ Scenario MCP ] [ Sub-Agent (As MCP) ] | | (高层级场景化服务) (复合 Agent 亦封装为 MCP) | | | | | | v v | | [ Enterprise APIs ] [ Enterprise Data ] | +---------------------------------------------------------------+ ```

- **反面模式**:切忌将细粒度的 Open API 直接转译为 MCP,LLM 无法自主编排过于繁琐的底层 API。 - **最佳实践**:围绕业务场景进行高阶封装(如将复杂的 Graph API 封装为单一功能的邮件发送 MCP)。 - **架构简化**:将复合 Agent 同样封装为 MCP 输出,用统一的 MCP 标准替代额外的 Agent-to-Agent(A2A)通信协议。

---

[16:33](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=993s) Obot MCP Gateway 开源方案与社区展望

在演讲的最后,梁胜介绍了 Obot.ai 团队推出的核心产品——**Obot MCP Gateway**。作为本次大会的白金赞助商,Obot.ai 将该网关完全以 **100% 开源**的方式提供给社区,商业模式遵循传统的 Red Hat 模式:软件本身完全免费供企业下载、部署与测试,当企业需要在生产环境中运行关键任务(Mission-Critical)并寻求 SLA 保障时,Obot.ai 提供商业化的技术支持与服务(如每月收取少量的支持费用)。

在开发网关的过程中,团队发现仅提供 Proxy(代理)和 Catalog(目录)还不够,他们还额外开发了一款开源的客户端(Client)。原因在于除了 Cursor 和 Claude Desktop 外,市面上缺乏一款能够让普通业务人员开箱即用的标准 ChatGPT 式客户端。

梁胜最后表达了对 MCP 生态的高度乐观。虽然 MCP 最初由 Anthropic 发起并主导,但 Anthropic 采取了极其开放的姿态与社区及合作伙伴协作,使得整个生态保持了极高的活力。他呼吁现场及线上开发者积极参与 GitHub 开源项目,并踊跃报名参加后续的 MCP 开发者峰会,共同推动企业级 MCP 标准的发展与落地。

- **产品定位**:Obot MCP Gateway 是一套 100% 开源的企业级 MCP 网关,包含 Catalog、Proxy、Security 控制及专属 Client 模块。 - **商业模式**:采用 Red Hat 模式,开源免费使用,针对企业级生产环境订阅提供商业支持。 - **社区生态**:赞扬 Anthropic 的开放合作态度,呼吁行业开发者共同建设开源 MCP 社区并参与全球 Dev Summit。

---

<ElicitationsGroup message="如果您想进一步了解 MCP 的企业级落地或架构设计,可以参考以下方向:"> <Elicitation label="深入分析 MCP Gateway 在企业架构中的鉴权与路由机制" query="请详细分析在企业级架构中,MCP Gateway 是如何处理统一身份认证(SSO)、权限路由与安全审计的?"/> <Elicitation label="探讨将 Open API 重构为高阶 MCP 服务端的实战设计模式" query="如何将现有的细粒度 Open API 重构为面向 AI Agent 意图的高阶 MCP 服务端?请提供具体的设计模式与代码示例。"/> </ElicitationsGroup>

## Notable quotes > [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) Chatbot is a dime a dozen these days — 梁胜

> [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) Chatbot 可能会成为全新的浏览器或桌面操作系统 — 梁胜

## Mentioned Sheng Liang (梁胜), Obot.ai, Model Context Protocol (MCP), Anthropic, Microsoft, MCP Dev Summit, OpenAI DevDay, Claude Desktop, Cursor, mcp.so, FastMCP, Cloudflare, AWS, vSphere, Microsoft Graph API, Obot MCP Gateway, Red Hat

## Video description Sheng Liang, Cofounder and CEO, Obot.ai

Abstracts

Organizations seeking to leverage MCP servers to enhance business processes face several challenges. How can we make sure that the tens of thousands of MCP servers on the market are safe to use? How can we implement enterprise-level authentication and access control? How can we enable in-house developers to build AI agents and applications on these MCP servers? In this talk, we will discuss the lessons and best practices learned from building MCP servers and clients, and explain the roles and responsibilities that enterprise IT and AI teams can play in the MCP ecosystem.

[Source](https://www.youtube.com/watch?v=vR5_J6YDpPw)

中文简报

Obot.ai CEO Sheng Liang 推出网关以保障企业级 AI 工具安全 企业采用模型上下文协议(MCP)需要集中式代理和面向任务的服务器抽象,以降低未经验证的 API 执行所带来的严重数据安全风险。 Sheng Liang 探讨了模型上下文协议(MCP)如何从早期的工具调用概念演变成为 AI Agent 的关键企业级标准。他概述了企业落地的四大核心支柱——发现(Discover)、安全(Secure)、使用(Use)和构建(Build),强调了集中式目录、代理治理以及相比原始 REST API 转换更高级的工具设计的必要性。演讲最后介绍了 Obot.ai 的开源 MCP Gateway 如何为非技术背景的企业用户解决这些运维与 UI 交互层面的挑战。 Obot.ai 放弃自研框架全面转向支持 Model Context Protocol (MCP);创始人梁胜指出,自 2023 年 11 月 OpenAI DevDay 普及工具调用以来,MCP 已成为推动 LLM 执行 API 并转变为自主 Agent 的行业标准。 (0:04) 目前公开的 MCP 服务器已超 1 万个,但运行未经审核的可执行代码存在严重安全与数据泄露隐患,且现有客户端过于偏向开发者,给普通企业用户带来使用门槛。 (0:35) 企业 IT 落地 MCP 围绕发现、安全、使用与构建四大支柱,亟需引入集中服务目录和代理网关,以统一实施企业单点登录(SSO)、访问控制与威胁审计过滤。 (0:55) 在构建 MCP 服务时应避免直接将低粒度的 OpenAPI/REST 接口机械转换为工具,而应针对 Agent 场景封装高阶任务抽象,以避免复杂调用拖垮 LLM 性能。 (1:30)

精炼阅读摘要

Obot.ai联合创始人兼首席执行官Sheng Liang指出,模型上下文协议(MCP)通过赋予大模型自主调用API的能力推动了智能体演进,但在企业落地中仍面临安全风险、目录发现及非技术用户体验等多重障碍;企业需要通过集中式目录、任务导向的接口设计与统一代理网关建立规范化管理体系。 协议演进与企业采纳的四大障碍 (0:35) 回顾AI工具体系的发展历程,Sheng Liang表示行业对工具调用的普遍采纳始于2023年11月的OpenAI DevDay,随后催生出十余种工具集成框架。在缺乏工具调用或MCP的情况下,AI仅能停留在人工介入的问答与文本生成阶段;而随着Claude Desktop和Cursor等工具的广泛支持,MCP确立为行业标准,使大模型具备了自主执行API调用的能力,进而将基础聊天机器人转化为具备执行力的智能体。 然而,企业IT与业务部门在实际部署时表现出明显顾虑。与早期简陋却相对无害的网页不同,MCP服务端包含能够直接连接企业内部数据源与外部API的可执行代码。目前公开目录(如mcp.so)已收录超过10,000个服务端,且每日仍在增加数十至数百个,随意运行未经验证的服务端会带来严重的数据泄露与后门安全隐患。因此,企业落地诉求主要集中在四大支柱:服务发现(Discover)、安全防护(Secure)、非开发者使用(Use)以及连接器构建(Build)。 发现与安全:集中目录与企业代理治理 (0:55) 为化解服务发现难题,企业IT部门亟须建立受控的服务端目录,其逻辑类似于早期互联网的雅虎分类目录或现代企业通过Okta对SaaS软件的集中管理。Liang认为,未来网络服务可能会原生提供网站、移动端应用、API以及经过身份验证的MCP端点,但在当下阶段,IT管理者必须建立集中式目录来明确管理合规的本地与远程MCP服务,防止不可信连接扩散。 在安全管控维度,Liang指出,除军事或政府等极高安全级别环境外,企业在技术和文化上均“无法阻止”开发者在本地IDE或Claude Desktop中加载任意MCP服务端;但IT团队可以有效约束非技术业务人员。企业通过强制将单点登录(SSO)与公司凭证限定在目录批准的服务端范围内,即可建立统一的控制节点,借助企业级集中代理实现精准的访问控制规则、全面的审计日志、使用量报告以及恶意数据调用过滤。 交互体验:非技术用户界面与动态UI (1:07) MCP客户端主要分为交互式聊天机器人(如Claude Desktop、Cursor或VS Code)与后台运行的嵌入式智能体两大类。Liang将前端聊天界面比作网络浏览器,认为其形式“数不胜数”(a dime a dozen),最终由底层标准支撑多样化的前端实现。由于Claude Desktop等现有工具专为技术开发者设计,对于普通业务人员或销售代表而言门槛过高,非技术用户更倾向于类似ChatGPT的直观对话界面。 此外,MCP标准展现出向动态界面演进的潜力。高级MCP服务端不仅能向客户端返回纯文本或JSON数据,还能够直接传递UI代码,使客户端在对话窗口内动态渲染定制化交互界面(例如可操作的股票交易面板或数据录入表单)。这种富交互能力使聊天窗口具备了替代传统桌面或移动端独立软件的前景。 构建最佳实践:避开细粒度API陷阱 (1:30) 在服务端开发层面,开发者利用Python的fastmcp等SDK已能轻松编写逻辑,并可部署于Cloudflare、AWS或vSphere等云基础设施之上,代码编写本身通常不是瓶颈。Liang特别警示,企业最容易犯的失误是直接将细粒度的OpenAPI或REST架构机械式映射为MCP服务端。由于传统REST API专为软件工程师设计,层级极度分散(例如通过Microsoft Graph API创建一封邮件可能需要跨图节点发起数十次调用),大语言模型在应对这种多步骤繁琐流程时极易发生逻辑断裂与调用失败。 因此,开发者应避免暴露底层REST端点,转而围绕具体的智能体任务场景,封装出高度整合的抽象工具(例如提供单一的create_email接口)。同时,Liang提出智能体自身也正逐步被包装为MCP服务端,这种架构演进在实践中让独立的“智能体间协议”(Agent-to-Agent,A2A)变得基本多余。 为解决上述落地痛点,Obot.ai在GitHub上以类似红帽的开源商业模式推出了Obot MCP Gateway,并提供每月约10美元的企业支持服务,为缺乏Cursor等工具的业务人员提供代理路由、目录管理与开箱即用的交互界面。Liang同时赞赏了Anthropic对MCP标准的开放治理态度,认为其未将协议绑定为自身专有商业资产的做法吸引了微软等巨头的积极参与;但企业如何在保障数据安全与合规审计的同时,向非技术员工平稳交付高度抽象的智能体能力,仍是MCP规模化普及的核心检验标准。

Detailed notes — zh

## Background 本视频由 Ai4 频道于 2025 年 8 月 26 日发布在 YouTube 上。演讲者为 Obot.ai 联合创始人兼 CEO 梁胜(Sheng Liang),他在本次演讲中探讨了企业在引入和落地模型上下文协议(MCP)时面临的挑战,并分享了 Obot.ai 在构建 MCP 服务端与客户端过程中总结的最佳实践与角色分工。 ## TL;DR 梁胜回顾了从 OpenAI 工具调用到 MCP 演变为行业事实标准的历程,指出企业在推广 MCP 时面临探索、安全、使用及构建四大核心关卡。为应对这些难题,企业需要通过构建统一的 MCP Catalog 与身份鉴权联动来把控安全,并推动 MCP 向富 UI 交互演进。在架构上应避免直接暴露出细粒度的 Open API,而应基于业务场景进行高阶封装,同时引入开源的 Obot MCP Gateway 简化治理。 ## Atmosphere & style 这场演讲展现出务实、前瞻且极具技术洞察力的专业基调。梁胜以硅谷连续创业者的亲身经历娓娓道来,既有对技术演进趋势的宏观把握,也有深入企业真实落地痛点的切肤体验。整体氛围专业严谨而又开放包容,将复杂的架构演进与商业落地路径讲解得条理分明,传递出对 MCP 开源生态未来的强烈信心。 ## Key takeaways - [00:04](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=4s) Obot.ai 早期虽推出过与 MCP 竞争的方案,但随后全面转向并拥抱 MCP 生态,并联合 Anthropic、微软等发起了 MCP 开发者峰会。 - [00:04](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=4s) 工具调用(Tool Calling)让 AI 摆脱了人类在环模式,实现自主发起 API 请求并向真正自主的 Agent 跨越。 - [00:32](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=32s) 企业落地 MCP 面临海量服务质量混杂、严重安全隐患、现有客户端门槛过高及缺少业务封装四大核心挑战。 - [00:32](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=32s) 企业部署 MCP 的四大关键关卡为:探索(Discover)、安全(Secure)、使用(Use)与构建(Build)。 - [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 企业 IT 部门需要建立统一的 MCP Catalog(服务目录),对允许使用的本地与远程 MCP 服务端进行统一审核与列出。 - [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 企业可通过控制身份鉴权来防范安全风险,要求只有经过 Catalog 审核列出的 MCP 服务端才被允许对接企业统一身份认证(如 SSO)。 - [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 建立统一控制点后,企业 IT 团队能够实现访问控制规则管理、收集日志审计并过滤不安全的操作请求。 - [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) MCP 正在从单纯的数据返回向富 UI(Rich UX)演进,可在客户端动态生成表单、看板或流程审批界面。 - [13:06](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=786s) 将现有的细粒度 Open API 原封不动转译为 MCP 是主要误区,LLM 无法自主拼装过多底层繁琐 API,必须围绕具体业务场景构建高层级服务。 - [13:06](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=786s) Obot.ai 实践中选择将复合 Agent 直接封装为 MCP 暴露出去,利用 MCP 标准直接覆盖 Agent 与 Agent(A2A)之间的通信交互。 - [16:33](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=993s) Obot MCP Gateway 采用 100% 开源策略,遵循 Red Hat 商业模式,软件免费提供并针对企业关键任务提供付费商业支持。 - [16:33](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=993s) 除了网关与代理外,Obot.ai 还提供了开源的 ChatGPT 式标准客户端,以降低普通业务人员的使用门槛。 ## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=4s) MCP 的演进历程与行业背景 Obot.ai 联合创始人兼 CEO 梁胜(Sheng Liang)首先对自己的创业背景做了简要介绍。作为一名硅谷的连续创业者,他带领团队在过去几年里一直专注于构建 AI Agent、聊天机器人及相关工具。虽然 Obot.ai 的成立早于模型上下文协议(Model Context Protocol, MCP),但双方一直处于同一赛道。梁胜坦言,团队最初甚至推出来过与 MCP 存在竞争关系的方案,但随着技术演进,他们敏锐地察觉到了 MCP 的优势与行业趋势,随后果断转向并全面拥抱 MCP 生态。为了推动生态建设,Obot.ai 在 2025 年初联合 Anthropic、微软(Microsoft)等公司的技术领袖与指导委员会,共同举办了首届 MCP 开发者峰会(MCP Dev Summit),下一届峰会也已规划在伦敦面向公众开放。 回顾技术演进,梁胜指出一切源于工具调用(Tool Calling)。2023 年 11 月的 OpenAI DevDay 首次展示了这一能力,彻底开启了 AI 应用的新篇章。在接下来的几个月里,市面上涌现出数十个 Agent 框架,帮助开发者构建能够调用工具的 AI 智能体。虽然 MCP 刚推出时并未引起轰动,但随着 Claude Desktop 和 Cursor 等开发者工具的爆发式普及,MCP 在 2025 年初迅速演化为事实上的行业标准。 没有工具调用,AI 就只能停留在回答问题或生成内容的阶段,必须依靠人类在环(Human-in-the-loop)来完成后续操作。而有了工具调用与 MCP,AI 才能自主发起 API 请求,从而实现从“聊天机器人”向真正的“自主 Agent”的跨越。 - **创业背景**:Obot.ai 位于加州,长期致力于 AI Agent、Chatbot 及相关开发工具的研发。 - **关键节点**:2023 年 11 月 OpenAI DevDay 首次演示 Tool Calling,开启 Agent 时代;2025 年初 Claude Desktop 与 Cursor 的火爆促使 MCP 成为行业标准。 - **生态活动**:Obot.ai 发起并联合 Anthropic、微软等头部厂商举办了 MCP 开发者峰会,后续峰会定于伦敦举行。 --- ### [00:32](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=32s) 企业落地 MCP 面临的四大核心挑战 在与大量企业客户和 Agent 开发者沟通的过程中,梁胜发现企业虽然对向员工推广 MCP 怀有极高热情,但在实际落地时却普遍面临巨大的顾虑。像 Claude Desktop 这类主流客户端,其界面与交互完全是为程序员设计的,非技术人员(如业务人员或销售团队)根本无法直接使用。 此外,市面上像 `mcp.so` 这样的 MCP 托管目录中已经积累了超过 10,000 个 MCP 服务端,且每天仍有成百上千个新服务上线。这与早期 Web 时代网页即使粗糙也相对无害的情况截然不同——MCP 服务端本质上是具备执行能力的代码。如果加载了质量低劣或恶意编写的 MCP 服务,不仅可能导致业务崩溃,更严重的是,数据在传输和调用企业内部 API 的过程中极易发生泄漏。在与企业客户的交流中,团队总结出了企业部署 MCP 时绕不开的四大核心关卡:**探索(Discover)**、**安全(Secure)**、**使用(Use)** 和 **构建(Build)**。 ``` +---------------------------------------------------------------+ | 企业落地 MCP 的四大核心挑战 | +---------------------------------------------------------------+ | 1. Discover (探索) | 海量 MCP 难辨真伪,缺乏权威企业级目录 | | 2. Secure (安全) | 缺乏统一鉴权与审计,存在数据泄露风险 | | 3. Use (使用) | 缺少面向非技术业务人员的现代化 UI/Client | | 4. Build (构建) | 过度暴露细粒度 API,缺乏场景化业务封装 | +---------------------------------------------------------------+ ``` - **海量且混杂**:公开目录中有超 10,000 个 MCP 服务端,质量参差不齐且缺乏安全验证。 - **安全性隐患**:MCP 服务端直接接收数据并调用企业内部 API,缺乏防护极易造成重大安全漏洞。 - **用户门槛**:现有客户端(如 Claude Desktop)偏向开发者,缺乏面向普通业务人员的易用界面。 --- ### [06:52](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=412s) 探索与安全:构建企业级 MCP Catalog 与管控体系 针对**探索(Discover)**这一难题,当前的 MCP 生态非常类似于 1994 到 1995 年初期的互联网——缺乏统一治理,且安全隐患更为严峻。梁胜认为,企业急需一种类似早期 Yahoo! 或现代 Octa SaaS 目录的解决方案。企业 IT 部门需要建立统一的 **MCP Catalog(MCP 服务目录)**,对允许使用的本地(Local)与远程(Remote)MCP 服务端进行统一审核与列出。尽管未来所有 SaaS 服务可能都会将 MCP 与 Web、App、API 并列作为标准接口输出,但在现阶段,企业 IT 机构的标准化落地必须从建立 MCP Catalog 开始。 在**安全(Secure)**防护层面,仅有 Catalog 还不够,企业必须配合制定严格的安全策略,要求员工只能使用目录内的 MCP 服务。梁胜坦言,除非在政府、军事或顶级金融等高安保环境,否则在技术和文化上几乎不可能完全阻止开发者在自己的本地 Claude Desktop 中加载任意 MCP 服务端。但企业可以通过控制鉴权来实施有效防护:**只有经过 Catalog 审核并列出的 MCP 服务端,才被允许对接企业的统一身份认证(如 SSO/Corporate Credentials)**。 一旦建立了这个统一控制点(Single Point of Control),企业 IT 团队就能顺理成章地落地访问控制规则(Access Control)、收集使用日志与审计日志(Audit Logs),并过滤不安全的操作请求,从而在保护敏感数据源的同时不阻碍业务创新。 - **MCP Catalog**:借鉴 SaaS 目录管理模式,由 IT 部门统一筛选、验证并提供安全可信的 MCP 服务清单。 - **身份鉴权联动**:将企业统一身份认证与 MCP Catalog 绑定,未入库的服务端无法获取企业凭证,形成天然防火墙。 - **安全管控矩阵**:基于统一控制点实现细粒度访问控制、实时日志采集、审计跟踪与风险拦截。 --- ### [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) 使用体验:从命令行 Bot 到富 UI 画布的演进 在谈到**使用(Use)**维度时,梁胜指出当前 MCP 客户端主要有两种形态:**Chatbot**(如 Claude Desktop、Cursor、VS Code 插件)以及**嵌入式自主 Agent(Custom Agents)**。市面上的 AI 聊天机器人层出不穷,"Chatbot is a dime a dozen these days"(如今聊天机器人遍地都是,极易构建)。他预测未来 Chatbot 的竞争格局将类似于浏览器——主流浏览器可能只有两三款,但针对特定场景的 Chatbot 客户端可能会有成百上千种,普通业务人员显然更倾向于类似 ChatGPT 的交互体验。 更令人兴奋的发展趋势在于 **MCP 正在从单纯的数据返回向富 UI(Rich UX)演进**。极具前瞻性的 MCP 服务端不再仅仅返回文本或 JSON 数据,而是直接返回渲染界面所需的代码,在客户端动态生成定制化 UI(例如弹出股票交易表单、数据分析看板或流程审批界面)。这种“ChatGPT + 动态画布(Canvas)”的模式极有可能重塑现有的软件应用生态。正如业内所言,“Chatbot 可能会成为全新的浏览器或桌面操作系统”。 在另一种形态中,MCP 服务端被直接嵌入到后台运行的自定义 Agent 中,无须人工干预即可自动完成复杂的工作流交互,这是更为直接且高效的落地场景。 - **客户端形态**:Chatbot(面向交互)与 嵌入式 Custom Agent(面向后台自动化)。 - **动态 UI 突破**:新型 MCP 支持返回界面渲染代码,实现对话框内嵌富交互组件(如表单、看板),拓展应用边界。 - **行业远景**:带有富 UI 扩展能力的 Chatbot 有望替代传统浏览器与桌面应用,成为下一代企业应用入口。 --- ### [13:06](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=786s) 构建实践:避开 Open API 直连误区与架构简化 关于**构建(Build)**环节,梁胜认为编写 MCP 服务端本身并不复杂,其本质与开发普通 API 服务没有太大区别,且市面上已有 FastMCP(Python 库)等大量成熟的 SDK 工具支持。虽然 Cloudflare、AWS、vSphere 等平台均提供了托管能力,但托管并非阻碍 MCP 普及的核心瓶颈。 构建层面最大的误区在于:**直接将现有的 Open API 规范原封不动地暴露为 MCP 服务**。早在 OpenAI 最初推出工具支持时,就支持直接解析 Open API Schema,但实际效果极差。因为传统 Open API 是为程序员设计的,粒度过细。以微软 Graph API 为例,在微软的视角下“一切皆图(Graph)”,如果要用 API 发送一封电子邮件,可能需要将邮件主题、收件人等拆解为数十个节点并发起几十次 API 调用。期望 LLM 自己去拼装这几十个细粒度 API 是不现实的。梁胜强调,**企业必须基于具体业务场景(Use Case-based)构建高层级、面向意图的 MCP 服务**(例如直接封装一个 `create_email` 接口)。 在前瞻架构方面,行业普遍接受的模式是“Agent -> MCP -> Apps/Data”。但 Obot.ai 在实践中发现,**当他们构建一个新的 Agent 时,也会直接将其封装为 MCP 服务暴露出去**。在他看来,MCP 协议本身就已经完美覆盖了 Agent 与 Agent 之间的通信交互(A2A),完全没有必要再单独引入一套全新的 Agent-to-Agent 协议。 ``` +---------------------------------------------------------------+ | Obot.ai 推荐的 MCP 演进架构 | +---------------------------------------------------------------+ | [ User / Client ] (如 Obot Client, Cursor, Claude) | | | | | v | | [ Obot MCP Gateway ] ---> (Catalog / Security / Auth) | | | | | +-----------------------+ | | | | | | v v | | [ Scenario MCP ] [ Sub-Agent (As MCP) ] | | (高层级场景化服务) (复合 Agent 亦封装为 MCP) | | | | | | v v | | [ Enterprise APIs ] [ Enterprise Data ] | +---------------------------------------------------------------+ ``` - **反面模式**:切忌将细粒度的 Open API 直接转译为 MCP,LLM 无法自主编排过于繁琐的底层 API。 - **最佳实践**:围绕业务场景进行高阶封装(如将复杂的 Graph API 封装为单一功能的邮件发送 MCP)。 - **架构简化**:将复合 Agent 同样封装为 MCP 输出,用统一的 MCP 标准替代额外的 Agent-to-Agent(A2A)通信协议。 --- ### [16:33](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=993s) Obot MCP Gateway 开源方案与社区展望 在演讲的最后,梁胜介绍了 Obot.ai 团队推出的核心产品——**Obot MCP Gateway**。作为本次大会的白金赞助商,Obot.ai 将该网关完全以 **100% 开源**的方式提供给社区,商业模式遵循传统的 Red Hat 模式:软件本身完全免费供企业下载、部署与测试,当企业需要在生产环境中运行关键任务(Mission-Critical)并寻求 SLA 保障时,Obot.ai 提供商业化的技术支持与服务(如每月收取少量的支持费用)。 在开发网关的过程中,团队发现仅提供 Proxy(代理)和 Catalog(目录)还不够,他们还额外开发了一款开源的客户端(Client)。原因在于除了 Cursor 和 Claude Desktop 外,市面上缺乏一款能够让普通业务人员开箱即用的标准 ChatGPT 式客户端。 梁胜最后表达了对 MCP 生态的高度乐观。虽然 MCP 最初由 Anthropic 发起并主导,但 Anthropic 采取了极其开放的姿态与社区及合作伙伴协作,使得整个生态保持了极高的活力。他呼吁现场及线上开发者积极参与 GitHub 开源项目,并踊跃报名参加后续的 MCP 开发者峰会,共同推动企业级 MCP 标准的发展与落地。 - **产品定位**:Obot MCP Gateway 是一套 100% 开源的企业级 MCP 网关,包含 Catalog、Proxy、Security 控制及专属 Client 模块。 - **商业模式**:采用 Red Hat 模式,开源免费使用,针对企业级生产环境订阅提供商业支持。 - **社区生态**:赞扬 Anthropic 的开放合作态度,呼吁行业开发者共同建设开源 MCP 社区并参与全球 Dev Summit。 --- <ElicitationsGroup message="如果您想进一步了解 MCP 的企业级落地或架构设计,可以参考以下方向:"> <Elicitation label="深入分析 MCP Gateway 在企业架构中的鉴权与路由机制" query="请详细分析在企业级架构中,MCP Gateway 是如何处理统一身份认证(SSO)、权限路由与安全审计的?"/> <Elicitation label="探讨将 Open API 重构为高阶 MCP 服务端的实战设计模式" query="如何将现有的细粒度 Open API 重构为面向 AI Agent 意图的高阶 MCP 服务端?请提供具体的设计模式与代码示例。"/> </ElicitationsGroup> ## Notable quotes > [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) Chatbot is a dime a dozen these days — 梁胜 > [10:07](https://www.youtube.com/watch?v=vR5_J6YDpPw&t=607s) Chatbot 可能会成为全新的浏览器或桌面操作系统 — 梁胜 ## Mentioned Sheng Liang (梁胜), Obot.ai, Model Context Protocol (MCP), Anthropic, Microsoft, MCP Dev Summit, OpenAI DevDay, Claude Desktop, Cursor, mcp.so, FastMCP, Cloudflare, AWS, vSphere, Microsoft Graph API, Obot MCP Gateway, Red Hat ## Video description Sheng Liang, Cofounder and CEO, Obot.ai Abstracts Organizations seeking to leverage MCP servers to enhance business processes face several challenges. How can we make sure that the tens of thousands of MCP servers on the market are safe to use? How can we implement enterprise-level authentication and access control? How can we enable in-house developers to build AI agents and applications on these MCP servers? In this talk, we will discuss the lessons and best practices learned from building MCP servers and clients, and explain the roles and responsibilities that enterprise IT and AI teams can play in the MCP ecosystem. [Source](https://www.youtube.com/watch?v=vR5_J6YDpPw)

Source quotes

[10:07] 梁胜: Chatbot is a dime a dozen these days [10:07] 梁胜: Chatbot 可能会成为全新的浏览器或桌面操作系统