前面從基本的 MCP 的基本概念、操作到實際開發,各位應該可以感受到 MCP 對 AI Agent 或是 Agentic AI 是一個不可或缺的一項協定。
然而,各位在配置 MCP Server 的時候應該會覺得有點亂,像是 GitHub Copilot、Claude Code 跟 Codex 在配置檔的格式都不太一樣,另外也遇到像是環境變數、路徑等問題(要讓 MCP 可以存取哪些路徑等...)。目前配置的 MCP Server 數量可能也不大,偶爾麻煩點也還可以接受,但是如果是從企業的角度來看,不可能隨意的讓員工去安裝 MCP Server,讓 AI Agent 可以隨意讀取電腦上的資料。
因此,今天要來介紹一個 Enterprise-Level 集中管理 MCP Server 的解決方案叫做 IBM/mcp-context-forge
。
補充說明
筆者認爲 MCP 目前還在發展階段,因此本次的介紹並不一定是最好的解決方案,主要著重的點在於提供各位一些 mindset,讓各位可以知道在企業環境中,可能可以怎麼管理 MCP Server 以及 MCP Server 的一些注意事項。
IBM/mcp-context-forge
提供一個「集中管理」 MCP Gateway,可以讓多個 MCP Server 與 RESTful API 使用一個單一端點
admin
changeme
mkdir -p $(pwd)/data
touch $(pwd)/data/mcp.db
sudo chown -R :docker $(pwd)/data
chmod 777 $(pwd)/data
docker run -d --name mcpgateway \
--network=host \
-e MCPGATEWAY_UI_ENABLED=true \
-e MCPGATEWAY_ADMIN_API_ENABLED=true \
-e HOST=0.0.0.0 \
-e PORT=4444 \
-v $(pwd)/data:/data \
ghcr.io/ibm/mcp-context-forge:0.6.0
本次文章比較著重跟 MCP 管理以及監測的功能分別在 NavBar 的:
IBM/mcp-context-forge