为什么需要MCP网关
AI的行为无法监测和约束
Agent 可以在数秒内连续扫描数据库、执行 SQL 与 Shell,并读取服务器敏感信息。这些调用若发生在网关之外,既无法还原它实际执行了什么,也无法在执行前拒绝高危操作。
MCP很强大,但出网困难
生产环境的数据库、Redis 等服务通常只提供 Stdio 形态(父子进程通信)的方式进行交互,不直接对公网提供 MCP。要把它们接到本机的 Coding Agent,常见做法是开放 SSH,而这会把主机权限一并交给模型,等于权限全开。
生产级别的MCP管理地狱
一套环境里通常同时有 MySQL、Redis、Docker、Kafka,每个服务各自一份 MCP 与鉴权配置。测试、生产再各配一套并下发给团队,配置量会膨胀到几十个 MCP 配置。
多环境MCP冲突
测试环境与生产环境会同时存在同名的 MySQL MCP。即便配置了 server key,Agent 在缺少明确环境上下文时,仍经常调用到错误的那一套。
身份鉴权成难题
MCP 对 Coding Agent 开放后,共享凭证无法区分是哪位同事、通过哪个 Agent、在什么时间发起的调用。因此也做不到按人授予不同的访问范围,生产环境缺少可审计的身份。
MCP Composer 领先行业,带来聚合解决方案
MCP 服务的打通只需要一条支持 SSE 或者 STREAM JSON 流的传输层隧道,而相比简单传输,orbitproxy 更关注安全。
orbitproxy 提供生产环境 / 敏感内网环境专用 MCP 安全策略,对 AI 的无规则调用进行有规则的控制。你可以屏蔽如删除库表、读取核心环境配置密钥等安全策略,当 AI 的此类调用进入网关时则会被自动拦截。右侧即是策略落地的样子:查询和更新可以放行,没有权限的 Tool 调用则在网关被拦截。
另一方面,orbitproxy 提供对 MCP 服务调用的 RBAC,你可以控制谁可以调用生产环境的 MCP 服务,能调用到什么程度,是读还是写?权限甚至可以控制到某一条具体的 SQL。
orbitproxy 在 MCP Composer 方面的优势
多协议适配,不止SSE
无论是SSE, STREAM JSON,亦或者Exec, orbitproxy 都提供第一梯队支持,且支持如Mysql, Shell, Docker, RabbitMQ等多种MCP服务,适配协议广,适配服务多,且可以完全自定义对接内网MCP服务
没有上手门槛,复杂度封装到网关底层
没有复杂的 yaml配置,也没有任何心智上的负担,只需要在可视化的平台上创建一条记录,填几个字段就可以完成一套生产级别的MCP 管理中心
支持环境隔离
基于 orbitproxy 独有的MCP Composer可以做到将一个环境内的所有MCP打包给Cursor这类AI Coding Agent,让AI不再混乱,环境隔离
始终关注MCP访问安全
除了在业务上 orbitproxy 提供例如AI Agent 身份识别, MCP访问控制外,在云网关处,我们始终对MCP访问构建防护网络,实时扫描恶意投毒流量,以及屏蔽恶意访问来源
MCP AI领域领先
orbitproxy 对 AI 提供第一梯队支持,自研 MCP Composer 引擎提供对内网 MCP 服务的聚合解决方案,行业领先。多个内网 MCP Tool,一条 Composer 隧道,意味着你可以将内网 MCP 服务根据不同环境、不同机器交给 AI 批量管理和维护。同时 orbitproxy 积极适配主流 AI Agent,提供更安全稳定的 AI 解决方案。
更强大的可观测性
orbitproxy 提供了一套完善的云端点观测机制,让你可以随时知道自身云端点的所有访问情况及 AI 调用情况。了解内网服务全链路观测
