属于大家的
VPS知识分享站

MCP 服务器部署:香港节点把自建服务接给 AI

AI 能聊天,却读不到你的数据库、工单和内部 API;每次都要人复制粘贴,效率还不如自己查。MCP 想把这件事标准化:把自建服务包成一个 server,AI 客户端按协议调用工具。

MCP 是什么

MCP(Model Context Protocol)是一套让 AI 客户端连接外部工具和数据的协议。Server 暴露 tools、resources、prompts,client 负责发现和调用。它不是模型,也不是网关,而是“AI 和系统之间的插头”。

三种传输

方式 适合 注意
stdio 本地进程,客户端直接拉起 不能跨机器
SSE 远程 server,单向流 旧方案,逐步被替代
Streamable HTTP 远程 server,双向 要自己做鉴权

要放在云上给多个客户端用,选 Streamable HTTP;本地单机用 stdio 最简单。

写一个最小 server

from mcp.server.fastmcp import FastMCP
mcp = FastMCP("demo")

@mcp.tool()
def query_order(order_id: str) -> str:
    # 换成你的数据库查询
    return f"order {order_id}: shipped"

mcp.run(transport="streamable-http")

工具函数要有清晰的参数和返回值,别把整个数据库暴露成一个“执行 SQL”的工具;权限越大,出事越严重。

玻璃桥连接 AI 光球与数据库
MCP 是插头,不是模型,也不是网关。

接客户端

Claude Desktop、Cursor、Open WebUI 等客户端都支持 MCP 配置。远程 server 填 URL 和 Token:

{
  "mcpServers": {
    "internal": {
      "url": "https://mcp.example.com/mcp",
      "headers": {"Authorization": "Bearer <token>"}
    }
  }
}

stdio 方式则填命令和参数,由客户端拉起进程。远程方式更适合团队共享,也更容易审计。

半透明护盾与钥匙
认证、授权、审计,三层都要有。

安全是重点

MCP server 等于把内部能力开放给 AI,必须做三层控制:

  1. 认证:OAuth 或 Token,别裸奔
  2. 授权:按用户/角色限制能调哪些工具
  3. 审计:记录谁在何时调了什么、参数和结果

再加白名单:只允许访问指定表、指定 API、指定目录;危险操作(删除、转账、改配置)要二次确认或直接禁用。

城市节点连接多个客户端面板
香港做亚洲入口,工具和数据就近。

香港节点

MCP server 的延迟主要影响工具调用,不影响模型生成。香港节点对大陆和亚洲客户端都近,适合做内部工具入口;如果工具本身在美国,跨太平洋这一段会叠加。

  • 香港:大陆/亚洲客户端近,适合内部工具
  • 新加坡:东南亚团队近
  • 美国:工具和数据都在美国时更顺

server 本身很轻,2 核 4G 就够;重的是它背后的数据库和 API。

监控和限流

  • 按 Token/用户限流,防止 AI 循环调用打爆后端
  • 记录调用耗时、失败率、参数大小
  • 设超时和重试上限,别让一次调用挂住
  • 危险工具单独告警

常见坑

  • 把数据库超级权限直接给工具
  • 没有认证就暴露公网
  • 工具返回超大结果,撑爆上下文
  • stdio 进程随客户端退出,不适合常驻服务
  • 没做审计,出事查不到谁调的

和 function calling 的区别

function calling 是模型调用一个函数,MCP 是把工具和数据源标准化,让不同客户端都能发现和调用;前者是能力,后者是接口。

多工具

工具别堆太多,按业务分组;每个工具的参数和返回要小而清晰,避免 AI 选错或上下文爆炸。

部署方式

小团队用 Docker 单进程,前面加 Nginx;多工具拆成多个 server,按权限隔离,别一个进程通吃。

日志

记录调用者、工具名、参数摘要、耗时和结果状态;敏感参数脱敏,日志保留按合规要求。

资源

除了工具,MCP 还能暴露 resources 和 prompts;资源和工具分开授权,读和写别用同一个凭据。

测试

上线前用官方 inspector 或客户端逐工具测,覆盖成功、失败、超时和权限不足;别只测 happy path。

客户端兼容

不同客户端支持的传输和字段不一样,先确认目标客户端;远程优先 Streamable HTTP,本地再留 stdio。

权限模型

按角色给工具,不按人给;临时授权设过期时间,离职和项目结束及时回收。

限流

按用户和工具限流,防 AI 循环调用;超时和重试上限写进 server,别靠客户端自觉。

审计

审计日志单独存,记录调用链和结果状态;出问题能追到人、工具和时间点。

部署检查

上线前确认端口、证书、认证和超时;用真实客户端跑一遍,别只在本机 curl。

运维

工具变更要版本化,客户端缓存可能不刷新;改完通知使用方,避免调用到旧参数。

先小范围开放工具,再逐步加权限;别一上来就把生产库接进去。

权限收窄一点,出事少一点。

先跑通一个工具,再扩到十个。

工具少而稳,比多而乱好。

安全先于功能,顺序别反。

权限和审计,缺一不可。

先把一个工具跑稳,再谈扩展和权限,真的。

常见问题 FAQ

Q1:MCP 和普通 API 有什么区别?

MCP 让客户端自动发现工具和参数,不用为每个 AI 客户端写适配;普通 API 要自己描述和调用。

Q2:一定要公网吗?

不一定。内网或 VPN 更安全;要给多地客户端用,再考虑公网加认证。

Q3:香港节点合适吗?

亚洲客户端为主就合适;工具和数据在美国时,注意跨洋延迟。

Q4:怎么防止 AI 乱操作?

最小权限、白名单、危险操作二次确认、审计日志,四件事都要有。

Q5:能商用吗?

MCP 是开放协议,但具体 SDK 和客户端各有许可证;商用前确认授权和数据合规。

总结

MCP server 的价值是把内部能力标准化给 AI 用,难点在安全和权限,不在代码。远程用 Streamable HTTP,香港做亚洲入口,认证、授权、审计、白名单一个都不能少。

需要一台机器跑 MCP server,不确定配置,先按小时开一台香港 CN2 云主机,先把工具调用和审计跑通。

参考来源

相关推荐

赞(0)
未经允许不得转载:VPS知识分享站 » MCP 服务器部署:香港节点把自建服务接给 AI