IBM/mcp-context-forge

ContextForge – AI 工具、代理和 API 的统一网关

是什么 – ContextForge 是一个开源的 注册表和代理，可让您通过单一、集中管理的端点暴露任何 模型上下文协议 (MCP) 服务器、A2A（代理到代理）服务或普通的 REST/gRPC API。它作为一个 网关，翻译、发现并监控这些后端，使它们在您的 LLM 驱动的应用程序中看起来像原生的 MCP 工具。

为何重要 – 现代 LLM 应用通常需要调用许多外部服务（搜索、数据库、自定义工具、其他代理）。将每个集成单独维护很快就会变成维护噩梦：您必须为每个服务处理认证、速率限制、重试、可观测性以及版本控制。ContextForge 通过以下方式解决此问题：

• 联邦化 异构后端（MCP、REST、gRPC）为一个一致的 API 表面。
• 提供 集中治理（认证、速率限制、OAuth、JWT、密钥管理）。
• 通过 OpenTelemetry 提供 内置可观测性（可导出至 Jaeger、Zipkin、Phoenix 等）。
• 支持 插件扩展（40+ 插件），用于额外传输或自定义逻辑。
• 提供 管理 UI，用于运行时配置、健康检查和日志浏览。

核心组件

组件	作用
工具网关	将 MCP、REST 和 gRPC 服务转换为 MCP 兼容的 工具；支持 TOON 压缩和自动 JSON Schema 提取。
代理网关	通过 A2A 协议路由 OpenAI 兼容、Anthropic 或自定义代理；处理令牌级路由和版本控制。
API 网关	为通用 REST 服务添加速率限制、重试和反向代理功能。
插件系统	提供 40+ 预制适配器，支持额外传输（WebSocket、SSE、stdio 等）和集成。
可观测性层	OpenTelemetry 指标；可导出至 Phoenix、Jaeger、Zipkin、Tempo、DataDog、New Relic 等；支持 LLM 特有指标（令牌使用量、成本）。
管理 UI	基于 HTMX/Alpine 的仪表板，用于管理服务器、工具、提示词和资源；支持离线部署。

如何运行

• PyPI – pip install mcp-contextforge-gateway 并使用 mcpgateway CLI 启动。
• Docker / Docker-Compose – 拉取预构建镜像 ghcr.io/ibm/mcp-context-forge，通过单条 docker compose up -d 启动完整堆栈（网关 + PostgreSQL + Redis + 可选 Nginx）。
• Kubernetes (Helm) – 部署提供的 Helm 图表以实现多集群、高可用部署；包含自动伸缩、Prometheus 指标和密钥注入。
• Dev container – 支持 VS Code dev-container，实现快速本地开发。

典型工作流

1. 生成密钥（python -m mcpgateway.scripts.init_secrets）。
2. 启动网关（CLI、Docker 或 Helm）。
3. 通过管理 UI 或 REST 调用注册后端 – 例如，将旧版 REST 服务指向 http://localhost:4444/gateways。
4. 创建虚拟服务器，捆绑一组工具/提示词/资源。
5. 从任何 LLM 客户端（OpenAI 兼容、Anthropic 或自定义）消费统一的 MCP 端点 – 客户端无论底层实现如何，都看到单一的 /mcp URL。

谁应该使用它

• 需要调用多个异构服务的 代理型 AI 应用 开发团队。
• 希望对所有 AI 相关 API 实现 集中策略强制（认证、速率限制、审计）的企业。
• 寻求 可观测性 以监控分布式 LLM 工作负载中工具使用情况的开发者。
• 需要一个 插件友好 的网关，能随新传输协议出现而演进的任何人。

成熟度与社区

• 由 IBM 持续维护，具备 CI 流水线（测试、linting、依赖审查）。
• 超过 7,000 个自动化测试 和完整的 CI/CD 工作流。
• 以 PyPI 包 和 Docker 镜像 形式分发；支持 Python 3.11+。
• 文档网站（ibm.github.io/mcp-context-forge）包含快速入门指南、API 参考和路线图。
• 欢迎贡献 – 请参阅 CONTRIBUTING.md 了解问题提交和 PR 指南。

---

TL;DR – ContextForge 是一个生产级、可扩展的网关，可将任何 AI 工具、代理或服务（MCP、REST、gRPC）转换为单一、可观测且集中管理的端点，随时可供 LLM 驱动的应用程序使用。