IBM/mcp-context-forge

ContextForge – AI 工具、代理與 API 的統一閘道

是什麼 – ContextForge 是一個開源的 註冊表與代理，可讓您透過單一、集中管理的端點，公開任何 模型上下文協定 (MCP) 伺服器、A2A（代理至代理）服務，或一般的 REST/gRPC API。它作為一個 閘道，翻譯、發現並監控這些後端，讓它們在您的 LLM 驅動的應用程式中看起來像原生的 MCP 工具。

為何重要 – 現代 LLM 應用通常需要呼叫許多外部服務（搜尋、資料庫、自訂工具、其他代理）。將每個整合各自分開管理，很快就會變成維護地獄：您必須為每個服務處理認證、速率限制、重試、可觀測性與版本控制。ContextForge 透過以下方式解決此問題：

• 聯邦化 異質後端（MCP、REST、gRPC）為一個一致的 API 表面。
• 提供 集中治理（認證、速率限制、OAuth、JWT、密鑰管理）。
• 提供 內建可觀測性，透過 OpenTelemetry（可導出至 Jaeger、Zipkin、Phoenix 等）。
• 支援 插件擴充（40+ 插件），用於額外傳輸或自訂邏輯。
• 提供 管理 UI，用於執行時設定、健康檢查與日誌瀏覽。

核心元件

元件	功能
工具閘道	將 MCP、REST 和 gRPC 服務轉換為 MCP 相容的 工具；支援 TOON 壓縮與自動 JSON Schema 提取。
代理閘道	透過 A2A 協定路由 OpenAI 相容、Anthropic 或自訂代理；處理權杖級路由與版本控制。
API 閘道	為一般 REST 服務新增速率限制、重試與反向代理功能。
插件系統	提供 40+ 預先建置的適配器，支援額外傳輸（WebSocket、SSE、stdio 等）與整合。
可觀測性層	OpenTelemetry 指標；可導出至 Phoenix、Jaeger、Zipkin、Tempo、DataDog、New Relic 等；支援 LLM 特有指標（權杖使用量、成本）。
管理 UI	基於 HTMX/Alpine 的儀表板，用於管理伺服器、工具、提示詞與資源；支援離線部署。

如何執行

• PyPI – pip install mcp-contextforge-gateway 並使用 mcpgateway CLI 啟動。
• Docker / Docker-Compose – 拉取預建置鏡像 ghcr.io/ibm/mcp-context-forge，透過單一指令 docker compose up -d 啟動完整堆疊（閘道 + PostgreSQL + Redis + 可選 Nginx）。
• Kubernetes (Helm) – 部署提供的 Helm 圖表以實現多叢集、高可用部署；包含自動擴展、Prometheus 指標與密鑰注入。
• Dev container – 支援 VS Code dev-container，實現快速本地開發。

典型工作流程

1. 產生密鑰（python -m mcpgateway.scripts.init_secrets）。
2. 啟動閘道（CLI、Docker 或 Helm）。
3. 透過管理 UI 或 REST 呼叫註冊後端 – 例如，將舊版 REST 服務指向 http://localhost:4444/gateways。
4. 建立虛擬伺服器，捆綁一組工具/提示詞/資源。
5. 從任何 LLM 客戶端（OpenAI 相容、Anthropic 或自訂）消費統一的 MCP 端點 – 客戶端無論底層實作如何，都看到單一的 /mcp URL。

誰應該使用它

• 需要呼叫多個異質服務的 代理型 AI 應用 開發團隊。
• 希望對所有 AI 相關 API 實現 集中策略強制（認證、速率限制、審計）的企業。
• 尋求 可觀測性 以監控分散式 LLM 工作負載中工具使用情況的開發者。
• 需要一個 插件友善 的閘道，能隨著新傳輸協定出現而進化的任何人。

成熟度與社群

• 由 IBM 持續維護，具備 CI 流水線（測試、linting、依賴審查）。
• 超過 7,000 個自動化測試 和完整的 CI/CD 工作流程。
• 以 PyPI 套件 和 Docker 鏡像 形式分發；支援 Python 3.11+。
• 文件網站（ibm.github.io/mcp-context-forge）包含快速入門指南、API 參考與路線圖。
• 歡迎貢獻 – 請參閱 CONTRIBUTING.md 了解問題提交與 PR 指南。

---

TL;DR – ContextForge 是一個生產級、可擴展的閘道，可將任何 AI 工具、代理或服務（MCP、REST、gRPC）轉換為單一、可觀測且集中管理的端點，隨時可供 LLM 驅動的應用程式使用。