股市万花筒：400块茅台让A股跌份 闪崩军团再扩容

随着企业竞相实施 AI，挑战不仅在于如何构建和部署大型语言模型 (LLM)，还在于如何将这些模型无缝集成到现有的 API 生态系统中，同时维护企业级安全性、治理和合规性。Apigee 致力于带领您踏上这段旅程。Apigee 通过加强生成式 AI 智能体的安全性、可扩展性和治理，以简化将生成式 AI 智能体集成到应用中的过程。

虽然模型上下文协议 (MCP) 实际上已成为集成离散 API 作为工具的方法，但将 API 转变为这些智能体工具的过程不仅仅涉及单个协议。这篇帖子重点介绍了您现有 API 计划在这一发展过程中的关键作用，以及 Apigee 如何致力于帮助您取得成功（无论您选择哪种特定的工具集成路径）。

请务必了解，拥有 API 是基础。如果您当前尚未参与任何 API 计划，那么接下来的首要行动便是建立 API 并与 Apigee API 中心互动。

探索 MCP：面向智能体未来的参考 MCP 服务器解决方案（由 Apigee 提供支持）

模型上下文协议 (MCP) 已成为这一领域中备受瞩目的概念。然而，现实情况是，MCP 正在迅速发展，但却没有满足企业对身份验证、授权和可观测性的要求。

Apigee 是 Google Cloud 的原生 API 管理平台，能将您现有的企业 API 接入 AI。我们将继续引领您在这一不断变化的 AI 领域中前行。我们将继续确保为您的所有 AI 工作负载提供一流的企业级功能。

打造企业级 MCP

在网络上利用 MCP 服务需要遵守特定的安全限制。您可能想将身份验证添加到您的 MCP 服务器本身。对 MCP 服务器进行经过身份验证的调用后，您可能需要根据使用应用的情况来授予对某些工具的访问权限。您可以提供一流的可观测性信息，以跟踪哪些工具正在被使用以及被谁使用。最后，您可能希望确保 MCP 服务器为工具所提供的任何下游 API 也能提供最低限度的安全保证，如上所述。

Apigee 将要提供 MCP 服务器的开源示例，该示例恰好能提供此类 API 安全保障；所有这些功能目前都已可用，并且能为您的 MCP 服务提供支持。

此示例演示如何使用 Apigee 的 API 产品对工具进行身份验证和授权控制。此外，最终位于 MCP 服务器后端的这些 API（在本案例中已部署到 Cloud Run）本身也托管在 Apigee 上，因此它们能获得与其他所有托管在 Apigee 上的 API 相同的安全保障、分发能力和可观测性功能。它借助 Apigee 丰富的功能集，弥合了托管 API 与探索性 AI 交互之间的差距，为您的 AI 发展历程提供安全保障、实现规模扩展并进行有效治理。此演示展示了如何立即启动并运行 MCP 服务器，同时提供必要的企业控制功能。如果 MCP 标准发生变化，此设置可以很容易进行调整，因为它实际上只是像 Apigee 的其他设置一样为后端提供服务而已。

如下所示，我们将 API 产品引入这些智能体和 MCP 工具中，并使它们成为 AI 产品。这些 AI 产品有自己的消费者和开发者，就像任何其他 API 一样。

探索我们的 GitHub 以获得指导

我们的 GitHub repo 包含快速入门指南、示例工件和文档，将帮助您在 Apigee 中浏览如何构建和部署参考 MCP Serving 架构的内容，并了解通过利用 API 产品将 API 作为 AI 智能体的工具公开所涉及的步骤。

与 Apigee 一起为您的 AI 未来铺平道路

这一发展过程将随着时间的推移而不断调整和变化：MCP 在不断发展，正如从无初始 AuthN 到用于 AuthZ 和资源服务的 OAuth 的转变所看到的那样。Google Apigee 致力于与之同步发展。

详细了解使用 Apigee 运行生成式 AI 应用并浏览我们的 AI 政策文档。