MCP Shared Services

模块化单体 FastAPI 共享 AI 服务平台。

本地开发

uv --cache-dir .uv-cache sync --extra dev --no-managed-python --python D:\sorftWare_package\anaconda\python.exe
uv --cache-dir .uv-cache run python -m pytest -v
uv --cache-dir .uv-cache run uvicorn app.main:app --host 0.0.0.0 --port 8400 --reload

前端控制台：

cd frontend
npm install
npm run dev -- --host 0.0.0.0 --port 5173

默认访问地址：

http://localhost:5173

初始化开发数据：

uv --cache-dir .uv-cache run python -m scripts.seed_dev_data

冒烟检查：

uv --cache-dir .uv-cache run python -m scripts.smoke_test
uv --cache-dir .uv-cache run python -m scripts.check_pgvector

当前范围

• Config Center
• Prompt Registry
• LLM Gateway
• RAG Service V1
• Secret Manager V1
• Tool Registry V1
• MCP Server wrapper

Secret Manager

Secret Manager 用于按项目和环境加密保存敏感配置，例如模型 API Key、RTC AppKey、外部工具凭证。

生产环境应配置稳定的加密密钥：

$env:SECRET_ENCRYPTION_KEY="your-stable-secret-key"

也可以使用 Fernet key。未配置时会使用本地开发兜底密钥，适合开发联调，不适合生产。

HTTP 接口：

• PUT /api/v1/secrets/{project_id}/{env}/{secret_key}：新增或更新 secret
• GET /api/v1/secrets/{project_id}/{env}/{secret_key}：读取 secret 元数据，不返回明文
• GET /api/v1/secrets?project_id=...&env=...：查询 secret 元数据列表
• POST /api/v1/secrets/{project_id}/{env}/{secret_key}/resolve：解析 secret 明文，供受控服务端调用

普通元数据响应会返回 secret_ref，例如：

secret://finance_media/dev/ark_api_key

后续 Tool Registry 和 Agent Gateway 可以保存这个引用，而不是保存明文。

Tool Registry

Tool Registry 用于按项目和环境登记可供 Agent 使用的工具目录。它只保存工具元数据和凭证引用，不负责直接执行工具。

适合登记的工具类型：

• http：外部或内部 HTTP API
• mcp：MCP Server 暴露的工具
• builtin：平台内置工具或后续 Agent Gateway 内部能力

核心字段：

• endpoint_config：工具连接信息，例如 HTTP URL、方法，或 MCP server/tool 名称
• input_schema / output_schema：工具输入输出结构
• auth_type：none、api_key、bearer、basic、custom
• secret_ref：Secret Manager 返回的引用，例如 secret://finance_media/dev/news_api_token
• permission_scope：private、project、public
• tags：工具标签，便于 Agent 按任务筛选

HTTP 接口：

• PUT /api/v1/tools/{project_id}/{env}/{tool_id}：新增或更新工具定义
• GET /api/v1/tools/{project_id}/{env}/{tool_id}：读取工具定义
• GET /api/v1/tools?project_id=...&env=...&tool_type=...&enabled=true&tag=...：查询工具列表

MCP Server

四个共享 HTTP 服务也暴露为 MCP 工具，默认通过 Streamable HTTP 启动，使用独立端口 8401：

uv --cache-dir .uv-cache run python -m app.mcp_server

默认地址：

http://127.0.0.1:8401/mcp

MCP Streamable HTTP Host 配置示例：

{
  "mcpServers": {
    "mcp-shared-services": {
      "url": "http://127.0.0.1:8401/mcp"
    }
  }
}

如果需要改端口：

$env:MCP_PORT="8401"
uv --cache-dir .uv-cache run python -m app.mcp_server

如果需要 stdio 模式，可以显式指定：

$env:MCP_TRANSPORT="stdio"
uv --cache-dir .uv-cache run python -m app.mcp_server

当前工具覆盖：

• Secret Manager：secret_upsert、secret_get_metadata、secret_list、secret_resolve
• Tool Registry：tool_registry_upsert、tool_registry_get、tool_registry_list
• Config Center：config_get_task、config_upsert_task、config_list_change_logs
• Prompt Registry：prompt_create、prompt_create_version、prompt_publish_version、prompt_render
• RAG Service：rag_create_knowledge_base、rag_ingest_document、rag_search、rag_create_evidence_pack
• LLM Gateway：llm_generate、llm_json_generate、llm_image_generate

下游项目共享平台地址

本地开发统一使用 http://localhost:8400 作为 MCP_Cluster 共享平台地址，避免和营销项目 backend_api:8000 冲突。

• 营销内容编排：SHARED_PLATFORM_BASE_URL=http://localhost:8400
• 智能客服 LLMServer：SHARED_PLATFORM_BASE_URL=http://localhost:8400

如果使用 PostgreSQL 并已安装 pgvector，启动或 seed 时会自动执行：

• CREATE EXTENSION IF NOT EXISTS vector
• 为 rag_chunks 增加 embedding_vector vector(...)
• 回填已有 chunk 的向量并优先走 pgvector 检索