Uber xây dựng MCP Gateway nhằm quản trị quyền truy cập hơn 800 máy chủ và hơn 5.000 công cụ AI Agent

Trang chủ InfoQ Tin tức Uber xây dựng MCP Gateway để quản trị quyền truy cập hơn 800 máy chủ và hơn 5.000 công cụ tác tử AI Kiến trúc & Thiết kế Uber xây dựng MCP Gateway để quản trị quyền truy cập hơn 800 máy chủ và hơn 5.000 công cụ tác tử AI Ngày 02/11/2026 2 phút đọc Tác giả Leela Kumili Theo dõi chúng tôi trên Youtube 232.000 người theo dõi Linkedin 26.000 người theo dõi Instagram Mới RSS 19.000 độc giả X 57,1 nghìn người theo dõi Facebook 21.000 lượt thích Bluesky Mới Nghe bài viết này - 0:00 Âm thanh sẵn sàng phát Trình duyệt của bạn không hỗ trợ phần tử âm thanh. 0:00 0:00 Bình thường 1,25x 1,5x Thích Danh sách đọc Uber đã xây dựng cổng MCP Gateway nhằm chuẩn hóa cách thức các tác tử AI tìm kiếm và kích hoạt các dịch vụ nội bộ, giải quyết tình trạng tích hợp phân mảnh, hạ tầng trùng lặp và các quy chuẩn an ninh thiếu nhất quán khi việc ứng dụng tác tử AI mở rộng trên toàn công ty. Nền tảng này hỗ trợ hơn 800 máy chủ MCP và 5.000 công cụ, cung cấp một lớp chung phục vụ việc nhận diện, chuyển đổi giao thức, phân quyền và thực thi. Các kỹ sư của Uber mô tả phương pháp này là một kiến trúc microservice, cho phép mở các API hiện có dưới dạng công cụ MCP mà không yêu cầu thay đổi các dịch vụ nền tảng. Kiến trúc tách biệt MCP Registry (đóng vai trò là mặt phẳng điều khiển) khỏi Proxy Gateway (xử lý thực thi thời gian chạy). Bộ đăng ký duy trì các định nghĩa công cụ, lược đồ (schema), quyền sở hữu và cài đặt kích hoạt, trong khi cổng proxy chuyển đổi các yêu cầu MCP thành các lệnh gọi HTTP, gRPC hoặc TChannel, đồng thời chuyển đổi phản hồi trở lại thành các kết quả tương thích với MCP. Uber MCP Gateway với các API dưới dạng công cụ (Nguồn: Uber Blog Post) Kiến trúc này đã được đem ra so sánh với các mô hình API gateway hiện hành. Ajay Sharma, Kỹ sư phần mềm trưởng tại Microsoft CoreAI, đã viết trong một bài đăng trên LinkedIn: Azure API Gateways đã thực hiện điều này từ lâu. Đây là giải pháp lập lại trật tự cho sự hỗn loạn đi kèm với các LLM. Kelly Goetsch, Chủ tịch tại Pipe17, cũng có nhận định tương tự trên LinkedIn: Cổng MCP mới của Uber trông giống hệt các cổng kết nối mà chúng tôi đã xây dựng qua nhiều thập kỷ cho API và sau đó là GraphQL. Tamir Dresher nhấn mạnh trên LinkedIn về tính duy trì của các mối quan tâm cốt lõi trong hệ thống phân tán, bao gồm an ninh, nhận diện, khả năng quan sát và quản trị. AutoCrawler của Uber tự động hóa việc nhận diện công cụ bằng Cadence. Hệ thống quét các bộ đăng ký ngôn ngữ định nghĩa giao diện (IDL) nội bộ và trích xuất các định nghĩa API từ các lược đồ Protocol Buffers và Thrift. Sau đó, hệ thống tạo ra các lược đồ tương thích với MCP và sử dụng một mô hình ngôn ngữ lớn để tạo mô tả công cụ. Các công cụ mới được nhận diện sẽ duy trì trạng thái vô hiệu hóa cho đến khi các đội ngũ phụ trách xem xét và chủ động kích hoạt. Các thay đổi về cấu hình được chuyển giao tới mặt phẳng dữ liệu mà không yêu cầu khởi động lại hoặc tái triển khai dịch vụ. Quy trình thu thập dữ liệu tự động (Nguồn: Bài viết trên Uber Blog) Cổng kết nối (gateway) thực thi việc phân quyền ở cả cấp độ máy chủ và công cụ thông qua hệ thống kiểm soát truy cập nội bộ của Uber. Hệ thống cũng hỗ trợ việc loại bỏ thông tin nhận dạng cá nhân (PII) và các dữ liệu nhạy cảm khác trong phản hồi của công cụ. Đối với việc tích hợp các bên thứ ba, bao gồm Jira và Google, một dịch vụ độc lập sẽ chịu trách nhiệm chuyển đổi mã định danh (token) người dùng nội bộ thành các token xác thực tương ứng của bên thứ ba. Khi danh mục công cụ ngày càng mở rộng, việc nạp định nghĩa của hàng nghìn công cụ vào ngữ cảnh của tác tử (agent) trở nên kém hiệu quả. Uber đã phát triển Omni MCP nhằm hỗ trợ tính năng khám phá tăng dần (incremental discovery), cho phép các agent tìm kiếm máy chủ, khám phá các công cụ liên quan, truy xuất từng cấu trúc dữ liệu (schema) riêng lẻ và kích hoạt các công cụ được lựa chọn khi có nhu cầu. Tính năng Response Projection cho phép các agent yêu cầu các trường phản hồi cụ thể thay vì tiếp nhận toàn bộ tải trọng dữ liệu (payload). Giao diện dòng lệnh aifx của Uber cũng hỗ trợ các coding agent khám phá và gọi thực thi công cụ, đồng thời ghi kết quả ra tệp để phục vụ việc kiểm tra có chọn lọc. Về tác giả Leela Kumili Xem thêmThu gọn Đánh giá bài viết này Mức độ ứng dụng Văn phong Đã liên hệ tác giả Nội dung này thuộc chủ đề Service Discovery Chủ đề liên quan: Phát triển phần mềm Kiến trúc & Thiết kế AI, ML & Kỹ thuật dữ liệu gRPC Model Context Protocol (MCP) Service Discovery Agent REST Thrift Microservices API Gateway Hạ tầng Hệ thống phân tán Bài viết chuyên môn liên quan Đơn vị tài trợ liên quan Được quan tâm nhiều trên InfoQ Báo cáo Xu hướng AI, ML và Kỹ thuật dữ liệu năm 2026 của InfoQ Anthropic nhận định không cần mô hình tư duy về Claude Code; giới chuyên môn đang kiểm chứng nhận định này Cách Anthropic tái thiết kế hệ thống kiểm soát mã nguồn phục vụ phát triển phần mềm định hướng AI File Mover Express: AWS phát hành công cụ mã nguồn mở phục vụ truyền tải tệp S3 AGNTCon + MCPCon 2026: Agentic AI Foundation tiếp nhận thêm bốn dự án trong bối cảnh MCP chuyển trọng tâm sang an ninh bảo mật Cloudflare cung cấp Quicksilver cho khách hàng dưới tên gọi Workers KV Instant, giới hạn dung lượng trong 1 MB Nội dung liên quan Bản tin InfoQ Tổng hợp các nội dung tuần qua trên InfoQ, gửi vào thứ Ba hằng tuần. Tham gia cùng cộn