01 背景：MCP協議介紹

在AI蓬勃發展的當下，大型語言模型（LLM）雖展現出強大潛力，卻受困于與外部資源連接的難題。數據分散、接口繁雜，致使AI模型難以靈活對接本地資源與遠程服務，極大限制了其響應質量與工作效率。而就在這一關鍵時刻，MCP Server強勢登場，成為破局的關鍵力量。尤其隨著Manus的火爆出圈，MCP Server也備受矚目，迎來了飛速發展，短短1個多月時間，數量已超5000個。

MCP Server，即模型上下文協議服務器，基于Anthropic公司2024年11月開源的模型上下文協議（MCP）構建，是一款輕量級服務程序。MCP協議采用客戶端-服務器（Client-Server）架構。客戶端（MCP Client）負責與服務器建立穩固連接，并按需發起各類請求；服務器端則精準解析請求，調用對應資源或工具處理任務，再將處理結果及時反饋給客戶端。MCP協議的誕生，旨在攻克AI應用中的數據與接口難題，為開發者提供標準化接口，讓AI模型能夠自由穿梭于本地與遠程資源之間，顯著提升AI助手的表現。下圖是MCP協議的基本交互關系示意圖：

02 OpenAPI2MCPTools開源項目

仔細翻閱當前公開的MCP Server清單可以發現，目前主要的MCP Server集中在桌面端軟件，更多是方便個人用戶和開發者。對企業內部廣泛存在的現有軟件系統，并沒有高效兼容的方案。比如OpenAPI2MCPTools開源項目，看似只需要下面這樣三十行代碼，就可以將現存軟件的OpenAPI規范，快速封裝成MCP Server 的Tools，供AI調用。

import { Server } from '@modelcontextprotocol/sdk/server/index.js';import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';import { CallToolRequestSchema, ListToolsRequestSchema, } from '@modelcontextprotocol/sdk/types.js';import { Converter } from 'openapi2mcptools';import * as fs from 'fs';import * as yaml from 'js-yaml';const converter = new Converter({ });const yamlContent = fs.readFileSync('Api_5.3_schema.yaml', 'utf8');const my_specs = yaml.load(yamlContent);await converter.load(my_specs);const tools = converter.getToolsList();const toolCaller = converter.getToolsCaller();const server = new Server({ name: 'my_server', version: '1.0.0',}, { capabilities: { tools: {}, },});server.setRequestHandler(ListToolsRequestSchema, async () => { return { tools, };});server.setRequestHandler(CallToolRequestSchema, async (request) => { return await toolCaller(request);});const transport = new StdioServerTransport();await server.connect(transport);

然而，在實際的大規模系統環境下，這個項目存在一個核心問題：當API數量較大時，MCP Server的Tools數量急劇膨脹，遠超大模型能有效處理的上下文窗口極限，會導致AI對話完全不可用。以日志易為例，日志易平臺OpenAPI規范中一共包含了555個API，經過OpenAPI2MCPTools轉換后，就是555個Tools，直接導致問話全部報錯。如下圖所示：

03 日志易MCP Server實現路徑

為了解決這個問題，日志易MCP Server采用了模塊化設計思路，利用OpenAPI規范中的Tag對象作為語義抽象層，構造了MCP Server的模塊初篩和功能復篩工具，實現了對OpenAPI規范的動態加載與按需調用。最終，使得AI對話能夠流暢進行，任意調用日志易API功能，而不會因為上下文窗口的限制而中斷。

日志易MCP Server效果如下圖，AI自主完成了對提問涉及哪些模塊，哪些接口的識別和反思，最終組合Agent和AgentGroup兩個API的查詢結果，給出了正確回答：

04 日志易MCP Server典型應用場景和演進方向

有了MCP Server，系統維護人員只需要在統一的AI會話界面，準確的提出自己的要求，讓AI來自主安排不同MCP Server相互配合，調用適合的Tools，實現最終目的。比如日志易平臺維護工作中，最常見的幾類需求，都可以嘗試MCP Server方案：

NO.1?

涉及用戶及權限管理類的API操作。

NO.2?

數據處理流程中，綜合調用Agent采集、字段提取類API進行一站式處理。

NO.3?

輔助用戶在AI分析過程中，快速查看已存搜索查詢結果，創建對應的統計分析圖表、監控告警規則，甚至聯合其他ITSM系統的MCP Server，響應工單，添加評論等等。