轻松构建更智能的 AI 代理

Docker MCP 目录与工具包：轻松构建更智能的 AI 代理

https://dev.to/docker/docker-mcp-catalog-toolkit-building-smarter-ai-agents-with-ease-408c

引言：Docker MCP 是什么及其重要性

由 ChatGPT、Claude 和定制 LLMs 驱动的基于智能体的 AI 应用兴起，催生了对与现实世界工具进行模块化、安全且标准化集成的需求。Docker 的模型上下文协议（MCP）及其目录与工具包正是为此而生。

Docker 正将自身定位不仅作为容器平台，更是智能代理的基础设施支柱。本文将探讨 MCP 架构、目录和工具包，并演示如何构建自己的 MCP 服务器。

理解 MCP——模型上下文协议

What it is: 它是什么：

  • MCP 是一种开放协议，允许 AI 客户端（如智能体）安全且可预测地调用现实世界服务。
  • 该协议专为实现工具互操作性、安全凭证管理（处理 API 密钥和令牌）以及基于容器的执行而设计。

Why it matters: 为何重要：

  • 缺乏 MCP 这类标准，智能体只能依赖脆弱的 API 或不安全的插件。
  • Docker 通过容器化技术为这些服务提供了安全隔离的运行环境。

Visual overview: 可视化概览：

MCP Arch Diagram

AI 客户端如何通过 MCP 与容器化服务进行通信

MCP datalog：预构建的安全 MCP 服务器

包含内容：

不断增长的 100 多个经 Docker 验证的 MCP 服务器库，包括：

  • Stripe
  • LangChain
  • Elastic
  • Pinecone
  • Hugging Face

主要特性：

每个 MCP 服务器运行在容器内，包含：

  • OpenAPI 规范
  • 安全的默认配置
  • Docker Desktop 集成

开发者为何关注：

  • AI Agent 的即插即用工具
  • 跨服务一致的开发体验

可视化概览：

MCP Catalog Diagram

Docker Desktop 集成 MCP 目录

MCP 工具包：构建您专属的安全 MCP 服务器

工具包命令行功能：

  • mcp init → 快速搭建新 MCP 服务器
  • mcp run → 运行本地开发版本
  • mcp deploy → 部署至 Docker 桌面版

安全特性：

  • 容器隔离
  • 支持 OAuth 凭证认证
  • 可选速率限制与追踪功能

演示操作流程：

npm install -g @docker/mcp-toolkit
mcp init my-weather-api
cd my-weather-api
mcp run

可视化操作指南

MCP Toolkit Diagram

MCP 工具包工作流程：从命令行到容器

将 MCP 服务器连接至 AI 客户端

支持的客户端：

  • Claude (Anthropic)
  • GPT Agents (OpenAI)
  • Docker AI (beta)
  • VS Code Extensions

运作原理：

  • 智能体调用 MCP 规范中定义的 /invoke 端点。
  • 安全令牌交换处理身份验证。
  • 响应返回给模型进行推理/执行。

用例示例：

Claude 在电商交互过程中通过 Docker MCP 服务器调用 Stripe 支付处理容器

可视化流程:

Agent-to-API via Docker MCP

Shows how Claude securely calls a Stripe service via Docker MCP. 展示 Claude 如何通过 Docker MCP 安全调用 Stripe 服务

MCP 服务器开发者的最佳实践

Security: 安全性：

  • 切勿使用 root 容器
  • 使用 docker scan 和 trivy 进行镜像漏洞扫描
  • 使用 Docker 的密钥管理器（或 Vault）存储敏感信息

Performance: 性能优化：

  • 保持容器轻量化（使用 Alpine 或 Distroless 镜像）
  • 使用流式响应进行 LLM 交互

Testing tips: 测试技巧：

  • 使用 Postman + curl 测试 /invoke 端点
  • 使用 swagger-cli 对 OpenAPI 规范进行代码检查

MCP 的未来发展方向

Predictions: 未来展望：

  • Docker AI 仪表板集成
  • MCP 编排（每个智能体支持多服务）
  • AI 原生 DevOps（通过 MCP 服务器构建基础设施的智能体）

开发者机遇：

  • 为开放的 MCP 服务器贡献力量
  • 提交至 Docker 应用目录
  • 构建供内部或公共使用的智能体工具

结语

Docker 的 MCP 目录与工具包仍处于测试阶段，但发展方向已然明确：AI 应用需要接入现实世界工具，而 Docker 正在构建一个安全开放的生态系统来支撑这一需求。

无论您正在开发智能体框架，还是仅仅尝试使用工具的 LLMs，现在都是参与其中的绝佳时机。

有什么想看到的 MCP 服务器创意？或者考虑贡献你自己的点子？我很乐意听取你的想法！😊