APISIX-MCP：利用 AI + MCP 拥抱 API 智能化管理

MCP 协议及其在 APISIX-MCP 中的应用

前言

随着 AI 大模型应用呈爆发式增长，许多传统应用都希望自己快速接入 AI 大模型。然而，当前各类 AI 工具缺乏统一标准，碎片化现象极为严重。不同大模型的能力高低不一，对接方式也大相径庭，这让传统应用在接入时困难重重。在这样的背景下，2024 年底，知名大模型 Claude 背后的公司 Anthropic 推出了一项名为模型上下文协议（Model Context Protocol，简称 MCP）的协议。MCP 将自身定义为 AI 应用的 “USB – C 接口”。

我们知道，USB – C 为设备连接各类周边设备及配件提供了标准化方式，与之类似，MCP 则为 AI 模型连接不同数据源与工具提供了标准化途径。

MCP 架构图

目前已经有大量服务和应用基于 MCP 实现，例如我们可以使用 GitHub-MCP，用自然语言提交代码、创建 PR；利用 Figma MCP，让 AI 直接生成 UI 图，接入 Browser-tools-MCP 后，甚至还能让 cursor 根据浏览器控制台中的元素节点和打印的日志进行代码调试。在 MCP 官方仓库里，提供了诸如 Google Drive、Slack、Git 以及多种数据库的 MCP 服务。而且它作为一项开放标准，MCP 获得了 AI 社区的广泛认可，众多第三方开发者纷纷投身其中，开发了各类 MCP 服务，每天都有数百个新的 MCP 服务问世。Anthropic 作为发布者，也一直在积极推动 MCP 的发展，持续优化协议的实现，同时大力开展对开发者的相关教育工作。

关于 APISIX-MCP

MCP 协议的兴起为传统应用提供了新的技术路径。基于 MCP 的标准化接入能力，我们开发了 APISIX-MCP 服务，并在开源版本 Apache APISIX 上实现了大语言模型与 APISIX Admin-API 的对接，支持通过自然语言交互完成 APISIX 网关资源的查询与管理，目前 APISIX-MCP 已经实现下列操作：

通用操作

get_resource

: 按类型检索资源（路由、服务、上游等）

delete_resource

: 按 ID 删除资源

API 资源操作

create_route

update_route

delete_route

: 管理路由

create_service

update_service

delete_service

: 管理服务

create_upstream

update_upstream

delete_upstream

: 管理上游

create_ssl

update_ssl

delete_ssl

: 管理SSL证书

create_or_update_proto

: 管理 protobuf 定义

create_or_update_stream_route

: 管理流式路由

插件操作

get_all_plugin_names

: 获取所有可用插件名称

get_plugin_info

get_plugins_by_type

get_plugin_schema

: 获取插件配置

create_plugin_config

update_plugin_config

: 管理插件配置

create_global_rule

update_global_rule

: 管理插件全局规则

get_plugin_metadata

create_or_update_plugin_metadata

delete_plugin_metadata

: 管理插件元数据

安全配置

get_secret_by_id

create_secret

update_secret

: 管理密钥

create_or_update_consumer

delete_consumer

: 管理消费者

get_credential

create_or_update_credential

delete_credential

: 管理消费者凭证

create_consumer_group

delete_consumer_group

: 管理消费者组

如何使用 APISIX-MCP

APISIX-MCP 目前已经开源并发布到了 npm（apisix-mcp npm[1]）及 Github (apisix-mcp GitHub[2])，你可以通过任一支持 MCP 服务的 AI 客户端进行配置，例如 claude desktop，cursor 或者通过 Vscode 中的 cline 插件。这里以 cursor 为例为大家演示如何配置。

首先打开 curosr，点击右上角设置图标，进入设置页面。

进入 Cursor 设置页面

点击添加 "Add new global MCP server" 按钮，我们会进入一个

mcp.json

配置文件。

// mcp.json
{"mcpServers": {    "apisix-mcp": {      "command": "npx",      "args": ["-y", "apisix-mcp"],      "env": {        "APISIX_SERVER_HOST": "your-apisix-server-host",        "APISIX_ADMIN_API_PORT": "your-apisix-admin-api-port",        "APISIX_ADMIN_API_PREFIX": "your-apisix-admin-api-prefix",        "APISIX_ADMIN_KEY": "your-apisix-api-key"      }    }  }}

在配置文件中的

mcpServers

字段中，新增名为

apisix-mcp

的服务，这个名称也可以自行更改，然后配置运行 MCP 服务的命令。

command

为

npx

意为使用 node.js 自带的命令执行工具运行脚本，

args

为

-y

和

apisix-mcp

，

-y

代表在执行命令的时候需要先安装依赖，

apisix-mcp

则为 npm 中的包名。在

env

字段中，我们可以填入 APISIX 服务访问地址，Admin API 的端口、前缀和以及用于认证 key，这些环境变量都有默认值，如果你直接启动 APISIX 后没有做任何自定义配置就无需传入

env

字段，各个环境变量对应的默认值如下：

变量描述	默认值
APISIX_SERVER_HOST	Host that have access to your APISIX server	http://127.0.0.1
APISIX_ADMIN_API_PORT	Admin API port	9180
APISIX_ADMIN_API_PREFIX	Admin API prefix	/apisix/admin
APISIX_ADMIN_KEY	Admin API authentication key	edd1c9f034335f136f87ad84b625c8f1

配置添加完成后，我们回到 cursor 的 MCP 配置页面中，如果配置成功，MCP Servers 中会展示 apisix-mcp 服务已经启用的绿色小灯，且可以顺利读取到 MCP 服务中提供的所有工具。

Cursor 配置成功示例

由于目前不同的 MCP 客户端的实现有所不同，如果发现配置失败，我们也可以参考 APISIX-MCP GitHub 仓库中的文档，利用源码构建项目后再重新修改配置文件。

此时我们打开右侧对话栏，选择 agent 类型，模型选择 claude-sonnet-3.5/3.7 或 gpt 4o：

选择 AI Agent 模型

然后我们可以输入相关的操作指令看看 MCP 服务是否能正常工作，这里我们根据 APISIX 文档中的 Getting Started 中的流程进行操作，在对话框中输入以下内容，并发送对话。

"Help me create a route with path /api for accessing https://httpbin.org upstream, need to configure cors and rate limit plugin appropriately. Print the route information to me after configuring"

中文翻译：“帮我创建一条路径为 /api 的路由，用于访问上游 https://http-bin.org，需要配置 CORS 和限流限速插件。配置完成后把路由信息打印给我”

接下来我们会在 cursor 中看到类似下面视频中 MCP 工具调用过程流程，由于 AI 大模型本身响应具有随机性，所以每次执行的操作不一定与示例中相同。这里开启了自动执行模式（YOLO Mode）允许 cursor 自动调用 mcp 服务中的所有工具，从视频中我们可以看到 AI 根据我们的需求：

分析我们需要配置的插件，然后调用了

get_plugins_list

获取所有插件的名称

调用

get_plugin_schema

去查看不同插件的详细配置信息调用

create_rotue

创建路由调用

update_route

为路由添加前面查询到的插件配置调用

get_route

查看路由是否配置成功，路由配置是否正确

最终我们通过一句话创建出了如下配置的路由：

路由 ID：

httpbin

路径：

/api/*

支持的请求方式：

GET

POST

PUT

DELETE

PATCH

HEAD

OPTIONS

CORS 插件配置：

allow_origins: *
allow_methods: *
allow_headers: *
expose_headers: X-Custom-Header
max_age: 3600
allow_credential: false

limit-count 插件配置：

count: 100
time_window: 60
key: remote_addr
rejected_code: 429
policy: local

上游服务配置：

type: roundrobin （负载均衡策略采用轮询）
upstream ndoe: httpbin.org:443 （指向的后端服务地址）

通过 AI 进行操作的优势

上述过程中，我们仅通过一轮对话，就通过自然语言的方式让 AI 帮我创建一个配置了跨域和限流限速的路由，相较于自己创建路由，借助 AI 来操作具有诸多优势：

降低认知成本：降低认知成本。以往自行创建路由时，需频繁查阅文档、记忆各种参数格式，如今借助 AI，这些繁琐操作均可以大大省略。
自动化工作流：AI 能够智能解析用户需求，自主完成需求分析，将创建路由的复杂任务拆解为多个步骤，并按序逐步执行，整个过程无需人工过多介入。
闭环验证：路由配置完成后，AI 会自动对配置结果进行检查，并及时向用户反馈验证信息，确保配置准确。
迭代优化：若后续需要调整或优化配置，用户只需与 AI 持续对话，AI 便能依据新需求灵活调整配置。这种交互模式将复杂的配置过程转化为自然的对话体验，同时保持了配置的准确性和可验证性。

而这些实现都得益于 MCP 协议将我们的需求进行语意解析，再根据我们的需求调用不同的工具，最终通过 Admin API 完成操作。需要注意的是，目前 APISIX-MCP 并非追求完全替代人工配置，而是着眼于优化高频操作场景的效率。其价值在配置调试和快速验证环节尤为突出，这种定位使其能够与传统管理方式形成有效互补。随着 MCP 生态的持续发展，此类工具在 API 管理领域的深度集成值得期待。

总结

MCP 的出现为复杂 API 系统的智能化操作开辟了新的可能性，我们希望 APISIX-MCP 能够帮助你快速上手 Apache APISIX。后续 APISIX 将会推出更多处理 AI 流量相关的插件，也会在 API 管理方面探索更多与 AI 结合的可能性。我们相信，AI 与 API 管理的融合将持续推动运维效率的革新，为开发者带来更智能、更高效的基础设施管理体验。