[Nacos/Docker/MCP] Nacos .x : 为 AI MCP 而生

[Nacos/Docker/MCP] Nacos .x : 为 AI MCP 而生引言从微服务到 AI 的桥梁在微服务架构中Nacos 是服务发现和配置管理的标杆工具。随着 AI 时代的到来MCPModel Context Protocol模型上下文协议成为连接 AI 模型与外部数据/工具的关键标准。Nacos 3.x 版本正是为应对这一变革而生它不仅保留了传统的注册中心和配置中心能力更原生支持 MCP 协议让 AI 模型能够动态发现服务、获取上下文配置。本文将实战演示如何在 Docker 中部署 Nacos 3.x并通过 Python 代码实现 AI 模型通过 MCP 协议与 Nacos 交互最终打造一个智能服务调用的闭环。## 环境准备Docker 部署 Nacos 3.x首先我们需要一个可运行的 Nacos 3.x 实例。使用 Docker 是最快捷的方式。bash# 创建自定义网络方便后续服务间通信docker network create nacos-net# 启动 Nacos 3.x单机模式开启鉴权docker run -d \ --name nacos-server \ --network nacos-net \ -p 8848:8848 \ -p 9848:9848 \ -e MODEstandalone \ -e NACOS_AUTH_ENABLEtrue \ -e NACOS_AUTH_TOKENyour-secret-key \ nacos/nacos-server:3.0.0关键点解释--p 8848:8848Nacos 的 HTTP API 端口--p 9848:9848Nacos 的 gRPC 端口MCP 协议底层使用-NACOS_AUTH_ENABLEtrue开启鉴权生产环境必须-NACOS_AUTH_TOKEN自定义鉴权密钥部署完成后访问http://localhost:8848/nacos默认账号密码nacos/nacos即可看到控制台。## 实战一注册一个 AI 服务并暴露 MCP 能力假设我们有一个“天气查询”的 AI 工具服务它需要被 MCP 协议发现。我们将通过 Nacos 的 REST API 注册该服务并为其附加 MCP 元数据。### 步骤 1注册服务实例pythonimport requestsimport json# Nacos 配置NACOS_HOST localhostNACOS_PORT 8848NAMESPACE public # 默认命名空间SERVICE_NAME ai-weather-serviceGROUP_NAME AI_GROUP# 构造 MCP 元数据metadata { mcp: { version: 1.0, endpoint: http://127.0.0.1:5000/mcp, capabilities: [weather, forecast], description: 实时天气查询服务支持城市天气预报 }}# 注册服务实例def register_service(): url fhttp://{NACOS_HOST}:{NACOS_PORT}/nacos/v1/ns/instance params { serviceName: SERVICE_NAME, groupName: GROUP_NAME, ip: 127.0.0.1, port: 5000, metadata: json.dumps(metadata), namespaceId: NAMESPACE } response requests.post(url, paramsparams) if response.status_code 200: print(f✅ 服务 {SERVICE_NAME} 注册成功) print(f MCP 元数据: {metadata}) else: print(f❌ 注册失败: {response.text})if __name__ __main__: register_service()运行效果✅ 服务 ai-weather-service 注册成功 MCP 元数据: {mcp: {version: 1.0, endpoint: http://127.0.0.1:5000/mcp, capabilities: [weather, forecast], description: 实时天气查询服务支持城市天气预报}}## 实战二AI 模型通过 MCP 协议发现并调用服务现在我们模拟一个 AI 模型如 GPT 插件或 LangChain 工具通过 MCP 协议从 Nacos 发现服务并调用天气查询功能。### 步骤 2实现 MCP 服务查询与调用pythonimport requestsimport json# 1. 从 Nacos 发现 MCP 服务 def discover_mcp_services(service_name, group_nameDEFAULT_GROUP): 通过 Nacos 查询指定服务的实例列表 并提取 MCP 协议信息 url fhttp://{NACOS_HOST}:{NACOS_PORT}/nacos/v1/ns/instance/list params { serviceName: service_name, groupName: group_name, namespaceId: NAMESPACE, healthyOnly: True # 只返回健康实例 } resp requests.get(url, paramsparams) if resp.status_code ! 200: raise Exception(f查询服务失败: {resp.text}) data resp.json() hosts data.get(hosts, []) mcp_endpoints [] for host in hosts: # 解析元数据中的 MCP 信息 meta host.get(metadata, {}) if isinstance(meta, str): meta json.loads(meta) mcp meta.get(mcp, {}) if mcp: mcp_endpoints.append({ ip: host[ip], port: host[port], mcp_endpoint: mcp.get(endpoint), capabilities: mcp.get(capabilities, []) }) return mcp_endpoints# 2. 调用 MCP 端点 def call_mcp_service(mcp_endpoint, action, params): 按照 MCP 协议规范调用服务 action: 动作类型如 weather params: 动作参数如 {city: 北京} payload { type: action, action: action, params: params } resp requests.post(mcp_endpoint, jsonpayload) if resp.status_code 200: return resp.json() else: return {error: resp.text}# 3. 主流程AI 模型发现并调用 if __name__ __main__: # 模拟 AI 模型需要查询天气 print( AI 模型正在发现天气服务...) services discover_mcp_services(ai-weather-service, AI_GROUP) if not services: print(❌ 未找到可用的 MCP 服务) exit(1) # 选择第一个可用服务 target services[0] print(f✅ 发现服务: {target[ip]}:{target[port]}) print(f MCP 端点: {target[mcp_endpoint]}) print(f 能力: {target[capabilities]}) # 调用天气查询 print(\n️ AI 模型发起天气查询请求...) result call_mcp_service( target[mcp_endpoint], actionweather, params{city: 北京} ) print(f 查询结果: {json.dumps(result, ensure_asciiFalse, indent2)})预期输出 AI 模型正在发现天气服务...✅ 发现服务: 127.0.0.1:5000 MCP 端点: http://127.0.0.1:5000/mcp 能力: [weather, forecast]️ AI 模型发起天气查询请求... 查询结果: { city: 北京, temperature: 25°C, condition: 晴, humidity: 45%}## 架构解析Nacos 3.x 如何支持 MCP### 1. 元数据驱动Nacos 3.x 的服务实例支持丰富的元数据字段。当我们在注册服务时将 MCP 协议相关的信息端点、能力描述放入metadata中AI 模型即可通过 Nacos 的查询接口获取这些元数据实现动态发现。### 2. gRPC 双通道Nacos 3.x 默认开启了 gRPC 端口9848这为 MCP 协议提供了高效的二进制传输通道。MCP 协议的数据交换可以基于 gRPC 完成Nacos 作为服务注册中心天然支持这种通信模式。### 3. 健康检查与负载均衡Nacos 3.x 内置了心跳检测确保只有健康的服务实例才会被 AI 模型发现。同时当多个实例提供同一 MCP 服务时AI 模型可以根据需求如轮询、权重选择合适的端点。## 总结Nacos 3.x 不再仅仅是微服务的“名册”它通过支持 MCP 协议成功地将服务发现能力扩展到了 AI 领域。本文通过 Docker 部署、服务注册和 AI 模型调用的完整实战展示了如何利用 Nacos 3.x 为 AI 模型提供动态、可靠的上下文服务。核心收益-动态发现AI 模型无需硬编码服务地址通过 Nacos 实时获取可用服务-协议统一MCP 标准化了 AI 与外部服务的交互方式-生态融合Nacos 3.x 作为桥梁让传统的微服务生态与 AI 工具有机结合未来随着 MCP 协议的普及Nacos 3.x 将成为 AI 原生应用的基础设施之一。无论你是在构建智能 Agent、RAG 系统还是 LLM 工具链Nacos 3.x 都值得纳入你的技术栈。现在就开始让你的 AI 模型“活”起来吧