Pinterest 部署生产级模型上下文协议生态系统，赋能 AI 智能体工作流

📌 一句话摘要

Pinterest 通过构建包含领域专用服务器、中心注册表及人工审批机制的生产级 MCP 生态系统，实现了 AI 智能体对内部工具的安全集成，每月节省约 7000 工时。

📝 详细摘要

本文详细介绍了 Pinterest 如何在生产环境中落地模型上下文协议（MCP）。该架构弃用了单体服务，转而采用面向 Presto、Spark 等特定领域的云托管 MCP 服务器，以减少上下文膨胀并增强隔离性。核心组件包括一个中心注册表，用于服务发现与治理。为了平衡自动化与安全，Pinterest 引入了双层授权模型及针对敏感操作的人工审批流程。截至 2025 年初，该系统已显著提升研发效率，月调用量突破 6.6 万次，为企业级 AI 自动化提供了可规模化的落地范例。

💡 主要观点

- 采用领域专用 MCP 服务器架构而非单体服务。 通过为 Presto、Spark 或 Airflow 等特定领域构建独立服务器，有效抑制了 LLM 的上下文膨胀，实现了工具隔离并支持细粒度的访问控制。

建立中心 MCP 注册表作为唯一可信源。 注册表提供易用的 UI 与 API，支持服务发现、校验，并统一执行治理策略，确保客户端在调用工具前完成权限验证。

引入人工审批（Human-in-the-loop）机制平衡风险。 针对敏感的自动化操作，要求人工在执行前进行核验与批准，确保 AI 智能体在提升效率的同时不触发系统性风险。

基于 JWT 和服务网格身份的双层安全模型。 复用现有内部认证体系实现 OAuth 流程，将高权限操作限定在已批准团队，并保证了完整的操作可审计性。

💬 文章金句

- 我们采用内部云托管、通过中心注册表连接多个领域专有 MCP 服务器，构建了一个灵活且安全的 AI 智能体底层架构。

这种面向特定领域的设计能够有效抑制上下文膨胀，实现工具隔离，并支持细粒度的访问控制。
截至 2025 年 1 月，MCP 服务器月调用量达 66000 次，覆盖 844 名活跃用户，每月可节省约 7000 工时。

📊 文章信息

AI 评分：87

来源：InfoQ 中文

作者：InfoQ 中文

分类：人工智能

语言：中文

阅读时间：7 分钟

字数：1513

标签： MCP, AI Agent, 系统架构, 研发效能, 生产级部署

阅读完整文章

Pinterest 部署生产级模型上下文协议生态系统，赋能 AI 智能体工作流

🤖 問 AI