AI 智能体正在成为日常软件系统的一部分。它们调用 API、通过 MCP 服务器检索信息、使用外部工具,并将任务委派给其他智能体。随着这些工作流的能力不断增强,控制智能体能访问什么、能做什么就成为一个严肃的工程问题,而这正是智能体网关旨在解决的问题。

一个智能体可能在同一工作流中需要访问客户数据库、内部 API 和外部模型提供商。如果没有一个中央控制层,团队最终可能要在多个独立集成中分别管理身份验证、权限、日志记录和流量策略。这会让安全审查变得更困难,也让平台团队对其智能体的行为缺乏可见性。

一个智能体网关提供了一个共享层来管理这些交互。它可以对智能体进行身份验证、控制对工具的访问、路由请求、执行策略,并记录智能体到工具、智能体到模型以及智能体到智能体通信中的活动。

本指南比较了九个智能体网关,包括开源项目、企业平台和托管云服务。我们将考察它们的架构、智能体连接能力、安全控制、部署选项和定价,以帮助工程团队为其 AI 基础设施找到合适的选择。


TL;DR

最佳的智能体网关取决于你的智能体使用的协议、你的组织所需的控制级别,以及你计划在哪里运行该网关。

  • Bifrost:一个开源 Go 网关,用于治理模型请求、MCP 工具调用和智能体到智能体(A2A)流量,具备虚拟密钥、用量预算、访问控制和低请求开销。
  • MuleSoft Agent Fabric:一个用于发现、治理和编排 AI 智能体的企业平台,可对智能体交互、MCP 连接和 A2A 通信进行集中控制。
  • Kong AI Gateway:为 Kong 的 API 管理平台扩展了 AI 和智能体流量能力,包括 MCP 访问控制和智能体到智能体连接。
  • Amazon Bedrock AgentCore Gateway:一个托管式 AWS 网关,将 API、Lambda 函数和现有服务作为工具暴露给智能体,并提供智能体流量的认证与路由。
  • Google Cloud Agent Gateway:一个托管式网关,用于通过 MCP、A2A、REST 和 gRPC 治理智能体通信,具备身份感知的访问策略。
  • Azure AI Gateway:一个 Microsoft 网关,通过集中式身份、策略执行、网络和可观测性来管理模型 API 和 MCP 工具。
  • Gravitee:一个具备 AI 和智能体网关能力的 API 管理平台,用于治理 LLM 请求、MCP 服务器和智能体交互。
  • IBM ContextForge:一个开源 MCP 网关和注册中心,用于发现、保护和管理暴露给 AI 智能体的工具与服务。
  • Agent Router:一个基于 Envoy 的开源网关,用于在模型提供商、自托管推理和 MCP 服务之间路由 AI 和智能体流量。

这些产品中有些是专为智能体流量打造的,另一些则是对现有 API 管理或云基础设施平台的扩展。在比较它们的功能、部署模式和许可时,这一区别很重要。


什么是智能体网关,为什么它很重要?

一个智能体网关是 AI 智能体与其交互的资源之间的基础设施层。这些资源可以包括语言模型、API、MCP 服务器、数据库、内部服务和其他智能体。

当智能体执行任务时,它可能会跨不同系统发起多次调用。每次交互都可能涉及不同的凭据、权限级别、协议或安全要求。智能体网关为平台团队提供了一个集中位置来管理这些交互并应用一致的控制。

根据具体实现,智能体网关可以提供:

  • 智能体认证与身份:识别是哪个智能体在发起请求,并验证其凭据。
  • 工具访问控制:限制智能体可以调用哪些 MCP 工具、API 和服务。
  • MCP 流量管理:在智能体和 Model Context Protocol 服务器之间路由并治理请求。
  • 智能体间通信:使用 A2A 等协议管理智能体之间的交互。
  • 模型路由:将模型请求定向到已配置的提供商或推理服务。
  • 可观测性与审计日志:跟踪工具调用、模型请求、策略决策和智能体活动。
  • 流量与使用策略:对智能体请求应用速率限制、配额和其他控制措施。

当智能体能够访问业务关键系统时,这些能力就变得至关重要。权限配置失误可能泄露敏感信息,而未被监控的工具调用则可能触发意外操作,或产生难以归因的成本。

智能体网关有助于围绕这些交互建立一致的安全与治理层。它不能替代应用层授权,也无法让智能体本身变得安全,但它为基础设施团队提供了一个集中执行和监控重要策略的切入点。


我们如何评估这些智能体网关

本次对比聚焦于各平台处理真实智能体应用基础设施需求的能力。我们考虑了以下标准:

  • 智能体与协议支持:与 MCP、A2A、模型 API 及其他智能体通信模式的兼容性。
  • 安全与治理:身份验证、智能体身份、授权、工具级权限和审计能力。
  • 流量管理:路由、访问策略、速率限制、配额和故障处理。
  • 部署与集成:自托管、托管、云原生和企业部署选项。
  • 开源可用性与定价:哪些组件是开源的、哪些需要商业方案,以及相关的运营成本。

本次对比区分了专为智能体连接打造的产品,与提供智能体网关功能的更广泛的 API 或云平台。


快速对比:9 款最佳智能体网关

该表格为你对比这九个平台提供了一个起点。开源状态指的是网关项目或核心部分,不一定涵盖其提供商提供的所有商业功能。

智能体网关 开源 智能体连接 部署 最适合
Bifrost ✓(Apache 2.0 核心) LLM、MCP、A2A 自托管、企业 生产环境 AI 治理
MuleSoft Agent Fabric ✗ MCP、A2A、API、智能体 托管、企业 企业智能体治理
Kong AI Gateway 混合;AI 功能因版本而异 MCP、A2A、LLM 自托管、混合、托管 现有 Kong 环境
Amazon Bedrock AgentCore Gateway ✗ MCP、A2A、API、LLM 托管式 AWS 服务 基于 AWS 的智能体应用
Google Cloud Agent Gateway ✗ MCP、A2A、REST、gRPC 托管式 Google Cloud Google Cloud 智能体治理
Azure AI Gateway ✗ MCP、模型 API、智能体 API 托管式 Azure 服务 Microsoft 和 Azure 环境
Gravitee 混合;高级 AI 功能因版本而异 MCP、A2A、LLM 自托管、混合、SaaS 企业 API 与智能体治理
IBM ContextForge ✓(Apache 2.0) MCP、工具、智能体集成 自托管 MCP 联邦与工具管理
Agent Router ✓(Apache 2.0) MCP、LLM、智能体流量 自托管、Kubernetes 基于 Envoy 的平台基础设施

这些产品的治理对象各不相同。有些侧重于保护工具访问和 MCP 连接,另一些还负责模型路由和智能体间通信。以下各节将更详细地讨论这些差异。


1. Bifrost(由 Maxim AI 开发)

Bifrost website homepage screenshot

Bifrost是一个开源AI 网关,使用 Go 构建,同时提供 MCP 网关和智能体网关能力。它为 AI 应用和智能体提供统一接口,用于访问模型提供商和外部工具,并具备集中式路由、身份验证、用量控制和可观测性。

对于构建智能体应用的团队来说,Bifrost 的一项重要能力是其 MCP 集成。智能体可以通过托管网关访问外部工具,同时工程团队可以控制哪些工具可用以及请求如何被治理。Bifrost 还通过一致的 API 支持 20 多家模型提供商,因此适合将模型调用与外部工具执行相结合的应用。

MCP 网关与智能体工具治理

AI 智能体通常需要访问多个工具才能完成任务。独立管理这些连接会导致难以在应用和团队之间实施一致的权限。

Bifrost 提供一个MCP 网关,将智能体连接到外部 MCP 服务器,并对工具访问实施集中控制。其虚拟密钥可以定义智能体允许使用哪些 MCP 客户端和工具,让团队能够在网关层面限制访问。

关键能力包括:

  • MCP 工具过滤:控制哪些工具可供各个虚拟密钥使用。
  • 集中式工具访问:通过托管网关将智能体连接到外部 MCP 服务器。
  • 联合身份验证:支持对通过 MCP 暴露的内部 API 进行经过身份验证的访问。
  • MCP 代码模式:让智能体通过代码执行与多个工具交互,减少处理大型工具定义和重复调用所带来的开销。

当多个智能体或应用程序共享相同的内部工具但需要不同的访问权限时,这种方法很有用。

智能体网关(A2A)

Bifrost 还提供了一个专用的A2A 智能体网关用于管理 AI 智能体之间的通信。团队可以注册现有的 A2A 智能体,并控制允许哪些调用方访问每个智能体,从而为智能体之间的交互创建一个集中式访问层。

该网关还支持凭证转发和推送通知,帮助智能体与现有服务通信,同时保留这些集成所需的身份验证上下文。Bifrost 将 A2A 任务与其对应的 LLM 和 MCP 日志关联起来,让团队能够更完整地了解智能体工作流。

在可观测性方面,智能体遥测数据还可以通过 OpenTelemetry 导出,从而更容易将 A2A 活动与其他 AI 流量一起监控。

性能、路由与可靠性

智能体工作流在单次用户交互期间可能会生成多个模型和工具请求。网关开销会在这些调用中累积,因此请求性能成为一项重要的基础设施考量。

Bifrost 使用 Go 编写,旨在以低开销处理高吞吐量的 AI 流量。在11 微秒的每请求开销下,达到每秒 5,000 次请求(RPS)在 t3.xlarge 实例上,在持续基准测试中成功率达到 100%。

对于生产环境的智能体系统,Bifrost 提供:

  • 自动故障转移:当配置的提供商不可用时重定向请求。
  • 自适应负载均衡:在配置的提供商和 API 密钥之间分配流量。
  • 重试与熔断:处理瞬时错误和提供商降级。
  • 语义缓存:复用符合条件的响应,以减少重复的模型请求。

这些能力帮助团队在智能体工作负载增加时保持可预测的模型访问。

可观测性、访问控制与成本治理

当智能体与内部服务和外部工具交互时,团队需要同时了解 AI 消耗情况以及授予每个应用的权限。

Bifrost 使用虚拟密钥作为核心治理机制。每个密钥可以携带自己的模型访问权限、预算和速率限制,使团队能够将 AI 使用情况与特定应用、客户或工作负载关联起来。

其治理能力包括:

  • 独立预算:为单个虚拟密钥设置支出限额。
  • 速率限制:应用基于 token 和基于请求的限制。
  • 模型与提供商过滤:限制某个密钥可以访问哪些模型和提供商凭证。
  • MCP 权限:控制某个密钥可以使用哪些已配置的工具。
  • 可观测性:使用内置仪表板和 OpenTelemetry 支持来监控 AI 流量。

这为平台团队提供了一种通过同一套网关基础设施来管理模型使用和智能体工具权限的方式。

定价:

Bifrost 的核心网关以 Apache 2.0 许可证开源,可以自托管,无需支付网关许可费。团队仍需自行承担基础设施成本以及所用模型提供商收取的费用。

其企业版增加了 RBAC、SSO、护栏、审计日志和私有部署选项等高级能力,包括 VPC 内、本地部署和物理隔离环境。

最适合:

构建生产级 AI 智能体的工程和平台团队,这些团队需要集中化的 MCP 工具治理、低开销的模型访问,以及对跨应用使用情况的控制。它非常适合希望通过一个低开销网关治理 LLM、MCP 和 A2A 流量,并采用自托管、VPC 内或物理隔离部署的组织。

探索 Bifrost


2. MuleSoft Agent Fabric

MuleSoft Agent Fabric website homepage screenshot

MuleSoft Agent Fabric 是一个企业平台,用于在整个组织中发现、管理和治理 AI 智能体。它将智能体管理和编排带入更广泛的 MuleSoft 生态系统中,帮助团队将智能体与企业 API、系统和业务流程连接起来。

该平台的核心部分是其智能体治理方法。组织可以发现和注册智能体、管理它们的交互,并在各智能体环境中应用治理策略。它对 MCP 和 A2A 的支持有助于将智能体与工具和服务连接起来,同时实现不同智能体之间的通信。

MuleSoft Agent Fabric 面向的是随着智能体部署在团队和业务部门间不断扩大而需要可见性和控制的企业。它与 MuleSoft 的 API 管理和连接能力的集成,也使其适用于那些已经使用 MuleSoft 来公开和管理企业服务的组织。

定价:

MuleSoft Agent Fabric 是 Salesforce 商业企业平台的一部分。定价取决于所选的产品、功能和部署需求。请联系 Salesforce 或 MuleSoft 获取报价。

最适合:

在多个企业系统中管理多个 AI 智能体、需要集中式发现、治理、编排以及与现有 API 集成的大型组织。

探索 MuleSoft Agent Fabric


3. Kong AI Gateway

Kong AI Gateway website homepage screenshot

Kong AI Gateway将 Kong 的 API 连接和管理平台扩展到覆盖 AI 应用和多智能体系统。它提供了一个集中式层,用于治理 LLM 请求、MCP 工具访问以及智能体之间的通信。

其主要优势之一是将 AI 流量管理带入成熟的 API 网关生态。团队可以将现有 API 作为 MCP 工具公开,聚合来自不同来源的工具,并对智能体发现和调用这些工具的方式应用身份验证和访问策略。

Kong 还通过专用的 AI Agent 实体支持 A2A 流量。这些实体让团队能够路由智能体请求,并应用身份验证、授权、速率限制和可观测性策略。管理员可以通过 Kong 的管理和可观测性能力监控智能体活动,包括请求延迟、错误和其他遥测数据。

对于已经使用 Kong 管理 API 的组织来说,这提供了一条熟悉的路径来治理智能体基础设施,而无需引入一个完全独立的连接平台。

定价:

Kong 提供 AI Management Plus 套餐,起价每月 25 美元,另加使用费,并提供免费试用。其 Enterprise 套餐采用定制定价,并为更大规模部署增加了功能。

最适合:

已经使用 Kong 进行 API 管理的组织,以及需要在 LLM、MCP 和 A2A 流量上实现集中治理的企业。当智能体需要对现有企业 API 和服务进行受控访问时,这一点尤其重要。

探索 Kong AI Gateway


4. Amazon Bedrock AgentCore Gateway

Amazon Bedrock AgentCore Gateway website homepage screenshot

Amazon Bedrock AgentCore Gateway是一项托管网关服务,旨在将 AI 智能体与工具、API 和现有服务连接起来。它帮助开发者通过标准化接口暴露后端能力,智能体可以使用 Model Context Protocol 发现并调用这些能力。

一个关键用例是将现有的 REST API、AWS Lambda 函数和其他服务转变为兼容 MCP 的工具。这使团队能够将现有业务逻辑提供给智能体,而无需为每个应用构建单独的工具集成。AgentCore Gateway 还可以连接到现有的 MCP 服务器,并通过直通目标支持智能体到智能体的通信。

由于它是 Amazon Bedrock AgentCore 的一部分,该网关可以自然地融入基于 AWS 的智能体架构。团队可以将其与其他 AgentCore 能力一起使用,以构建和运营与企业系统及外部服务交互的智能体。

托管方式还减少了运行专用网关所涉及的基础设施工作。开发者可以专注于配置目标、权限和智能体集成,而 AWS 负责管理底层服务。

定价:

Amazon Bedrock AgentCore Gateway 采用按需付费定价。AWS 将网关 API 调用列为每 1,000 次调用 0.005 美元,搜索和工具索引等功能会产生额外费用。其他 AgentCore 服务以及连接工具所使用的 AWS 资源可能会产生单独的费用。

最适合:

在 AWS 生态系统中构建智能体、需要一种托管方式来将 API、Lambda 函数和现有服务作为 MCP 工具暴露的团队。对于希望将智能体能力与现有 AWS 基础设施集成的组织来说,这是一个实用的选择。

探索 Amazon Bedrock AgentCore Gateway


5. Google Cloud Agent Gateway

Google Cloud Agent Gateway website homepage screenshot

Google Cloud Agent Gateway是 Google Cloud 的 Gemini Enterprise Agent Platform 内的托管网关。它提供了一个集中式层,用于保护和治理跨云环境中 AI 智能体、工具和后端服务之间的通信。

该网关支持多种智能体通信协议,包括 MCP、A2A、REST 和 gRPC。这使组织能够通过一致的网关基础设施管理工具调用、智能体委派和传统服务请求。对于 MCP 流量,它可以检查 JSON-RPC 请求以识别工具名称和方法,从而实现更细粒度的访问策略。

Google Cloud Agent Gateway 专为需要在不同部署环境中治理智能体交互的组织而设计。它支持涉及 Google Kubernetes Engine 和 Cloud Run 的部署,以及跨云场景。它与 Google Cloud 智能体基础设施的集成也使其适用于已经在使用 Gemini 和其他 Google Cloud 服务的团队。

定价:

Google Cloud Agent Gateway 是托管 Gemini Enterprise Agent Platform 的一部分。定价取决于所选的部署模型和相关平台资源。

最适合:

在 Google Cloud 上构建智能体、需要对 MCP 工具、A2A 通信和后端服务访问进行集中控制的组织。对于在 GKE、Cloud Run 以及混合或跨云环境中管理智能体工作负载的团队来说,这是一个强有力的选择。

探索 Google Cloud Agent Gateway


6. Azure AI Gateway

Azure AI Gateway website homepage screenshot

Azure AI Gateway是 Microsoft 的托管网关,用于将应用程序和 AI 智能体连接到模型提供商、MCP 服务器和其他工具。它为开发者提供了一个用于 AI 服务的共享端点,同时允许平台团队集中管理访问、策略、网络和可观测性。

该网关通过熟悉的 API 接口支持多个模型提供商,帮助应用与不同模型协作,而无需为每个提供商单独集成。它还可以通过统一的 MCP 端点发布 MCP 服务器、OpenAPI API 和 SaaS 连接器,使经过批准的工具可通过受治理的访问层供智能体使用。

面向企业环境,Azure AI Gateway 提供访问控制、安全、token 用量和请求速率方面的策略。其监控能力可暴露 token 消耗、延迟、错误和策略结果等信息。与 Azure 身份和网络服务的集成也使其适合已有 Microsoft 安全和基础设施要求的组织。

定价:

Azure AI Gateway 目前作为预览服务提供。Microsoft 尚未公布独立的 Azure API Management AI Gateway 层级的最终定价。

最适合:

使用 Microsoft Azure、需要为模型 API 和 MCP 工具提供共享网关的企业。它尤其适合希望在各 AI 应用间保持一致的身份、安全策略和监控的平台团队。

探索 Azure AI Gateway


7. Gravitee AI Gateway

Gravitee AI Gateway website homepage screenshot

Gravitee AI Gateway是 Gravitee API 与智能体管理平台的一部分。它为治理 LLM、MCP 和 A2A 流量提供统一运行时,帮助组织保障智能体、模型、工具和现有 API 之间交互的安全。

Gravitee 将这些交互拆分为协议感知的网关组件。其 LLM Proxy 管理模型请求,MCP Proxy 控制工具发现与调用。A2A Proxy 治理智能体之间的通信,包括跨智能体工作流的委托请求和授权。

一个关键区别在于其对细粒度治理的专注。团队可以将策略应用于特定的 MCP 方法、工具和智能体技能,并支持 OAuth 2.1 认证和委托授权。Gravitee 还通过 OpenTelemetry 连接这些交互间的可观测性,使团队能够洞察智能体身份、工具使用、策略决策和请求追踪。

该平台还包括 MCP Studio,它帮助团队从现有 API、工具和其他资源组装复合 MCP 服务器。这使组织能够为智能体提供精选的工具集合,同时在复合层面应用访问策略。

定价:

Gravitee 提供商业平台方案,定价基于部署需求和所选功能。其 AI Gateway 能力是其更广泛平台产品的一部分。请联系 Gravitee 获取报价,并确认各方案下可用的功能。

最适合:

需要对 LLM、MCP 和 A2A 流量进行细致治理的企业。Gravitee 适合管理大量智能体和工具、需要集中式身份验证、细粒度授权和端到端可观测性的组织。

探索 Gravitee AI Gateway


8. IBM ContextForge

IBM ContextForge website homepage screenshot

IBM ContextForge是一个开源MCP 网关和注册中心,旨在帮助组织跨多个 MCP 服务器管理工具、资源和提示词。它提供一个集中式层,AI 智能体可以在其中发现和访问经批准的能力,而无需每个应用都维护与各个服务的单独连接。

ContextForge 支持 MCP 服务器联邦,允许团队通过统一端点注册和聚合来自不同来源的工具。它还提供身份验证和授权机制,包括基于 OAuth 的访问、JWT 身份验证和基于角色的访问控制。管理员可以管理工具可见性、控制访问,并监控连接服务之间的交互。

该平台还包括管理界面和可观测性集成,帮助团队管理其 MCP 基础设施。其重点是组织和治理工具访问,这使其适合 MCP 部署不断增长、需要共享注册中心和网关的组织。

定价:

IBM ContextForge 在 Apache 2.0 许可证下开源,可自托管且无需软件许可费用。组织可以使用自己的基础设施,并根据需求配置网关。

最适合:

构建基于 MCP 的智能体环境、需要集中式工具注册表、服务器联邦和访问管理的团队。对于偏好开源基础设施并希望掌控其 MCP 部署的组织来说,这是一个实用的选择。

探索 IBM ContextForge


9. Agent Router

Agent Router website homepage screenshot

Agent Router是一个开源基于 Envoy 构建的网关,帮助团队管理跨 AI 模型、智能体和工具的流量。它为与多个模型提供商和智能体基础设施交互的应用提供统一的路由层。

该网关旨在简化跨不同 AI 后端的连接,包括托管模型 API 和自托管推理服务。它还支持 MCP 集成,允许智能体应用通过集中式基础设施层连接外部工具。

通过使用 Envoy 作为其底层代理,Agent Router 可融入云原生环境,这些环境中的团队已经依赖服务代理和基础设施级流量管理。这使得它适合希望将 AI 流量纳入现有网络和可观测性架构的平台工程师。

定价:

Agent Router 基于 Apache 2.0 许可证开源。团队可以自行托管而无需支付软件许可费用,但基础设施和运营成本仍然存在。

最适合:

希望使用基于 Envoy 的开源网关来路由跨模型提供商和智能体工具的 AI 流量的工程团队。对于已经使用 Envoy 或需要在云原生基础设施栈中获取可定制网关的组织来说,值得评估。

探索 Agent Router


如何选择合适的智能体网关

最佳的智能体网关取决于你的智能体如何通信、它们需要哪些工具,以及你的组织需要对其交互施加多少控制。主要面向模型路由设计的网关,可能无法提供与围绕 MCP 联邦、A2A 通信或企业身份管理构建的网关相同的能力。

  • 识别你的应用所使用的协议

如果你的智能体高度依赖 MCP 服务器,优先选择具备工具发现、调用控制和身份验证支持的网关。如果你的架构包含多个协作智能体,请检查是否支持 A2A 以及约束智能体间请求的策略。

  • 安全与治理也应影响你的决策**

寻找细粒度权限、身份感知访问、速率限制、审计日志以及对工具使用情况的可视化能力。随着越来越多的智能体获得对内部 API、客户数据和业务系统的访问权限,这些能力将变得愈发重要。

  • 部署要求可以进一步缩小选择范围

托管服务可以减少基础设施维护工作,而开源、自托管的网关则让团队对配置和部署拥有更多控制权。在选择之前,请考虑你现有的云环境、Kubernetes 配置、合规要求和运维资源。

  • 评估性能与总成本

智能体工作流可能为单个任务生成多次模型和工具调用,因此请求开销、重试、缓存和提供商故障转移都会影响延迟和支出。请用真实负载测试网关,并比较网关、基础设施、模型使用和支持服务的成本。


常见问题

智能体网关和 LLM 网关有什么区别?
LLM 网关主要管理应用程序与语言模型之间的请求。它负责模型路由、提供商选择、身份验证、速率限制和使用情况监控。
智能体网关覆盖更广泛的交互范围。它可以治理智能体、工具、MCP 服务器和模型提供商之间的通信。部分平台将这两种能力结合在一起,让团队通过一个基础设施层同时管理模型请求和智能体工作流。
为什么 AI 智能体需要网关?
AI 智能体通常需要访问多个工具、API 和服务来完成任务。如果没有集中式控制,每个集成都可能引入各自独立的身份验证、权限、监控和安全要求。
网关为这些交互提供了一个共享的执行点。它帮助团队管理工具访问、应用策略、监控请求,并保持对智能体如何使用已连接资源的可见性。
MCP 和 A2A 有什么区别?
MCP(Model Context Protocol)标准化了 AI 应用如何连接外部工具、资源和提示词。它为智能体发现和使用 MCP 服务器暴露的能力提供了一个通用接口。
A2A(Agent2Agent)侧重于独立 AI 智能体之间的通信。它允许智能体发现其他智能体、委派任务并交换信息。两种协议支持智能体架构的不同部分。
智能体网关能否保护对内部 API 的访问?
可以。智能体网关可以位于智能体和内部服务之间,在请求到达后端资源之前强制执行身份验证、授权和访问策略。
取决于平台,团队可以将现有 API 作为 MCP 工具暴露、限制对特定操作的访问并监控请求。后端服务仍应执行自己的授权和数据访问规则,因为网关策略只是更广泛安全架构中的一层。
我应该选择开源还是托管的智能体网关?
当你的团队需要部署灵活性、基础设施控制权和自定义配置的能力时,开源网关是一个不错的选择。它还可以降低软件许可成本,不过你的团队仍需负责托管、维护和运营。
托管网关可以减少运维开销,并与现有云生态系统集成。如果你的组织倾向于使用提供商管理的服务,并且已经依赖该提供商的身份、网络和监控工具,那么它可能更合适。

最终思考

随着应用获得对更多工具、服务和其他智能体的访问权限,智能体网关正成为生产 AI 基础设施的重要组成部分。它们为工程团队提供了一个中心位置,用于管理通信、执行访问策略、监控使用情况,并对日益复杂的智能体工作流保持控制。

这九款平台针对的是不同需求。Bifrost 在单一开源网关中覆盖 LLM、MCP 和 A2A 流量,并提供企业级治理以及 VPC 内、本地或气隙部署。Agent Router 和 IBM ContextForge 也值得在开源部署场景中评估。Kong 和 Gravitee 提供更广泛的 API 管理和智能体治理能力,而 Amazon Bedrock AgentCore Gateway、Google Cloud Agent Gateway 和 Azure AI Gateway 则天然融入各自的云生态。MuleSoft Agent Fabric 提供企业级智能体发现、编排和治理。

在选择之前,请针对你实际的智能体工作流测试该网关。检查它如何处理工具权限、身份、协议支持、请求量和故障场景。

评估 AI 网关的团队可以申请 Bifrost 演示或查看开源仓库。


感谢阅读!🙏🏻
希望这对你有帮助 ✅
请点赞并关注以获取更多内容 😍
由 💙 制作Hadil Ben Abdallah
LinkedIn GitHub Twitter