在Google Cloud Run上部署IBM MCP Context Forge网关的完整指南
2025-06-10 05:55:32作者:尤辰城Agatha
前言
IBM MCP Context Forge是一个功能强大的上下文管理平台,本文将详细介绍如何在Google Cloud Run上部署其网关组件。Google Cloud Run作为完全托管的无服务器平台,能够为容器化应用提供自动扩缩容能力,是部署MCP Gateway的理想选择。
技术架构概述
在Google Cloud Run上部署MCP Gateway涉及以下核心组件:
- Cloud Run:运行MCP Gateway容器的主平台
- Cloud SQL:托管PostgreSQL数据库服务
- Memorystore:托管Redis缓存服务
- Artifact Registry:容器镜像仓库
这种架构组合提供了完整的后端支持,同时保持了无服务器架构的弹性和成本优势。
环境准备
1. 安装Google Cloud CLI
Google Cloud CLI是与Google Cloud服务交互的主要工具。以下是各平台的安装方法:
macOS系统
brew install --cask google-cloud-sdk
Debian/Ubuntu系统
sudo apt-get update
sudo apt-get install -y apt-transport-https ca-certificates gnupg curl
curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo gpg --dearmor -o /usr/share/keyrings/cloud.google.gpg
echo "deb [signed-by=/usr/share/keyrings/cloud.google.gpg] https://packages.cloud.google.com/apt cloud-sdk main" | sudo tee -a /etc/apt/sources.list.d/google-cloud-sdk.list
sudo apt-get update
sudo apt-get install -y google-cloud-cli
Windows系统
winget install --id Google.CloudSDK
初始化并认证:
gcloud init
gcloud auth login
gcloud config set project PROJECT_ID
2. 启用必要API
gcloud services enable \
run.googleapis.com \
sqladmin.googleapis.com \
redis.googleapis.com
基础设施部署
1. 创建PostgreSQL数据库实例
使用经济型的db-f1-micro规格:
gcloud sql instances create mcpgw-db \
--database-version=POSTGRES_17 \
--edition=ENTERPRISE \
--tier=db-f1-micro \
--region=us-central1
设置数据库密码并创建数据库:
gcloud sql users set-password postgres \
--instance=mcpgw-db \
--password=mysecretpassword
gcloud sql databases create mcpgw --instance=mcpgw-db
2. 创建Redis实例
使用基础版1GB内存配置:
gcloud redis instances create mcpgw-redis \
--region=us-central1 \
--tier=BASIC \
--size=1
容器镜像准备
由于Cloud Run需要镜像存储在Artifact Registry中,我们需要创建远程仓库代理:
export PROJECT_ID="your-project-id"
gcloud artifacts repositories create ghcr-remote \
--project=$PROJECT_ID \
--repository-format=docker \
--location=us-central1 \
--description="Proxy for GitHub Container Registry" \
--mode=remote-repository \
--remote-docker-repo=https://ghcr.io
部署MCP Gateway
1. 获取数据库连接信息
# 获取PostgreSQL连接名称
gcloud sql instances describe mcpgw-db \
--format="value(connectionName)"
# 获取PostgreSQL IP地址
gcloud sql instances describe mcpgw-db \
--format="value(ipAddresses.ipAddress)"
# 获取Redis IP地址
gcloud redis instances describe mcpgw-redis \
--region=us-central1 \
--format="value(host)"
2. 部署服务
gcloud run deploy mcpgateway \
--image=us-central1-docker.pkg.dev/$PROJECT_ID/ghcr-remote/ibm/mcp-context-forge:latest
--region=us-central1 \
--platform=managed \
--allow-unauthenticated \
--port=4444 \
--cpu=1 \
--memory=512i \
--max-instances=1 \
--set-env-vars=\
JWT_SECRET_KEY=jwt-secret-key,\
BASIC_AUTH_USER=admin,\
BASIC_AUTH_PASSWORD=changeme,\
AUTH_REQUIRED=true,\
DATABASE_URL=postgresql://postgres:mysecretpassword@<SQL_IP>:5432/mcpgw,\
REDIS_URL=redis://<REDIS_IP>:6379/0,\
CACHE_TYPE=redis,\
HOST=0.0.0.0,\
GUNICORN_WORKERS=1
关键参数说明:
--cpu=1和--memory=512i:限制资源使用以控制成本--max-instances=1:限制最大实例数GUNICORN_WORKERS=1:控制内存使用
验证部署
1. 检查数据库表结构
psql postgresql://postgres:mysecretpassword@<SQL_IP>:5432/mcpgw -c "\dt"
应看到18个表,包括gateways、mcp_messages、prompts等。
2. 生成JWT令牌
docker run -it --rm ghcr.io/ibm/mcp-context-forge:latest \
python3 -m mcpgateway.utils.create_jwt_token -u admin --secret jwt-secret-key
3. 测试API端点
# 健康检查
curl -H "Authorization: Bearer $MCPGATEWAY_BEARER_TOKEN" \
https://<your-cloud-run-url>/health
# 版本检查
curl -H "Authorization: Bearer $MCPGATEWAY_BEARER_TOKEN" \
https://<your-cloud-run-url>/version
# 工具列表
curl -H "Authorization: Bearer $MCPGATEWAY_BEARER_TOKEN" \
https://<your-cloud-run-url>/tools
日志监控
实时日志查看
gcloud beta run services logs tail mcpgateway --region=us-central1
最佳实践建议
-
安全加固:
- 使用Secret Manager管理敏感信息
- 限制数据库访问IP范围
- 定期轮换JWT密钥
-
性能优化:
- 根据负载调整GUNICORN_WORKERS数量
- 设置min-instances减少冷启动延迟
-
成本控制:
- 使用Cloud Run的自动扩缩容特性
- 监控资源使用情况调整配额
-
高可用性:
- 考虑多区域部署关键组件
- 设置适当的健康检查
常见问题排查
-
容器启动失败:
- 检查HOST是否设置为0.0.0.0
- 验证端口配置是否正确
-
数据库连接问题:
- 确认IP白名单设置
- 检查连接字符串格式
-
认证失败:
- 验证JWT密钥一致性
- 检查Basic Auth凭据
通过本文的详细指南,您应该能够在Google Cloud Run上成功部署IBM MCP Context Forge网关,并构建一个高效、可扩展的上下文管理平台。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
281
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100