在Google Cloud Run上部署IBM MCP Context Forge网关的完整指南
2025-06-10 15:48:43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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
728
906
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
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++
1.09 K
1.12 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265