服务注册与分布式协调 / 系统课时
认清 AI Registry 的平台职责
认清 AI Registry 的平台职责
这节课解决一个关键边界问题:哪些对象应该进入 AI Registry,哪些仍由配置管理或服务发现负责。读完后,你能把 MCP Server、Prompt、Skill 等资源放进正确的目录,并理解 Agent 运行时如何从这些目录取得能力。
学习目标
- 说明 AI Registry 与配置管理、服务发现的职责边界
- 区分 MCP Server、Prompt、Skill、Agent 与 AgentSpec 在统一目录中的角色
- 根据运行时需求判断应该查询哪一类 Nacos 资源
AI Registry 管的是“可发现的 AI 能力”
AI Registry 不是把传统服务注册表换一个名字,而是为 AI 应用增加一层资源目录。它关心的是“某个 AI 能力是什么、有哪些版本、是否可见、如何被发现和分发”,让 Agent、MCP Client 或开发工具不必把资源地址和版本硬编码在应用里。
在 Nacos 3.x 中,AI Registry 与配置管理、服务发现并列:三者共享命名空间等基础治理能力,但解决的问题不同。把边界划清后,后续注册 MCP Server 时才不会把“服务实例”“运行参数”和“AI 资源描述”混在一起。

三类目录分别回答什么问题
| 能力 | 主要对象 | 运行时要回答的问题 |
|---|---|---|
| AI Registry | MCP Server、Prompt、Skill、Agent、AgentSpec | 我需要的 AI 能力是什么、哪个版本可用、从哪里获取或调用 |
| 服务发现 | 服务与实例 | 某个服务现在有哪些可用实例、地址和健康状态 |
| 配置管理 | Data ID 对应的配置内容 | 当前环境应该使用什么参数,并如何感知配置变更 |
例如,一个 MCP Server 的“名称、工具描述、端点和版本”属于 AI Registry;如果这个 MCP Server 背后的业务服务还有多个动态实例,实例列表仍是服务发现的职责;连接超时、模型参数或环境开关这类运行参数则更适合进入配置管理。
AI 资源在统一目录中的角色
MCP Server 是 Agent 可调用工具的服务入口。目录需要描述它提供哪些工具、资源或端点,以及当前可发现的版本,使 MCP Client 或 Agent 能按名称找到能力,而不是记住固定地址。
Prompt 是可版本化的提示模板。应用可以按 Prompt Key、版本或标签取得模板,把提示词从代码常量变成可治理资源,并支持独立发布与回滚。
Skill 是可复用的 Agent 能力包,通常包含说明文件以及可选脚本、参考资料等资源。它更像“如何完成一类任务”的可分发能力,而不是一个在线服务实例。
Agent 描述一个可被其他 Agent 或平台发现并调用的智能体入口;AgentSpec 更偏向可分发的 Agent 规范包,用来描述能力、行为和关联资源。前者强调可调用入口,后者强调标准化描述与组装。
用一次运行时发现串起边界
设想一个客服 Agent 要执行“查询订单并生成回复”。它先从 AI Registry 找到订单查询 MCP Server 和客服 Prompt;如果 MCP Server 的后端依赖普通微服务,则由服务发现定位健康实例;超时、租户开关等参数再从配置管理读取。
因此,AI Registry 的平台职责可以概括为:把 AI 资源从“散落在代码和文档里的约定”变成可注册、可治理、可按版本发现的统一目录。后续搭建环境和注册 MCP Server,都是在这条职责边界之上进行。