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。

AI Registry 与配置管理、服务发现的职责关系

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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

认清 AI Registry 的平台职责

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通