Pinterest 部署生產級模型上下文協議生態系統，賦能 AI 智能體工作流

作者 | Leela Kumili

譯者 | 明知山

Pinterest 的工程團隊搭建了一個內部模型上下文協議（MCP）生態系統，用于驅動 AI 智能體，實現復雜工程任務自動化，并大規模集成各類內部工具與數據源。該架構目前已上線生產級 MCP 服務器、中心注冊表以及跨開發者工具集成，將以往零散的臨時對接方式替換為標準化、安全且可擴展的 AI 工具調用底層架構。MCP 讓語言模型可通過統一的客戶端 / 服務器端機制調用工具、訪問結構化數據，使智能體能夠執行日志分析、排查缺陷工單等任務，直接對接實時內部系統。

Pinterest 的工程師強調：

我們采用內部云托管、通過中心注冊表連接多個領域專有 MCP 服務器，構建了一個靈活且安全的 AI 智能體底層架構，并將其直接融入到員工的日常工作流程中。

該架構的核心是一組云托管的 MCP 服務器，每個服務器均專注于特定領域（如 Presto、Spark 或 Airflow），而非采用單一的單體服務。這種面向特定領域的設計能夠有效抑制上下文膨脹，實現工具隔離，并支持細粒度的訪問控制。統一的部署管道負責管理基礎設施、擴縮容與服務生命周期，讓工程師能夠專注于工具接口的定義。

中心 MCP 注冊表作為已審批服務器及其連接元數據的唯一可信數據源，提供了易用的 UI 與 API，支持服務發現、校驗，并可集成至內部 AI 客戶端與 IDE?？蛻舳嗽谡{用工具前會先查詢注冊表，完成權限與服務器狀態校驗，統一執行治理策略。Pinterest 通過“節省時間”這一核心指標來衡量該生態體系的價值：工具所有者結合輕量化用戶反饋及與人工流程的對比估算每次調用所節省的時間。截至 2025 年 1 月，MCP 服務器月調用量達 66000 次，覆蓋 844 名活躍用戶，每月可節省約 7000 工時。

Pinterest MCP 生態系統架構圖（來源：Pinterest 博文）

AI 智能體工作流已集成至聊天平臺與 IDE，可通過注冊表發現 MCP 服務器。智能體能夠自主排查事件、生成上下文摘要或提出變更建議。由于 MCP 服務器可執行自動化操作，Pinterest 要求對敏感操作進行人工審批，使用 elicitation 在執行前核驗潛在風險操作。由智能體提出變更，人工在應用變更前對其進行批準或駁回。

開發 MCP 服務器的端到端流程（來源：Pinterest 博文）

安全與治理通過雙層授權模型來實現，人工訪問通過終端用戶 JWT 來控制，服務流程則依賴服務網格身份。各服務器實現細粒度授權裝飾器與業務組權限校驗，將高權限操作限定在已批準的團隊。OAuth 流程復用現有內部認證體系，避免額外彈窗驗證，同時保證完整的可審計性。所有 MCP 服務器均需遵循 MCP 安全標準，并在投入生產前通過安全、法律 / 隱私及生成式 AI 相關要求審核。

這種架構思路與 AI 輔助自動化的整體發展趨勢保持一致，重點在于實現對實時系統和結構化數據安全且可靠的訪問，而非僅提供簡單的 NLP 接口。從概念驗證到建成生產就緒的生態系統這一過程為企業級 AI 自動化提供了可規?；涞氐姆独interest 將持續擴充 MCP 服務器集群，深化工程場景下的集成應用，優化治理模型，在嚴守安全與合規標準的前提下進一步提升開發者工作效率。

查看英文原文：

https://www.infoq.com/news/2026/04/pinterest-mcp-ecosystem/

聲明：本文為 InfoQ 翻譯，未經許可禁止轉載。