AI Agent 正在快速发展——从实验室到实际应用。随着它们从生成文本到执行实际操作，模型上下文协议（MCP）已经成为了连接代理与工具的实际上标准。前两天 Robin 以《模型的世界 应用的天下》为题发表演讲，带来了文心大模型 4.5 Turbo、文心大模型 X1 Turbo 两大新模型，连发高说服力数字人、通用超级智能体心响 APP、内容操作系统沧舟 OS 等多款 AI 应用，覆盖 AI 数字人、代码智能体、多智能体协作等热门赛道。同时，宣布百度将帮助开发者全面拥抱 MCP。

此外千帆还正式发布了国内首个企业级 MCP 服务，第一批已经有超过 1000 个 MCP Servers 供企业及开发者灵活选择。MCP 很令人兴奋。它是简单且模块化的，并基于原生网络原则构建。我们相信它有可能像容器对应用程序部署所做的那样，标准化并简化一个复杂且碎片化的领域——即为代理式 AI 交互提供服务。MCP 客户端和服务器具有巨大的潜力，但体验尚未达到生产就绪状态。发现是碎片化的。一般来说，你需要手工部署 MCP 服务，或者使用第三方部署的服务，这会带来一些问题：
1.手工部署依赖机器环境。部署环境可能缺乏类库、工具，你可能无法成功部署一个 MCP 服务器。尤其在一些大厂中，内网环境和软件版本无法让你正常安装和运行
2.手工部署的 MCP 服务器可能有安全问题，可以任意的访问你的服务器

3.第三方服务无法保证安全保证，有可能造成信息的泄露。相当于你把你的信息全部都上交给了第三方

如果回顾一下这些问题，你会发现历史总是相似的，云服务流行的时代我们也遇到了类似的问题，Docker 是一种优雅的解决云服务时代这类问题的解决方案之一。在 AI Agent 时代， Docker 公司也与时俱进，提出了利用 Docker 技术部署 MCP 服务的技术： Docker MCP Catalog 。通过 Docker Desktop 一键启动，您可以在几秒钟内启动 MCP 服务器，并将其连接到 Docker AI Agent、Claude、Cursor、VS Code、Windsurf、continue.dev 和 Goose 等客户端，无需复杂设置。它还包含内置凭证和 OAuth 管理功能，并与您的 Docker Hub 账户集成，确保顺畅的身份验证，并在必要时轻松撤销凭证。AGateway MCP 服务器动态将启用的工具暴露给兼容客户端，而新的 docker mcp CLI 可让您轻松构建、运行和管理这些工具。并且内置了内存、网络和磁盘隔离，每项工具默认安全运行，从第一天起即可用于生产环境。

Docker 公司的雄心是巨大的：未来的 Docker MCP Catalog 和 Toolkit 会是什么样子？想象一下：直接在 Docker Hub 上浏览数百个即用型 MCP 服务器，并像启动 Redis 或 Postgres 那样轻松地启动它们。只需几下点击即可将它们连接到代理。无需硬编码的密钥，无需通过 npx 或 uvx 以完整主机访问权限启动工具，也无需牺牲隔离或安全性。最好的是？运行一个 Docker 容器，MCP 工具就能自动工作。凭借熟悉的命令和工具，学习曲线几乎为零——而可能性却是巨大的。

你可以通过以下网址访问当前 Docker 所支持的 MCP Server:https://hub.docker.com/catalogs/mcp

接下来我通过 fetch 这个 mcp 工具对比本地部署和 docker 部署的区别。Fetch MCP 服务器是 Anthropic 官方开发的一款专注于网页内容抓取的高效数据采集工具。作为一个轻量级的网页爬虫服务器，它能够智能地将 HTML 内容转换为 Markdown 格式，特别适合与 LLM（大语言模型）配合使用。其核心功能和参数配置如下：
fetch 从互联网获取指定 URL 的内容并提取为 Markdown 格式,参数如下：
url（字符串，必需）：要抓取的 URL
max_length（整数，可选）：返回的最大字符数（默认：5000）
start_index（整数，可选）：从该字符索引开始提取内容（默认：0）

raw（布尔值，可选）：获取原始内容而不进行 Markdown 转换（默认：false）

本地 stdio 部署
你可以在你的 mcp host 配置 fetch mcp server:

"mcpServers": {
  "fetch": {
    "command": "uvx",
    "args": ["mcp-server-fetch"]
  }
}

比如我在 deepchat 中的配置如下：

然后在对话框调用这个工具：

使用 docker
可以看到，如果要运行 fetch mcp server, 你需要有 uvx 工具，它是由 Astral 公司开发的一个极其快速的 Python 包管理器。或者你通过 pip 安装和配置，这需要你先准备好这些前置的工具，而且你的机器环境不一定允许你安装。
Docker 目前提供了 fetch 工具，你可以先使用下面的命令安装：

docker run -i --rm mcp/fetch

你可以在 Agent Host 中这样部署：

"mcpServers": {
  "fetch": {
    "command": "docker",
    "args": ["run", "-i", "--rm", "mcp/fetch"]
  }
}

然后在对话框中测试：

使用 docker 部署 mcp 的好处还是那些：
1.环境一致性 (Consistent Environments):
2.资源利用率高 (Resource Efficiency):
3.快速部署与扩展 (Rapid Deployment & Scalability):
4.可移植性 (Portability):
4.隔离性 (Isolation):
5.简化配置和管理 (Simplified Configuration & Management):
6.解决了本地和第三方部署带来的环境问题、资源占用问题和安全问题。