企业级MCP（模型上下文协议）网关、注册表和编排器，提供安全可控的AI平台解决方案，帮助企业降低AI成本并提高安全性。
一分钟了解#
Archestra是一个为企业设计的MCP平台，旨在简化公司在AI工具的使用。它提供了一个集中管理的AI平台，具有安全控制、成本管理和可观察性。Archestra面向平台团队、开发人员和管理层，通过集中的MCP编排器、私有注册表和安全功能，解决AI使用中的数据泄露风险和成本控制问题。
核心价值：降低AI成本高达96%，同时提供企业级安全控制和可见性。
快速上手#
安装难度：低 - 通过Docker容器一键部署，适合快速验证
docker pull archestra/platform:latest;
docker run -p 9000:9000 -p 3000:3000 \
-e ARCHESTRA_QUICKSTART=true \
-v /var/run/docker.sock:/var/run/docker.sock \
-v archestra-postgres-data:/var/lib/postgresql/data \
-v archestra-app-data:/app/data \
archestra/platform;
适合我的场景吗？
- ✅ 企业AI管理：需要集中管理多个AI服务、控制成本并确保安全的企业
- ✅ MCP服务编排：需要将MCP服务器从个人机器迁移到中央编排器的团队
- ❌ 个人开发者：主要关注个人项目而非企业级AI管理的场景
- ❌ 简单AI集成：只需要简单集成几个AI功能而非全企业级解决方案的小型项目
核心能力#
1. 企业级MCP编排器 - 解决MCP管理混乱问题#
- 在Kubernetes环境中运行MCP服务器，管理其状态、API密钥和OAuth配置 实际价值：企业可以将MCP服务从分散的机器迁移到中央编排系统，提高管理效率和安全性
2. 私有MCP注册表 - 解决AI服务共享与治理问题#
- 添加自托管和远程的MCP服务到私有注册表，与团队共享，提供企业级治理 实际价值：企业可以安全地在内部共享自建和第三方MCP服务，统一管理AI能力
3. 双LLM安全子代理 - 防止数据泄露#
- 将危险工具响应与主代理隔离，防止提示注入和数据泄露 实际价值：保护企业敏感数据不被AI模型通过提示注入泄露，防御真实发生的AI安全攻击
4. 成本监控与动态优化 - 解决AI成本失控问题#
- 提供团队、代理和组织级别的成本监控和限制，通过动态优化可降低高达96%的AI成本 实际价值：企业能够精确控制AI使用成本，自动优化任务使用成本更低的模型，大幅降低AI支出
5. 企业级AI可观察性 - 解决AI使用不透明问题#
- 提供指标、追踪和日志功能，分析每个组织、代理和团队的token和工具使用情况 实际价值：企业全面了解AI使用情况，包括使用模式、性能和成本，支持数据驱动的决策
技术栈与集成#
开发语言：未知（基于MCP框架构建） 主要依赖：Docker容器部署，Kubernetes编排支持，PostgreSQL数据存储 集成方式：API网关、编排器、注册表
维护状态#
- 开发活跃度：活跃开发项目，有明确的贡献指南和安全漏洞奖励计划
- 最近更新：近期有明确的更新和功能添加
- 社区响应：欢迎社区贡献，提供详细的开发者快速入门指南
商用与许可#
许可证：未知（需要进一步确认）
- ✅ 商用：需要确认（从企业定位推测可能允许）
- ✅ 修改：需要确认
- ⚠️ 限制：未知
文档与学习资源#
- 文档质量：全面 - 提供完整文档、示例代码和教程
- 官方文档：https://github.com/archestra-ai/archestra
- 示例代码：提供Docker快速启动、Terraform提供商、Helm图表等