当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > Cloudflare Gateway 怎么识别 MCP 流量:is_mcp 策略与 AI Security 报表实测

Cloudflare Gateway 怎么识别 MCP 流量:is_mcp 策略与 AI Security 报表实测

来源:17golang原创 2026-08-24 02:36:59 0浏览 收藏
所属专题:MCP Tasks 与交互授权生产可靠性专题 - 围绕长任务、Elicitation、工具授权与网关观测构建可恢复的 MCP Agent 链路

团队把 MCP 客户端接入办公网络后,最先遇到的不是“要不要允许”,而是“这批请求到底是不是 MCP”。Cloudflare Gateway 在 2026 年 8 月加入 MCP 协议识别,HTTP 策略里可以用实验性的 experimental.is_mcp 选择器单独匹配这类流量,AI Security 报表则负责回答它来自谁、去了哪些服务器、数量是否异常。

要点速览
  • 先用日志和 AI Security 报表确认 MCP 请求量、用户与服务器,再决定阻断范围。
  • experimental.is_mcp = true 只表达“识别为 MCP”,还要叠加流量来源或入口条件。
  • 首条策略建议从观察和小范围阻断开始,避免把已批准的 MCP 门户一起拦掉。
  • 回滚时停用策略即可,保留报表与命中记录,方便比较变更前后的流量。

Cloudflare Gateway 从 MCP 请求识别到 HTTP 策略命中的时间线

这次 Cloudflare Gateway 更新解决了什么

过去,Gateway 管理员通常只能按域名、IP、端口、用户或应用标签去猜测 MCP 流量。问题在于,同一个 HTTPS 出口里可能混着普通 API、网页访问和 MCP 请求,靠域名分类很容易把规则写得过宽。

新能力把识别层单独提出来:Gateway 通过协议特征判断请求是否属于 MCP,HTTP 策略再使用 Is MCP 选择器做允许、阻断或隔离。这个选择器目前仍是 beta,名称和行为可能调整,因此适合先做小范围验证,不宜直接当成永久合规边界。

先准备一个可回看的最小验证场景

验证目标不是立刻拦截所有 MCP,而是确认三件事:识别结果能出现、策略命中能解释、报表里的统计能与测试请求对上。建议准备一台测试客户端、一个已批准的 MCP 入口和一个暂不批准的入口,并给测试请求加上容易定位的时间窗口。

验证对象要观察的字段通过标准
MCP 请求协议识别、目标服务器、用户能与测试客户端对应
HTTP 策略Is MCP、流量来源、动作命中原因不是模糊的域名规则
AI Security 报表请求量、用户数、服务器数测试窗口内出现可解释变化

在 HTTP Policies 里创建第一条 MCP 观察规则

进入 Cloudflare One 控制台的 Gateway HTTP Policies,新建一条仅用于观察的规则。条件先保持最小:选择器设为 Is MCP,运算符设为 is,值设为 True。动作先选择记录或观察类动作,具体名称以当前控制台显示为准。

如果控制台还提供流量来源、用户、设备姿态或 MCP 门户条件,先不要一次性全部叠加。发出一条已知的 MCP 测试请求,再检查策略命中详情;如果没有命中,优先确认 Gateway 代理路径和策略顺序,而不是马上改成“允许所有”。

把“识别为 MCP”收窄成可执行的访问边界

确认识别稳定后,再加第二个条件。例如只针对不属于批准门户的 MCP 流量:

Is MCP       is       True
Traffic Source  is not  Approved MCP Portal
Action: Block

这条规则表达的是“非批准入口的 MCP 才阻断”,不是“所有 MCP 都阻断”。实际部署时还要核对组织的策略优先级、绕过角色和设备范围。若团队有多个代理出口,建议先按用户组或设备组灰度,保留一条明确的回退路径。

Cloudflare MCP HTTP 策略从观察到小范围阻断并在 AI Security 报表核对的状态变化

用 AI Security 报表核对策略是否真的生效

打开 Insights & Logs > Dashboards 下的 AI Security 报表,重点看四组信息:MCP 请求总量、唯一用户数、唯一 MCP 服务器数,以及针对 MCP 流量的 Gateway 策略摘要。验证时不要只看总量,最好把测试请求的时间段、用户和目标服务器一起对照。

  1. 先记录观察规则启用前的请求量,作为基线。
  2. 发起一条批准入口请求和一条非批准入口请求。
  3. 回到策略详情,确认两条请求的命中动作不同。
  4. 刷新 AI Security 报表,核对服务器数和策略摘要是否出现对应变化。
  5. 把结果写进变更记录,注明 beta 选择器和测试时间窗口。

报表只说明 Gateway 观察到了什么,不等于 MCP 服务器本身可信。服务器的工具权限、返回数据和下游访问仍要在 MCP 客户端与服务端侧单独审查。

常见误区与回滚动作

最容易踩的坑是把协议识别当成身份认证:识别为 MCP 只能说明请求具备相关协议特征,不能证明调用者有权读取某个内部数据源。第二个坑是把 beta 选择器写进一条没有例外的全局阻断规则,导致批准门户也无法工作。

出现误拦截时,先停用新增策略,确认业务恢复,再查看命中记录定位是来源条件、策略顺序还是门户识别范围过窄。不要删除报表数据或覆盖原规则,这些证据对下一轮收窄条件更有价值。

相关问题

Is MCP 选择器能识别所有自定义 MCP 客户端吗?

不能直接保证。识别依赖 Gateway 能看到的协议特征与代理路径,客户端、传输方式或中间层变化都可能影响结果,应先用测试请求验证。

AI Security 报表能替代 MCP 权限审计吗?

不能。它主要帮助观察网络侧流量和策略命中,工具级权限、数据范围和服务端行为仍需要应用侧审计。

第一条规则应该直接 Block 吗?

更稳妥的做法是先观察,再按用户组、设备组或入口灰度阻断;确认批准门户不受影响后再扩大范围。

Cloudflare Gateway 的价值在于把“猜测 MCP 流量”变成可观察、可匹配、可回看的策略流程。真正上线前,保留观察基线、明确例外入口,并把 beta 能力纳入变更复查周期。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
AI 接口 504 后先查什么:X-Client-Request-Id、退避上限与幂等键AI 接口 504 后先查什么:X-Client-Request-Id、退避上限与幂等键
上一篇
AI 接口 504 后先查什么:X-Client-Request-Id、退避上限与幂等键
PHP 8.4 request_parse_body 怎么接收 PUT 表单:文件上传、一次读取与大小限制
下一篇
PHP 8.4 request_parse_body 怎么接收 PUT 表单:文件上传、一次读取与大小限制
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    378次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    448次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    457次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    400次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    227次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码