AI 管理中心概述

AI 管理中心（AI Registry）是 Nacos 3.x 面向 AI 应用提供的注册、治理、发现和分发能力。它和配置管理、服务发现一样，是 Nacos 的核心能力之一。

在传统微服务中，Nacos 帮助应用找到服务、读取配置、感知变更。在 AI 应用中，应用还需要找到 Skill、Agent、MCP Server、Prompt、AgentSpec 等 AI 资源。AI 管理中心解决的就是这些资源如何进入平台、如何被治理、如何按版本发布，以及如何被运行时应用发现的问题。

AI 管理中心全景

一个 AI 应用从开发到运行，通常会经历资源沉淀、资源发布、运行时发现和持续治理几个阶段。Nacos AI 管理中心负责把这些资源放到统一的命名空间、版本和权限体系中。

场景	Nacos 管理的资源	运行时如何使用	平台治理重点
Skill	Skill 包、SkillCard、版本和标签	Agent 或工具链按名称、版本或标签下载	包来源、审核、可见性和分发范围
Agent	目录信息、版本化调用定义（含 A2A AgentCard）和运行端点	应用通过 RAD 搜索、发现和订阅 Agent，再按其协议调用	生命周期、端点、版本、外部提供商和可见性
MCP Server	MCP 服务描述、工具、资源、端点和版本	MCP Client、MCP Router、网关或 Agent 发现并调用工具	协议、端点、工具开关、导入和代理
Prompt	Prompt 模板、变量、版本和标签	应用按 Prompt Key、版本或标签读取模板	评审、回滚、latest 标签和灰度使用
AgentSpec	Agent 规范包、manifest、内容和资源	Agent 平台、开发工具或 AI 应用获取规范包	包完整性、版本、标签和公开范围

这些资源都使用命名空间隔离。团队可以用命名空间区分环境、租户或业务域。

Skill 管理

Skill 管理（Skill Registry）用来管理可复用的 AI 能力包。一个 Skill 可以描述能力名称、输入输出、依赖资源、版本和可见范围。平台团队可以把常用能力沉淀为 Skill，开发者或 Agent 运行时再按名称、版本或标签获取。

常见使用场景包括：

将企业内部工具、自动化流程或模型能力封装成可分发的 Skill。
通过草稿、审核、发布、上下线流程控制 Skill 的生产可用状态。
使用业务标签、版本标签和可见范围管理不同团队可使用的 Skill。
通过客户端 API 下载 Skill ZIP 包，供运行时或开发工具加载。

详细说明见 Skill 管理。

Agent 管理

Nacos 3.3 的 Agent 管理统一管理 Agent 的目录信息、版本化调用定义和运行端点，通过 RAD（Remote Agent Discovery）提供搜索、发现和订阅。A2A 继续作为兼容接入方式，AgentCard 保留在 A2A 调用接口的原生描述中。

Agent 可以来自不同来源：Spring AI Alibaba 应用可以自动注册 Agent；自定义 Agent 可以通过 SDK 或 API 发布；外部提供商的 Agent 也可以导入后统一治理。平台侧可以围绕 Agent 的版本、端点和可见性做统一管理。

Agent 管理关注“可调用的 Agent 入口”。AgentSpecs 管理关注“Agent 规范包”。两者可以配合使用，但不是同一种资源。

管理与发布流程见 Agent 管理，应用侧完整示例见 RAD 接入指南。

MCP 管理

MCP 管理是 AI 管理中心中最常被直接集成的场景之一。它让 MCP Server、存量 API、外部工具服务和 AI 应用之间有一个统一的登记与发现入口。

MCP 管理架构图

Nacos 可以管理 MCP Server 的服务描述、工具、资源、端点、版本和协议暴露方式。新构建的 MCP Server 可以自动注册到 Nacos。存量 HTTP 或 RPC 服务可以通过声明和网关能力转换成 MCP 工具。外部提供商的 MCP Server 也可以导入后统一治理。

围绕 MCP 管理，常见路径有：

新 MCP Server 自动注册到 Nacos，运行时由 MCP Client 或 Agent 发现。
存量 API 通过服务声明、工具声明和端点声明转换为 MCP Server。
Nacos MCP Router 统一发现 Nacos 中的 MCP Server，并向客户端提供路由或代理能力。
Dify、Higress、Spring AI Alibaba 等生态组件通过 Nacos 获取 MCP Server 信息。

MCP 版本发布和治理先看 MCP 管理。接入说明见 MCP Server 自动注册与发现手册、存量 API 转换 MCP 手册、Nacos MCP Router 手册和 Dify 发现 Nacos MCP 服务。

Prompt 管理

Prompt 管理用来管理提示词模板。它适合将应用中的 Prompt 从代码中拆出来，交给平台统一管理版本、变量、标签和发布状态。

Prompt 常见使用方式包括：

按 Prompt Key 管理模板内容和变量说明。
用版本保存每次 Prompt 变更，便于审计和回滚。
使用 latest、stable、canary 等标签控制运行时读取的版本。
通过客户端 API 在应用启动或运行中查询 Prompt。

详细说明见 Prompt 管理。

AgentSpecs 管理

AgentSpecs 管理（AgentSpecs Registry）用来管理 Agent 规范包及其元数据。一个 AgentSpec 通常包含 manifest 信息、描述内容和相关资源文件。它更适合面向 Agent 平台、开发工具和 AI 应用分发标准化的 Agent 描述。

Nacos 为 AgentSpec 提供上传 ZIP、创建草稿、更新草稿、提交审核、发布、强制发布、重新编辑、上下线、标签、业务标签、可见范围和版本元数据查询等能力。运行时可以通过客户端 API 按名称、版本或标签获取 AgentSpec，也可以分页搜索可用 AgentSpec。

详细说明见 AgentSpecs 管理。

ARD 资源发现

Nacos 3.3 支持通过 ARD（Agentic Resource Discovery）统一搜索 Agent、Skill、Prompt 和 MCP Server，并获取资源目录及版本内容。它适合接入支持 ARD 的 AI 应用和工具链，资源仍通过各自的管理入口发布。

资源范围、发布条件和结果使用方式见 ARD 资源发现，服务端启用与 HTTP 示例见生态融合中的 ARD 接入指南。

需要为 ARD 搜索补充向量召回时，可以按 AI 向量插件配置可选的向量索引。

它和配置管理、服务发现的关系

AI 管理中心不是把 AI 资源简单地当成配置或服务。

配置管理关注配置内容的发布、查询、监听和历史。服务发现关注服务、实例、健康状态和订阅推送。AI 管理中心关注 AI 资源本身的模型、版本、发布状态、可见性和运行时发现。

管理 AI 资源时，应使用对应的 AI 管理入口完成版本变更、发布和发现；运行实例及端点的可用性仍需单独验证。

常见使用路径

如果你是 AI 应用开发者：

想下载和使用可复用能力包，先看 Skill 管理和客户端 API。
想管理或发布 Agent，先看 Agent 管理；应用侧注册端点、发现和订阅见 RAD 接入指南。
想发现和调用 MCP Server，先看 MCP Server 自动注册与发现手册和 Nacos MCP Router 手册。
想把现有 HTTP 或 RPC API 暴露成 MCP 工具，先看存量 API 转换 MCP 手册。
想在应用中查询 Prompt，先看 Prompt 管理和客户端 API。
想分发或读取 Agent 规范包，先看 AgentSpecs 管理和客户端 API。

如果你是平台或运维人员：

想治理 Agent、MCP Server、Prompt、Skill、AgentSpec 的版本，先看 AI 资源生命周期。
想在页面中创建、审核和发布资源，参考控制台手册；自动化管理或导入外部 AI 资源，参考运维 API 和 Maintainer SDK。
想接入发布审核、安全扫描或外部资源导入，优先关注 AI 发布 Pipeline 插件、AI 资源导入插件和可见性插件。

资源生命周期

Nacos 从 3.2 开始支持 AI 资源生命周期管理，3.3 已统一覆盖 Agent、MCP Server、Prompt、Skill 和 AgentSpec。

创建草稿 -> 编辑 -> 提交 -> 审核完成 reviewed -> 审核通过后发布为 online

有已启用且支持该资源类型的 Pipeline 节点时才进入审核，否则提交直接发布上线。审核通过和拒绝都会进入 reviewed；拒绝后需要修改时，先重新编辑回到草稿。发布成功即为上线，服务端自动维护 latest。

资源启用/禁用与版本上线/下线分开管理。MCP Server 和 Agent 还需要有可用的实际服务地址或运行端点，定义上线不代表运行实例已经就绪。

更多状态、强制发布和兼容规则见 AI 资源生命周期。

阅读建议

先读本文，了解 AI 管理中心管什么。
按资源类型选择 Skill、Agent、MCP、Prompt 或 AgentSpecs 文档。
再读 AI 资源生命周期，了解版本和发布状态。
最后查阅 API、SDK 或控制台手册完成集成。