3.4 Skills Hub 与 MCP 实战

一句话判断

MCP 让 AI 从“只会聊天”变成“会调工具”——三个版本全部免费；Skills Hub 让企业把内部积攒的技能统一审核、发布、安装——企业版专属。一个是协议层，一个是管理层，配合起来用才是完整形态。

先搞懂 MCP 是什么

MCP（Model Context Protocol，模型上下文协议）用于让 AI 客户端以标准方式调用外部工具。

一个类比：原来的 AI 像一个“只会动嘴的顾问”，你说“帮我查下服务器状态”，它只能告诉你怎么查；有了 MCP，它相当于配了一个“执行团队”，一句话就能把工具调用、拿结果、再总结这条链路跑完。

1Panel 做的事情值得细看：

1Panel 将通过 npx 或 uvx 启动的 stdio MCP Server 封装在容器中，并转换为 SSE 或 Streamable HTTP 服务。

翻译一下：本來 MCP Server 是个命令行进程（stdio 协议），只有本地客户端能用；1Panel 把它包进容器、转成 HTTP 服务，于是远程客户端、网页端、跨机器都能调用了。

入口在 AI → MCP，社区版、专业版和企业版均可使用。

创建 MCP Server：参数逐个说

点击 创建；也可以先点 导入 MCP Server 配置，从包含 mcpServers 的 JSON 配置中导入命令和环境变量。

两类运行命令的典型例子（官方给的）：

# GitHub 工具（npx）
npx -y @modelcontextprotocol/server-github

# 网页抓取工具（uvx）
uvx mcp-server-fetch

为什么这条要单独贴出来：很多人不知道从哪找 MCP Server——在 npm 或 PyPI 上搜 mcp-server-* 就是了，@modelcontextprotocol 开头的是官方组织出品。

命令安全：导入第三方配置前必读

官方的警告措辞很重：

1Panel 会在服务器上运行你所填写的命令。导入第三方配置前，应检查命令、镜像、环境变量和挂载目录，不要运行来源不明或权限范围过大的 MCP Server。

这不是走过场。 你填的运行命令会在你的服务器上以容器方式执行——一个恶意的 MCP Server 配置，可以挂载你的主机目录、读取你的环境变量、向外发数据。导入 GitHub 上不知名仓库的 MCP 配置之前，点开那个仓库看一眼代码在干什么。

检查清单：

环境变量的凭证问题值得多说一句：比如 GitHub 的 MCP Server 需要一个 Token，给一个只读、范围最小的 Token，别把管理全权 Token 塞进去。

管理和连接

创建完成后，列表里可以看运行状态和连接信息，执行编辑、启动、停止、重启、删除、查看日志和测试连接。

连接地址的组成：外部访问路径 + 端口 + 当前输出类型的路径。不要自己拼，直接用页面提供的配置。

连不上的排查顺序（官方给的）：

MCP 连接排查
  1. 容器状态及日志（容器起了吗）
  2. 运行命令（命令对吗）
  3. 访问路径（路径配错了吗）
  4. 端口监听（端口通吗）
  5. 防火墙（放行了吗）
  6. 反向代理（代理规则对吗）

这个顺序省不了：从近到远，每一步都能单独排除一类问题。“容器日志”往往是信息量最大的一步——命令拼错、包找不到、凭证无效，日志里都写着。

绑定网站：推荐的安全姿势

点击 绑定网站，可以把所有已安装的 MCP Server 统一接入一个已有网站。绑定后，1Panel 会更新各实例的外部访问地址，并关闭端口外部访问；不同实例通过各自的 SSE 或 Streamable HTTP 路径区分。

为什么这是推荐姿势？

官方也建议：已通过网站提供服务时，保持实例端口仅监听本机，避免网站入口和直接端口同时暴露。

一条注意：修改域名、证书或反向代理规则后，应重新测试每个 MCP Server 的连接——代理规则一改，路径匹配往往就断了。

Skills Hub：企业内部的技能仓库

版本边界：Skills Hub 仅企业版可用，需要有效企业版许可证，查看和管理分别受 Skills Hub 角色权限控制。

Skills Hub 用于在企业内部导入、审核、发布、安装和维护智能体 Skill，并保留版本与风险检查信息。入口是 AI → Skills Hub。

它和 MCP 的关系：MCP 是“协议”——AI 怎么调工具；Skill 是“能力包”——教智能体在什么场景、用什么工具、按什么流程做。Skill 更像是工作方法的封装，企业内部的流程性知识（怎么走审批、怎么查内部报表）都沉淀在 Skill 里。

导入 Skill 的三种来源

导入时填写版本，系统解析后记录名称、描述、来源、适用智能体、版本、状态和风险等级。

审核与发布：为什么要这一层

Skill 的状态包括：待审核、已审核、已上架、已下架、审核未通过、已删除。具备管理权限的用户可以执行审核通过、审核驳回、上架、下架和删除。

这套状态机在企业里的价值：员工写了个 Skill，不能直接让所有人用——先审核、再上架。出问题能下架、能追溯版本。

风险检查会展示风险等级、文件路径、规则类型、命中关键字和说明。但官方补了一句很关键的话：

发布前应人工复核 Skill 内容及其依赖，不应仅根据自动检查结果判断安全性。

自动风控是第一道筛，不是最后一道。Skill 里可能藏着逻辑上的风险（比如把敏感数据发到外部接口），自动扫描看不出来，只有人读一遍才知道。

版本管理与自定义智能体

Skill 详情中有概览和版本历史，版本列表记录状态、风险等级、创建时间、发布时间和版本标记，支持下载已发布的软件包。

自定义智能体用于配置 Skill 的安装位置：

“安装后命令”是双刃剑：它会在目标节点执行你填的命令——配置前应确认命令来源和执行影响。这条和 MCP 的命令安全是同一个原则：1Panel 会真的执行你填的东西。

离线环境怎么办

企业版离线环境不能访问外部 GitHub 或软件包地址时，官方的建议是：先在可联网环境准备并审查 Skill 包，再使用上传方式导入。

这其实是最安全的姿势——不管在不在离线环境，“先在有网的地方审查、再上传”都比“直接从 GitHub 导”多一道人工关卡。

一个落地路线

把 MCP 和 Skills Hub 串起来，企业里典型的推进顺序：

AI 工具化推进路线
  1. 智能体跑通基础对话（3.3 节）
  2. 装 1~2 个官方 MCP Server，验证调工具链路（本节）
  3. 把常用工具绑到网站域名下，统一入口
  4. 把内部流程写成 Skill，小范围试用
  5. 有企业版 → 上 Skills Hub 做审核发布
  6. 定期看 AI 网关的用量统计，淘汰没人用的技能

第 2 步别贪多：一上来装十个 MCP Server，容器起不来、凭证配错、路径冲突全混在一起，排错能排一星期。先把 mcp-server-fetch 这种零配置的跑通，再逐个加。

本节要点

• MCP 三个版本全部可用，Skills Hub 仅企业版；
• 1Panel 把 stdio MCP Server 封装进容器转成 SSE/Streamable HTTP，远程可用；
• 导入第三方配置前查命令、镜像、环境变量、挂载，别跑来源不明的 Server；
• 凭证走环境变量，给最小范围 Token；
• 连接排查顺序：容器日志 → 命令 → 路径 → 端口 → 防火墙 → 代理；
• 绑定网站是推荐的统一入口姿势（配 HTTPS + 访问控制）；
• Skills Hub 的自动风险检查不能替代人工复核；
• Skill 导入压缩包 ≤ 5 MB 且必须含 SKILL.md。

MCP 与 Skills Hub 的完整参数说明见 《1Panel 官方文档：功能手册》 的对应章节，AI 技能开发的进阶话题还可以翻翻 《1Panel 官方文档：技能、API 与常见问题》。

下一章：AI 讲完，第 4 章回到运维老本行——WAF、网站监控、节点管理、资源同步这些“高级功能”，看看专业版/企业版在运维侧给的是什么。