用 Google Cloud API Gateway 将 REST API 转换为 MCP 工具（2026-09-26）

在 AI Agent 爆发的 2026 年，MCP（Model Context Protocol）已成为连接大模型与外部工具的通用语言。但企业里大量存量 REST API 并不会自动变成 MCP 工具。好消息是，借助 Google Cloud API Gateway，你可以用极低成本完成这层“翻译”。

为什么需要这层转换

传统 REST API 面向程序员，而 MCP 工具面向 AI Agent。Agent 需要的是：工具名、参数描述、调用语义。若手动为每个 API 写 MCP Server，200 个接口意味着至少 3 人月。某电商客户实测显示，通过 API Gateway 统一转换后，工作量降到 5 人天，效率提升约 90%。

核心实现路径

第一步：用 OpenAPI 描述你的 API

Google Cloud API Gateway 原生支持 OpenAPI 3.0。你只需在现有 REST API 前加一层网关配置，例如：

paths:
  /orders/{id}:
    get:
      operationId: getOrder
      summary: 根据订单 ID 查询订单详情
      parameters:
        - name: id
          in: path
          required: true
          schema: { type: string }

第二步：生成 MCP 适配层

API Gateway 负责鉴权、限流、转发；你再用一个轻量 Cloud Run 服务读取 OpenAPI 文档，动态生成 MCP 的 tools/list 与 tools/call 响应。这样所有 REST 接口自动变成 Agent 可调用的工具。

第三步：接入 Agent 测试

把 Cloud Run 地址填入 Claude Desktop 或 Gemini Agent 的 MCP 配置中，即可看到工具列表。

实用建议

• 命名要语义化：operationId 直接决定 Agent 理解的工具名。
• 参数描述不能省：模型靠 description 决定是否调用。
• 先做只读接口：降低误操作风险，再逐步开放写接口。

行动号召

今天就挑一个你最常用的内部 REST API，用 API Gateway 加 OpenAPI 描述，跑通第一个 MCP 工具。你会发现，让 AI 替你调 API，比写胶水代码简单得多。

免责声明：本文内容仅供技术参考，不构成任何官方建议。实际部署请遵循 Google Cloud 最新文档与安全规范，并自行评估生产环境风险。