花了两天试了一下Zerker AI Gateway，把agent调用当水管一样管起来

我花了两天试了一下Zerker AI Gateway，这东西的定位是AI网关，放在你的agent流量前面，把乱七八糟的HTTP调用和MCP请求统一收口，然后你想要记录、路由、拦截、计费都行。官网那句话挺有意思：every agent call, through a door you own。翻译过来就是，每次agent调用，都过一扇你自己的门。

我最近在实验室帮师兄搭agent，三个模型供应商来回切，prompt日志散得跟实验室桌面的数据线一样。看到这个网关的时候第一反应是，终于有人把API网关那套思路搬到AI这层了。

先说装的过程。我用的是本地版，拉镜像跑起来大概十分钟。配置界面比我想象的干净，左边是路由规则，右边是guardrails的开关。我先把llama.cpp本地跑的模型和OpenAI的接口都配进去，然后写了一条路由规则，让普通问答走本地模型，复杂推理走云端。这个过程中最直观的感受是，以前这些逻辑都写在代码里，换个模型要改代码重新部署，现在在面板上拖一拖就完事。

然后是guardrails，这个词第一次听的人可能懵，其实就是给模型调用加护栏，比如拦截提示注入、限制敏感词、控制输出格式。我试着写了一条规则，把包含「忽略之前的指令」这种典型注入话术的请求直接拦掉，返回一个预设的拒绝消息。测了几个变体，简单的都能拦住，但绕弯的写法还是漏。不过这个功能的意义在于，规则是统一管的，不用在每个代码里自己写检查逻辑。

路由和token统计是意外的惊喜。跑了一下午，每个请求走哪个模型、花了多少token、延迟多少，全在面板上。以前我都是去各个供应商后台翻账单，现在一个页面全看完了。计费这块对不同团队按项目分开算钱，对工作室接活来说挺实用。

但缺点也得说。MCP协议的路由配置文档偏少，我找了一圈才搞清楚怎么把MCP请求也走网关，对新手不太友好。本地模型和云端模型同时配置的时候，参数格式不统一，踩了几个坑才跑通。这玩意本质上是给团队用的，个人玩的话，如果只用一家模型，花这个精力不值当。

有人把AI网关比喻成智能层的控制塔，这话不算夸张。但控制塔会不会变成新瓶颈，我持保留态度。

结论：如果你同时在用好几个模型，或者你的agent要给别人用、要记账、要审计，这个值得试。如果就一个模型一条调用链，那杀鸡用牛刀了。我这边测下来，Zerker的定位是给「流量多到需要管理」的人准备的，不是给刚入门跑demo的人准备的。

---

本文编译自 Hacker News，原文：https://zerker.ai/
版权归原作者所有，本文为基于公开报道的编译与独立分析。