Smartsheet 在 AWS 上构建远程 MCP 服务器：架构、安全与 AI 优化实践

一句话看懂

Smartsheet 在 AWS 上构建了远程 MCP 服务器，让 AI 代理（如 Amazon Quick、Claude Desktop）能安全高效地访问企业工作管理数据，已节省超 30 亿 token。

详细发生了什么

Smartsheet 是一个企业工作管理平台，被数十万组织使用。随着企业团队采用 AI 代理，这些代理需要结构化访问 Smartsheet 中的数据，但大多数系统并非为此设计。为此，Smartsheet 在 AWS 上构建了一个远程 MCP（Model Context Protocol）服务器，为 AI 客户端提供直接的数据和功能访问。

AI 助手如 Amazon Quick 和 Claude Desktop 可以通过自然语言与 Smartsheet 交互，分析项目数据、更新任务、创建表格、管理工作区等。企业也在构建无需人工提示即可自主运行的 AI 代理，它们通过 MCP 协调工作，例如捕获需求、拾取任务、附加测试结果、起草文档。这些操作发生在人类同事使用的同一表格中，将原本需要数周的工作流程压缩到数天或数小时。

MCP 服务器连接到 Smartsheet 现有的 API 和中央智能层，并在此基础上添加了 AI 优化接口，旨在最小化 token 成本、防止幻觉，并帮助大语言模型可靠地处理企业数据。自上线以来，Smartsheet 通过内部遥测统计，已节省超过 30 亿 token。

架构上，一个 MCP 层同时服务内部和外部代理。Smartsheet 自己的 Smart Assist（产品内 AI 体验）和外部连接的 AI 客户端（如 Amazon Quick）运行在同一基础设施上，共享相同的工具、优化和智能栈。关键 AWS 服务包括：AWS Fargate for ECS（无状态容器）、Amazon Kinesis Data Streams 和 Apache Flink（变更事件摄取）、Amazon Bedrock 和 Neptune（LLM 推理和知识图谱）。

中文圈视角

对于国内企业和开发者，这个案例有几点值得关注：

MCP 标准化的价值：Smartsheet 选择 MCP 而非自建协议，意味着任何支持 MCP 的 AI 客户端（包括国内可能接入的 Claude Desktop 等）都能直接对接。国内类似平台（如飞书、钉钉、企业微信）如果也采用 MCP，将极大降低 AI 集成成本。目前国内 MCP 生态尚在起步，ModelScope 等平台已开始支持，但企业级实践较少。
安全与治理设计：Smartsheet 将访问控制、错误处理和审计追踪内置到每个工具中，支持按组织分级控制（只读、非破坏性、完全读写）。这对国内企业尤其重要，因为数据安全和合规是 AI 落地的关键门槛。国内 SaaS 平台可以参考这种“默认安全”的设计思路。
token 优化思路：通过 AI 优化接口节省 30 亿 token，这对国内使用大模型 API 的企业（尤其是按 token 计费）有直接成本意义。优化方法包括 LLM 优化的序列化、减少冗余调用等，值得国内开发者借鉴。
扩缩容策略：AI 流量具有突发性（代理在几秒内发出多个请求，然后静默），Smartsheet 使用 ECS Auto Scaling 结合流量和计算利用率来应对。国内云厂商（阿里云 ECS、华为云 CCE）也有类似能力，但针对 AI 代理流量的最佳实践尚不成熟。

几条值得记住的细节

节省 30 亿 token：自上线以来，通过 AI 优化接口，Smartsheet 内部遥测统计已节省超过 30 亿 token。
架构关键服务：AWS Fargate for ECS、Kinesis Data Streams、Apache Flink、Amazon Bedrock、Amazon Neptune。
安全防护：AWS WAF、Shield、mTLS、OAuth2 代理，拒绝未认证请求。
部署策略：CI/CD 管道通过 ECS 部署断路器自动回滚，先部署到最小区域，然后进行端到端测试和每 15 分钟的 canary 测试。
治理分级：管理员可全局开启 AI 访问、限制为只读，或开放完全读写，每个工具带有 readOnlyHint 和 destructiveHint 注解。

一句话总结

Smartsheet 的 MCP 实践展示了企业如何安全、高效地让 AI 代理访问业务数据，其架构和优化思路对国内类似平台有直接参考价值。