弃用 OpenAI 官方隧道后，Mcptunnels 成为 MCP 内网穿透方案
开发 AI Agent 时，相比 Prompt 的撰写，如何让远程 LLM 稳定调用本地运行的 MCP 服务往往更让开发者头疼。OpenAI 官方提供的隧道功能存在连接不稳定、莫名断连和握手阶段超时等问题，大量时间因此被耗费在网络排查上，而不是工具逻辑优化上。
Mcptunnels 在逻辑上与 ngrok 等通用穿透工具相似，但从设计之初就针对 MCP 协议进行了优化，重点处理公网暴露、部署和连接稳定性问题，为 MCP 服务提供更合适的穿透方案。
公网暴露的安全隐患
将本地端口映射到公网时，如果缺乏复杂的鉴权机制，接口就相当于裸露，任何知道 URL 的人都能调用。Mcptunnels 内置了基础的 OAuth 验证机制，并通过参数强制要求验证。外部环境访问本地工具前必须先完成身份确认，从而为本地接口增加一层必要的安全保障。
轻量部署临时隧道
只需确保本地 MCP 服务监听在常见端口（如 8080），然后执行一条命令，即可快速建立临时隧道：
mcp-tunnels start --port 8080 --auth oauth命令执行后，Mcptunnels 会迅速生成一个可访问的公网端点，并将远程请求精准转发至本地。相较于 OpenAI 官方隧道时常掉线的情况，Mcptunnels 的连接稳定性有了显著提升。
一键托管 MCP Server 的演进方向
Mcptunnels 目前仍处于早期阶段，但开发者计划引入“一键托管 MCP Server”功能。当前工作流程是“本地运行 → 隧道穿透 → 远程调用”；如果未来能够直接实现托管，本地调优完成的 MCP 工具就可以通过简单命令转化为在线服务。
这种工作流简化将降低 AI Agent 协作开发的门槛，尤其是在需要把特定能力工具分享给团队其他成员进行压力测试或功能验证时，效率将提升一个量级。
对于正在开发 MCP 服务、对 OpenAI 官方隧道的稳定性感到头疼，或者需要寻找更适合 AI 场景方案的开发者，Mcptunnels 是一个高效的替代品。它解决了外部环境安全访问本地工具的问题，并通过协议优化改善调用链路，让开发者能够重新专注于 Agent 的能力构建。
全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
Mcptunnels确实让开发者在远程调用本地 MCP 服务时大大减少了繁琐配置的烦恼，特别是当需要在不断切换环境的情况下频繁部署时，它的“一次配置即可快速启动”的设计让我再次体会到工具设计的巧思。比如，在开发过程中，我常常需要在本地快速测试一个新的 Agent 逻辑，而之前使用 OpenAI 隧道时，每次启动都需要手动确认端口映射和验证令牌，有时候还会因为网络波动导致连接断裂，让我得不偿失。而 Mcptunnels 通过内置的 OAuth 验证机制，让我只需要一行命令（mcp-tunnels start --port 8080 --auth oauth），就能在几秒内生成一个稳定的公网端点，并且通过协议优化，连接稳定性在长时间运行中也表现出色，确实让我省去了大量的排查时间。
官方那个隧道简直是噩梦，折腾到凌晨三点还没通，赶紧试下这个！只需把本地 MCP 服务跑在 8080 端口，然后运行 mcp-tunnels start --port 8080 --auth oauth 就能快速拿到一个带 OAuth 验证的公网地址。
不用忍受官方隧道龟速了，Mcptunnels 部署快吗？其实只要本地 MCP 服务监听在常见端口（如 8080），执行
mcp-tunnels start --port 8080 --auth oauth即可快速建立临时隧道，一步到位完成公网暴露和安全校验。