招商基金：API网关平台建设探索与实践

来源：鑫智奖·2026第七届金融机构数智化转型优秀案例评选

获奖单位：招商基金

荣获奖项：基础设施创新优秀案例奖

一、项目背景及目标

1.项目背景

近年来，金融行业正处于数字化转型的关键时期，智能投顾、数字化营销等创新业务模式蓬勃发展。API作为连接内部系统与外部生态的核心纽带，其在企业系统架构中的重要性越来越高，API已成为企业最重要的数字资产之一。

企业在API网关平台建设方面有着诸多挑战，主要体现在以下几个层面：

一是API全生命周期治理能力不足。（1）API管理有待规范化。各业务系统独立建设API，缺乏统一的命名规范、版本管理和文档标准，接口散落各处无法形成全局视图，存在重复建设、版本冲突等问题，API与业务系统对应关系不清晰，难以进行资产盘点和责任追溯。（2）可观测性能力有待提升。API调用日志分散在各系统，无法进行统一的性能分析和异常监控，接口响应延迟、异常状态码等问题难以及时发现，缺乏API访问热度分析，无法识别高频接口和僵尸接口。（3）API发布流程有待优化。API发布依赖人工操作，周期长、效率低，API定义与网关配置脱节，容易出现配置不一致问题，缺乏标准化的发布流程和审批机制。

二是API安全防护体系有待完善。面向互联网的API缺乏统一的安全防护机制，鉴权方式各异，部分API存在未授权访问风险。API调用日志分散，无法进行统一的安全审计和异常行为分析。OWASP API Security Top 10中提到的对象级授权失效、认证失效、权限提升等安全风险，缺乏有效的检测和防护手段。

三是基于API的大模型成本管理有待加强。随着企业引入大模型能力，内部多个系统开始调用外部大模型服务，但Token使用量仅有整体统计数据，缺乏系统维度的精细化统计，无法进行有效的成本分摊和预算管控。同时，大模型服务的高可用保障机制缺失，一旦外部服务出现故障，将直接影响业务连续性。

2.项目目标

基于上述背景和痛点分析，本平台确立了以下核心建设目标：

一是实现对API的全生命周期管理。（1）构建统一API治理平台。实现面向互联网侧API的统一纳管，建立网关服务标签与CMDB系统的映射关系，形成企业级API资产目录，实现API与业务系统的精准对应；（2）建立可观测性体系。通过日志分析平台实现API访问的多维度分析，包括性能监控、异常告警、访问热度、路由优化、僵尸API（长期未被访问的API）识别等，形成数据驱动的治理闭环；（3）实现DevOps自动化发布。打通Apifox到网关的自动化流水线，实现API定义的标准化管理和自动化发布，将发布周期从天级别缩短至分钟级。

二是构建API安全的全链路闭环管理。通过API网关实现统一的身份认证、访问控制、流量审计等安全能力以及其良好的开放性，对接API流量审计平台和自动化运维平台，实现OWASP API Security Top 10风险的自动识别与分析以及安全事件的快速响应。

三是面向AI大模型的API服务治理。实现内部API通过网关封装MCP协议的能力，支持AI Agent调用；建立大模型Token使用量的系统级精细化统计机制，实现系统级别，进而到部门级别的成本分摊；构建大模型服务Failover机制，保障AI服务的高可用性。

四是推广行业可复制的经验。通过本平台的实施，形成一套可复制、可推广的API治理实践，为基金行业数字化转型提供参考范本。

二、创新点

伏羲平台在传统API网关能力的基础上，结合我司实际系统建设情况和AI时代的新需求，进行了多项创新探索，整体创新实现四大核心能力：基于数据驱动的API全生命周期治理、构建API安全的全链路闭环管理、面向AI大模型的API服务治理能力（含MCP封装、高可用保障以及大模型成本分摊）以及对信创自主可控的支持，这些创新点不仅解决了企业当前的实际痛点，更为行业API治理平台的建设提供了相关经验。

1.数据驱动API全生命周期治理——构建精细化管控闭环管控

伏羲平台创新性地构建了"资产纳管-可观测性-自动化发布"三位一体的API全生命周期治理体系，实现了从API设计、发布、运行到下线的全流程闭环管理，这一创新在行业内实现了API治理从"分散式管理"向"集约化治理"的根本性转变。

（1）CMDB驱动的API治理架构——实现系统维度资产精准治理

传统的API网关纳管方式通常以服务或路由为单位进行管理，缺乏与业务系统的关联关系，导致API资产盘点困难、责任归属不清。本平台创新性地实现了网关服务标签与企业CMDB系统的映射联动，建立了API与业务系统的精准对应关系，从而可以实时生成系统级资产视图，盘点周期缩短至分钟级。

这一创新实现了多重价值。每个API在网关中配置服务标签（Service Tag），标签值对应CMDB中的系统编码。通过这种映射机制，实现了以下核心能力：一是API资产的系统级聚合视图，管理人员可以按系统维度查看所有API的状态、调用情况和健康指标；二是责任追溯能力，当API出现异常时，可以快速定位到对应的业务系统和负责人；三是构建基于API的成本分摊体系，以系统为维度统计API调用量与成本，数据与CMDB中的系统归属关系对齐。每季度（或者按需）生成各业务系统的API调用报表，作为内部结算与IT成本分摊的依据，提升成本管理的透明度和准确性。这使API管理从"技术视角"转向"业务视角"，大幅提升了API治理的精细化管理水平。

图1：CMDB驱动的API治理架构示意图

（2）多维度日志分析能力——构建数据驱动治理机制

API访问日志是API治理的重要数据资产，传统的日志处理方式往往停留在存储和查询层面，未能充分挖掘其价值。伏羲平台创新性地构建了"数据采集-智能分析-反馈优化"的闭环治理机制，通过日志分析平台实现了五大核心分析能力，将日志数据转化为可执行的治理决策。

一是接口性能监控方面，网关平台统计上游接口的响应时间分布，识别响应延迟较高的接口。通过设定阈值告警，当接口平均响应时间超过预设值时，自动生成告警并反馈给对应系统的开发人员。开发人员可以根据告警信息进行针对性的性能优化，如数据库查询优化、缓存策略调整、代码逻辑优化等。创新性方面，这一能力使性能问题从"被动发现"转变为"主动识别"，大幅缩短了问题定位和解决周期，有效提升了用户体验。

二是异常状态告警方面，网关平台实时监控上游应用返回的HTTP状态码，特别关注5xx系列的服务端错误。当检测到某接口的5xx错误率超过阈值时，自动触发告警并通知相关开发人员处理。创新性方面，这一能力能够及时发现后端服务的异常情况，如服务不可用、数据库连接失败、业务逻辑异常等，避免问题扩大影响更多用户。同时，平台会记录异常发生的时间、频率和上下文信息，为问题排查提供完整的数据支撑。

三是访问热度分析方面，网关平台按月度统计访问频率Top N的API接口，生成访问热度排行榜。创新性方面，这一数据为开发团队提供了重要的决策依据，对于高频接口，评估是否需要增加缓存、优化性能、提升资源配置；对于访问量异常增长的接口，可以提前进行容量规划，避免流量洪峰导致服务不可用。同时，访问热度数据也可以帮助业务团队了解用户行为特征，洞察业务特性，为系统优化提供数据支撑。

四是路由优化建议方面，网关平台统计未匹配到精准API路由、而是匹配到兜底/*路由的API请求。这类请求通常意味着API路由配置不完善，不利于精细化管理。平台会定期生成路由优化报告，列出需要配置精准路由的API路径，反馈给开发人员确认并补充精准路由配置。创新性方面，这一能力有效提升了API路由的精准度和可控性，避免了因路由配置不当导致的请求处理异常，同时也为API治理提供了持续优化的方向。

五是僵尸API识别方面，网关平台按季度统计从未被访问过的API接口，生成僵尸API清单。这些长期未被访问的API可能是历史遗留接口、已下线业务接口或开发测试遗留接口，它们占用系统资源、增加维护成本，甚至可能存在安全风险。平台会将僵尸API清单反馈给相应的开发人员确认，经确认后进行下线处理，如图2所示。创新性方面：这一能力帮助企业持续清理技术债务，优化API资产结构，降低运维成本和安全风险。

图2：僵尸API识别与治理流程示意图

（3）DevOps流水线深度集成——实现API发布效率与质量双提升

传统API发布流程涉及多个环节，从开发、测试到上线往往需要数天时间，且容易出现人为操作失误。伏羲网关平台创新性地打通了从API设计工具到网关发布的全链路自动化流水线，实现了API发布的标准化和自动化。

具体实现流程如下：在开发测试阶段，API通过Apifox进行管理，开发人员在Apifox中维护API定义、编写文档、进行接口测试。待发布到生产环境前，开发人员将待发布清单从Apifox导出为OpenAPI标准格式文件，并将此文件上传到Git仓库的指定路径下。变更工单审批通过后，DevOps发布流水线自动从Git上拉取对应的OpenAPI文件，解析API定义，并通过调用网关API完成服务更新和路由配置。

图3：DevOps自动化发布流程示意图

这一创新实现了多重价值：一是发布效率大幅提升，API发布周期从天级别缩短至分钟级；二是配置一致性保障，API定义以代码形式管理，避免了人工配置的疏漏和错误；三是可追溯性增强，所有发布操作都有Git提交记录和审批流程支撑；四是发布风险降低，支持灰度发布和版本回滚，确保上线安全。这一机制使API发布从"传统人工发布"升级为"全自动流水线"，研发效能大幅提升。

2.构建API安全的全链路闭环管理——铸牢业务数据流转安全防线

伏羲平台创新性地构建了"网关防护+流量审计"的双重安全治理体系，实现了从被动响应到主动防御的根本性转变，在行业内实现了API安全的"事前预防-事中防护-事后审计"全链路闭环。

在网关防护层面，平台实现了统一的身份认证和访问控制能力，支持API Key、JWT、OAuth2.0等多种认证方式，可与企业的统一身份认证系统对接。同时提供了灵活的限流熔断能力，支持按IP、用户、应用等多维度的限流策略，有效防止恶意请求和流量攻击。这一创新突破了传统网关仅提供基础鉴权的局限，实现了多维度、可配置的安全防护能力。

在流量审计层面，API网关将所有访问流量实时同步至API流量审计模块，流量审计模块对流量进行深度分析，自动识别OWASP API Security Top 10中的各类安全风险，通知到安全团队进行进一步的研判处理。同时，基于API网关支持自定义插件和开放接口的特性，我司运维和安全团队可以基于我司业务系统特征，深度定制实现多种适合我司的API防护场景。截至目前，伏羲平台已累计识别安全风险事件200余次，为安全团队提供了重要的决策依据，有效提升了企业API安全防护水平。

API安全全链路闭环管理创新的核心价值在于：一是实现了安全防护的"前置化"，通过网关层的统一管控，将安全能力嵌入到API调用的全流程中；二是实现了安全审计的"智能化"，通过流量审计平台的深度分析能力，自动识别潜在安全风险；三是实现了安全响应的"敏捷化"，通过实时告警和自动化处置机制，大幅缩短了安全事件的响应时间。

3.面向AI大模型的API服务治理——护航智能化转型

伏羲平台创新性地将API网关与AI服务治理深度融合，构建了"协议转换-成本管控-高可用保障"三位一体的AI服务治理体系，在行业内实现了传统API网关向AI时代基础设施的转型升级，为同业AI提供了可复制的技术路径。

（1）MCP协议封装能力——赋能AI Agent生态

MCP（Model Context Protocol）是Anthropic公司推出的开放协议，旨在为大模型提供标准化的上下文交互能力。随着AI Agent技术的快速发展，企业内部系统需要提供符合MCP规范的接口才能被AI Agent调用。伏羲创新性地在API网关层实现了MCP协议封装能力，使企业内部现有的RESTful API能够通过网关自动转换为MCP协议格式，无需修改原有业务代码即可被AI Agent调用。

这一创新具有重要的价值：一是它大幅降低了AI应用的开发门槛，业务团队无需重新开发适配MCP的接口，只需通过网关配置即可完成协议转换，节省了大量开发成本；二是它实现了AI调用的统一管控，所有AI Agent对内部系统的访问都经过网关，便于进行权限控制、流量监控和成本统计；三是它为企业构建AI Agent生态奠定了技术基础，支持未来更多智能化应用场景的快速落地，如智能客服、智能投顾、智能运维等。特别值得一提的是，当前业界热度很高的AI Agent（例如OpenClaw）均支持通过MCP协议与外部系统对接，大幅降低了AI应用集成的技术门槛和开发成本，实现了"一次封装、多处调用"，为企业快速融入AI Agent生态提供了便捷通道。

（2）大模型Token精细化治理——实现系统级成本管理

随着大模型技术在金融领域的广泛应用，Token使用成本已成为企业IT支出的重要组成部分。然而，传统的大模型服务仅提供账户级别的Token使用统计，企业无法获知各业务系统的具体消耗情况，导致成本分摊困难。伏羲平台创新性地实现了大模型Token使用量的系统级精细化统计能力，在行业内实现了AI算力成本的"可计量、可分摊、可管控"。

通过在网关层面拦截大模型调用请求，系统记录每个调用方系统的Token消耗数据，包括输入Token数、输出Token数、调用次数、使用的模型类型等。管理人员可以清晰掌握各业务系统的大模型使用成本，为成本分摊、预算编制、使用优化提供精准的数据支撑。创新性方面，这一能力使企业能够从"粗放式"到"精细化"的成本管理转变，推动业务部门主动优化调用逻辑、降低不必要的消耗，实现AI成本的透明化和可控化。

（3）大模型服务Failover机制——保障业务连续性

大模型服务作为外部依赖，其可用性直接影响企业业务的连续性。当外部大模型服务出现故障或响应超时时，可能导致业务系统中断，影响用户体验甚至造成业务损失。伏羲平台创新性地构建了大模型服务Failover机制，实现了多层次的容错能力，在行业内实现了AI服务的"故障自愈"能力。

具体实现上，平台支持配置多个大模型服务端点，实现健康检查和自动切换。当主用模型服务不可用时（如响应超时、返回错误状态码等），网关自动将请求路由至备用模型服务，实现秒级切换，保障服务连续性。创新性方面，平台支持智能降级策略配置，当所有外部模型服务不可用时，可降级至本地模型服务，确保核心业务流程不中断。这一机制显著提升了企业AI应用的可靠性，为业务系统提供了坚实的底层保障。

图4：大模型服务Failover健康检查与自动切换示意图

4.全栈国产信创环境适配——筑牢技术底座自主可控与安全防线

在国家信息技术应用创新战略的深入推进背景下，金融行业作为关键信息基础设施领域，面临着技术底座国产化转型的紧迫任务。我司积极响应国家信创政策要求，完成了伏羲平台的全栈国产信创环境的适配工作。伏羲平台在硬件、操作系统和数据库层面分别适配国产的海光芯片、麒麟操作系统和OceanBase数据库，为金融行业API网关系统的国产化替代探索出一条可行路径，有力保障了技术底座的自主可控与安全可靠。

三、项目技术方案

1.整体架构

伏羲平台采用"网关核心+能力扩展+生态集成"的三层架构设计。核心网关层负责API路由、负载均衡、协议转换等核心功能，采用分布式集群部署，支持水平扩展。能力扩展层通过自定义插件实现鉴权认证、限流熔断、日志采集、MCP协议转换、Token统计、Failover等扩展能力。生态集成层与企业的CMDB系统、DevOps平台、日志分析平台、API审计平台等系统对接，形成完整的API治理生态。

图5：伏羲平台整体架构图

2.核心能力模块

伏羲平台围绕七大核心能力进行建设：

一是统一纳管模块。实现API的系统级管理，通过服务标签与CMDB映射，建立API与业务系统的精准对应关系。

二是日志分析模块。实现API访问日志的实时采集和多维度分析，包括性能监控、异常告警、访问热度、路由优化、僵尸API识别等。

三是DevOps流水线模块。打通Apifox到网关的自动化发布流程，实现API定义的标准化管理和自动化发布。

四是MCP协议封装模块。实现RESTful API到MCP协议的自动转换，支持AI Agent调用。

五是大模型Token统计模块。实现Token使用量的系统级精细化统计，支持成本分摊和预算管控。

六是大模型Failover模块。实现大模型服务的高可用保障，支持多模型热备切换和智能降级。

七是安全治理模块。实现统一的身份认证、访问控制、限流熔断等安全能力，对接API流量审计平台。

3.技术选型

伏羲平台选用APISIX商业版本作为核心网关引擎，且以全栈信创的方式进行部署，主要基于以下考量：一是网关单节点QPS可达数万，满足企业高并发场景需求，且有众多知名大型互联网企业使用；二是提供了丰富的插件生态和灵活的自定义插件机制，便于扩展安全、治理、AI服务等能力；三是商业版本提供了企业级的技术支持和服务保障，降低了运维风险；四是全栈国产信创环境适配，筑牢技术底座自主可控与安全防线。

四、运营情况

自2025年8月上线以来，伏羲平台运行稳定，各项指标达到预期目标，为企业API平台治理和AI服务管控提供了坚实的技术支撑。

1.纳管规模

伏羲平台目前已成功纳管25个核心业务系统，覆盖了除互联网电商外的企业80%以上的面向互联网业务。纳管的API接口数量超过500个，涵盖交易、账户、行情、资讯、营销等核心业务领域。通过服务标签与CMDB的映射联动，实现了API资产的系统级聚合视图和精准责任追溯。

2.可观测性成效

伏羲平台日均处理API调用量约15万次，所有调用日志实时同步至日志分析平台。平台一方面通过基于日志的五大分析能力，累计发现并反馈性能优化、异常状态预警、路由优化、僵尸API清理等共计30余条建议；另一方面通过输出访问热度数据可以帮助业务团队了解用户行为特征，洞察业务特性，为系统优化提供数据支撑。同时，通过设置cmdbcode标签，可以快速定位到相关系统和负责人，并进行后续的相关工作。

3.安全成效

通过API流量审计平台，累计识别并分析安全风险事件200余次。安全团队根据审计报告进行了针对性的处置和加固，有效提升了企业API安全防护水平。同时网关层的限流机制，有效防止了流量攻击，保障了业务系统的稳定运行。

4.发布提效

伏羲平台与DevOps流水线的深度集成，使API发布周期从天级别缩短至分钟级，研发效能大幅提升。开发人员只需维护Apifox中的API定义并导出OpenAPI文件，并提交至git仓库，经变更审批后，即可实现自动化发布。发布相关的人为失误率降至接近零，大幅降低了发布风险。

5.AI服务治理

目前已有2个内部系统通过网关调用外部大模型服务，Token精细化统计能力已部署完成，为后续的成本分摊和预算管控奠定了基础。Failover机制经过验证，能够在主用服务异常时实现切换，具备了保障AI服务连续性的能力。MCP协议封装能力已经为2个系统提供了稳定服务，以上这些能力为企业构建AI应用生态提供了技术支撑。

五、项目成效

1.经济效益

伏羲平台的落地为企业带来了显著的经济效益，主要体现在以下几个方面：

一是研发效能大幅提升。伏羲平台通过DevOps流水线的深度集成，API发布周期从天级别缩短至分钟级，研发效能大幅提升。根据实际测试单次API发布涉及的环境配置、联调测试、人工复核等环节，从传统模式的平均耗时约0.5人天/次，压缩至约0.1人天/次，效率提升5倍左右，年化可节约60人天的投入。每年可节省的人工操作时间，可释放研发人员精力聚焦核心业务开发。同时，发布相关的人为失误率降至接近零，避免了因配置错误导致的返工和故障修复成本。

二是运维成本有效降低。在资产优化方面，平台通过自动化巡检替代了以往每月度需投入3人天的人工API台账梳理与僵尸识别工作，年化节约人力成本150人天；基于API访问热度画像，已完成3个高频系统的API资源倾斜保障，从而在系统稳定性方面产生了价值。

三是安全风险损失规避。平台上线以来，累计自动化识别API安全风险200余次。基于平台提供的风险定级与溯源线索，单次安全风险的排查定位时间由传统模式的小时级缩短至分钟级，效率提升6倍左右，累计为安全团队节省人工排查与验证时间约75人天。

四是调用外部模型成本可控。填补AI算力成本计量空白，构建精细化算账体系。依托伏羲平台创新引入的大模型Token级解析能力，彻底打破了以往各业务系统调用外部大模型‘只看总账、不知明细’的黑盒状态。平台目前已完成全链路计量底座的搭建与验证，该能力使我司具备了将大模型API视为‘标准化计费资产’的条件，为后续制定内部结算价格、实施‘谁使用、谁承担’的精准成本分摊机制奠定了基础。

2.社会效益

伏羲平台的落地不仅为企业带来了直接的经济效益，更产生了广泛的社会效益：

一是行业经验推广。伏羲平台在基金行业内探索了API网关与AI服务治理的深度融合路径，形成了一套可复制、可推广的最佳实践。平台建设成果可为同业机构提供参考借鉴，推动整个基金行业API治理水平的提升，助力行业数字化转型进程。

二是用户体验提升。伏羲平台通过接口性能监控和优化，API响应速度和稳定性显著提升，终端用户获得更加流畅的服务体验。平台通过异常状态告警和快速响应，系统故障对用户的影响降到最低，用户满意度得到提升。

三是数据安全保障。在个人信息保护和数据安全法规日益严格的背景下，伏羲平台构建的API安全防护体系有效保障了用户数据安全，有助于提升我司在数据安全保障方面的能力。

四是技术创新推动。伏羲平台在MCP协议封装、大模型Token精细化治理、AI服务Failover等方面的创新实践，为金融行业AI应用落地提供了技术参考。

六、经验总结

1.项目建设经验

通过伏羲平台的实施，团队积累了宝贵的建设经验：

一是需求导向，痛点驱动。平台建设始终以解决实际痛点为导向，从API管理规范化、安全防护体系完善、大模型成本透明化管理等具体问题出发，确保每一项功能都能产生实际价值。这种务实的建设思路避免了"为技术而技术"的陷阱，确保了平台的落地效果。

二是精益团队，高效建设。伏羲平台由3人核心团队主导建设，历时5个月完成。平台建设成功的关键在于明确的目标定位、合理的技术选型、高效的工作协同。团队充分发挥每个成员的专业特长形成高效配合，证明了小团队也能做出高质量的系统建设成果。

三是选型得当，事半功倍。平台选用APISIX商业版本作为核心网关引擎，充分利用了其高性能、丰富插件生态、灵活扩展能力等优势，大幅降低了开发工作量。商业版本的技术支持也为平台的建设提供了保障。

四是生态集成，价值放大。伏羲平台注重与企业现有系统的生态集成，与CMDB、DevOps平台、日志分析平台、API审计平台等系统深度对接，形成了完整的API治理生态。这种集成思维使平台价值得到最大化发挥，避免了信息孤岛。

2.推广经验

本平台落地的成功经验在同业落地方面具有较强的可复制性和推广价值：

一是技术可复制。平台采用的"网关核心+能力扩展+生态集成"三层架构设计具有较强的通用性，其他金融机构可根据自身需求进行裁剪和扩展。核心能力模块的设计思路和实现方案可直接借鉴。

二是方法论可借鉴。平台建设过程中形成的"需求导向、痛点驱动"方法论，"精益团队、高效建设"的组织模式，"选型得当、事半功倍"的技术决策思路，"生态集成、价值放大"的系统建设理念，均可为同类项目提供参考。

三是资源可行性。根据我司建设经验，平台建设所需关键资源包括：核心团队3人（具备安全、架构和一定的开发能力）；基础设施方面需要服务器资源（虚拟机或者容器平台均可）；外部依赖包括CMDB系统、DevOps平台、日志分析平台等。

四是建设周期可行性。平台建设不是一蹴而就的，需要根据业务发展和技术演进持续迭代优化。实现从“零到一”的建设，搭建可用的平台原型版本，一般5个月左右的时间即可，建议后续建设者建立常态化的运营反馈机制，持续收集用户需求，不断优化平台能力，确保平台长期保持活力和价值。

五是创新点可推广。平台在CMDB联动纳管、多维度日志分析、DevOps流水线集成、MCP协议封装、大模型Token治理、Failover机制、安全治理等方面的创新实践，具有较强的行业适用性，可为基金行业乃至更广泛的金融行业提供参考。

更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。