核心用法
Danube 是一个面向 AI agent 的服务聚合平台，通过 MCP（Model Context Protocol）协议为 agent 提供统一的外部服务接入能力。用户通过 device authorization 流程获取 API 密钥后，即可在 MCP 配置中接入 Danube 服务，获得 30+ 工具的调用能力。
关键操作流程：
1. 认证授权：通过 device code 流程获取 DANUBE_API_KEY
2. MCP 接入：配置 MCP server URL 和 API key 头信息
3. 工具发现：使用语义搜索 (search_tools) 或浏览服务 (list_services) 找到所需能力
4. 凭证管理：对需要第三方 API key 的服务，通过 store_credential 安全存储
5. 执行与监控：调用 execute_tool 或 batch_execute_tools，配合钱包余额检查 (get_wallet_balance) 和支出限额控制
显著优点：
- 统一接口：100+ 服务通过单一 API 密钥和标准化 MCP 协议接入，大幅降低集成复杂度
- 安全架构完善：AES-256 静态加密、行级安全策略、用户级作用域隔离， credential 永不暴露于响应日志
- 财务可控：USDC 钱包支持 per-call 和 daily 支出限额，所有资金操作需用户显式确认
- 生态丰富：内置技能市场 (skills)、工作流编排 (workflows)、Agent 网站目录，支持复用和扩展
- 审计透明：完整执行日志、工具评分与举报机制、推荐系统基于真实使用模式
潜在缺点与局限性：
- 依赖第三方凭证：多数服务仍需用户提供自有 API key，Danube 本身不代理全部服务认证
- 付费门槛：工具执行消耗 USDC 余额，需预充值或绑卡，存在资金门槛
- 锁定风险：作为中心化聚合平台，服务可用性、定价策略、接口稳定性完全依赖 Danube 运营
- 功能边界模糊：30 个工具涵盖发现、执行、凭证、钱包、技能、工作流、站点目录、Agent 管理等多个领域，学习曲线较陡
- MCP 生态早期：协议本身和工具支持仍在演进，可能存在兼容性问题
适合人群：
- 需要快速为 AI agent 扩展外部工具能力的开发者
- 愿意接受托管服务以换取集成效率的中小型团队
- 对支出可控、审计透明有明确要求的商业化 agent 场景
- 已熟悉或愿意采用 MCP 协议的技术用户
常规风险：
- 凭证泄露风险：虽然 Danube 加密存储，但用户需妥善保管
DANUBE_API_KEY，泄露可能导致钱包资金损失 - 供应链攻击：100+ 第三方服务的安全态势参差不齐，可能通过工具链传递风险
- 资金误操作：
fund_agent_wallet、update_spending_limits等操作需用户确认，但自动化场景下存在误触或社会工程学风险 - 服务中断：依赖 Danube 基础设施的可用性，无本地 fallback 机制
- 合规不确定性：USDC 支付、跨境数据流动可能触发不同司法辖区的金融监管要求