長話短說：

今天，阿里云百煉正式上線了 MCP（Model Context Protocol）服務(wù)的完整平臺能力，覆蓋從服務(wù)注冊、云托管，到 Agent 調(diào)用、流程組合的全生命周期。

https://bailian.console.aliyun.com/

很不錯！這事兒算是一個轉(zhuǎn)變：工具調(diào)用，不再是模型廠的「私有功能」，而是被抽象為一種通用能力，并具備了完整的產(chǎn)品形態(tài)。

換句話說 百煉把 MCP Client 和 MCP Server 封在了一起，放在了 MAAS 上

于是，第一時間我上手試了試，本文也會順著講清楚三件事：

1. 1. 這套 MCP 服務(wù)，能做什么？

2. 2. 怎么用？

3. 3. 和 Plugin 有什么區(qū)別？

這里我測了兩個典型的 Agent 例子，分別是「導(dǎo)航推薦助手」和「網(wǎng)頁抓取助手」。

在百煉上，可以通過多種方式，構(gòu)建 Agent 單 MCP 調(diào)用：高德地圖 + AI 導(dǎo)游

這是一個簡單的智能體應(yīng)用，目標是：根據(jù)用戶的旅行目的地，生成當天的城市游推薦方案，并串聯(lián)天氣、位置、美食和導(dǎo)航任務(wù)。

整個過程沒有寫代碼，只是在百煉廣場上開通高德地圖（Amap Maps）的 MCP 服務(wù)，然后在「創(chuàng)建智能體應(yīng)用」后，拉取這個 MCP 服務(wù)。

下面的視頻是原速，可以感受下：

輸入一個城市，比如“西安”，Agent 會自動：

1. 1. 查詢當天西安天氣

2. 2. 基于定位列出附近的景點、餐飲店

3. 3. 安排出行路徑（如騎行/地鐵）

4. 4. 給出推薦行程描述和地圖跳轉(zhuǎn)鏈接

整個任務(wù)鏈由 Agent 自動執(zhí)行，所有服務(wù)來自百煉托管的 MCP 接口，無需我們部署服務(wù)器、寫 API 代碼或解析參數(shù)文檔。

多 MCP 調(diào)用：網(wǎng)頁抓取 + 數(shù)據(jù)生成

這是一個稍微復(fù)雜的 Case，通過構(gòu)建工作流，讓 AI 幫我取抓取網(wǎng)頁，然后進行頁面提取，最后保存在 Notion 里。

從流程上來說，就是

1. 1. 大模型識別對話中的 URL

2. 2. 通過 Firecrawl 抓取這個頁面的信息

3. 3. 通過大模型對信息進行總結(jié)

4. 4. 將總結(jié)后的信息，上傳到 Notion

這一套工具鏈同樣通過 MCP 服務(wù)構(gòu)建，串聯(lián)了「Firecrawl」、大模型本身的處理，以及「Notion」等多個內(nèi)容，全部可復(fù)用、可組合，也不依賴特定模型。

02｜百煉上的 MCP 怎么用？

在百煉 MCP 平臺上，開發(fā)者可以通過兩種方式使用 MCP 服務(wù)。

地址在這里：https://bailian.console.aliyun.com/?tab=app#/mcp-manage

第一種：直接用官方托管服務(wù)（選服務(wù)）

目前，百煉已經(jīng)上線了 15 款 MCP 的云服務(wù)，并提供了 61 款社區(qū) MCP 的介紹，更多的還在路上。

以上服務(wù)已部署，更多服務(wù)在路上 這些都是社區(qū) MCP

這種方式適合絕大多數(shù)場景，幾乎“零門檻”：

1. 1. 打開 MCP 服務(wù)廣場

2. 2. 找到你需要的服務(wù)（如高德、GitHub、Notion）

3. 3. 點開通，填寫 API key（如有）

4. 4. 就能在 Agent 或流程中直接調(diào)用

服務(wù)由百煉托管在函數(shù)計算上，調(diào)用即加載、通過 API 按量計費。

上面測試的高德導(dǎo)航、網(wǎng)頁抓取等場景，都是走這一套流程。開發(fā)者不需要管部署，不需要寫 Glue Code，調(diào)用非常穩(wěn)定，尤其適合原型驗證和組合式 Agent 設(shè)計。

據(jù)知情人士透露 百煉MCP服務(wù)將是阿里AI商業(yè)化重要落棋。 未來，阿里的服務(wù)，以及更多的三方應(yīng)用，都將逐步上線到百煉，來滿足任意場景Agent的開發(fā)需求。

如果你有自己的 API，或者需要引入社區(qū)里的 MCP server（比如從 GitHub 上 clone 的開源項目），也可以走“自建部署”的路徑：

1. 1. 打開“注冊服務(wù)”界面

2. 2. 貼一下 npx 安裝 或 Python 腳本（Python 暫還是灰的）

3. 3. 系統(tǒng)會自動創(chuàng)建一個函數(shù)計算實例來托管你的服務(wù)

4. 4. 注冊成功后，該服務(wù)就能作為 MCP 工具被調(diào)用

這條路徑稍微偏“開發(fā)者向”，但整個過程比傳統(tǒng)的服務(wù)器部署方式要簡單得多：

• ? 不需要自己買機器

• ? 不需要配置負載均衡或權(quán)限系統(tǒng)

• ? 可以通過文本配置定義 schema，自動生成模型調(diào)用示例

比較適合企業(yè)開發(fā)者將內(nèi)部服務(wù) MCP 化，或技術(shù)團隊接入外部服務(wù)做統(tǒng)一封裝。一句話總結(jié)就是：

以前做一個“插件”要寫代碼、跑服務(wù)、調(diào)結(jié)構(gòu)，現(xiàn)在開個服務(wù)就是點幾下配置。

我相信，很多人還會有個反應(yīng)：這不就是 Plugin？

對此，我也特意和百煉的朋友聊了這個問題，得到的回答很明確：

Plugin 是為某個模型寫的私有接口描述；MCP 是跨模型、跨平臺可復(fù)用的通用協(xié)議。

差別主要體現(xiàn)在三個層面：

協(xié)議開放性

Plugin 是各廠商其自己模型設(shè)計的，無法直接復(fù)用到其他模型平臺。而 MCP 的目標是讓所有模型理解同一種“服務(wù)語言”。無論 Claude、GPT、百煉自有模型，理論上都能讀懂相同的 MCP 接口描述，并做出合理調(diào)度。

MCP 和 Plugin 的區(qū)別 be like 服務(wù)部署方式

Plugin 開發(fā)者需要自己部署服務(wù)，并管理調(diào)用、安全、負載等細節(jié)。MCP 在百煉的實現(xiàn)中，服務(wù)由平臺托管，開發(fā)者只需提供邏輯，其他都交由平臺自動完成（如函數(shù)計算、鑒權(quán)轉(zhuǎn)發(fā)等）。

調(diào)用范式

Plugin 更像是“硬編碼調(diào)用”：定義好 schema，模型識別后調(diào)用一次函數(shù)。MCP 支持的是多步調(diào)度、多工具組合，更適合 Agent 執(zhí)行復(fù)雜任務(wù)時使用。

在我看來 MCP 是對 Plugin/Function Calling/Tool Using 再封裝了一輪，這樣遷移環(huán)境的時候，節(jié)省了一部分調(diào)配的功夫。

在 MCP 之前，讓 AI 調(diào)用外部工具，更像是一項繁瑣的工程任務(wù)，你需要寫描述、調(diào)接口、配參數(shù)、部署服務(wù)等等...現(xiàn)在，這些正在被重新定義為一種標準化的、平臺化的能力。

在我看來，這是一種焦點的轉(zhuǎn)移：

• ? 過去，重心在“人” ：工具主要服務(wù)于開發(fā)者，AI 需要被動適應(yīng)。

• ? 現(xiàn)在，重心在“AI” ：服務(wù)被設(shè)計成易于 AI 理解和使用，主動擁抱模型。

非常有趣。