阿里云百煉正式上線了全周期MCP（Model Context Protocol）服務，覆蓋從服務注冊、云托管，到Agent調(diào)用、流程組合的全生命周期。本文通過實測，詳細介紹了MCP服務的功能、使用方法以及與Plugin的區(qū)別，展示了AI工具一站式托管的強大能力。

今天，阿里云百煉正式上線了 MCP（Model Context Protocol）服務的完整平臺能力，覆蓋從服務注冊、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. 這套 MCP 服務，能做什么？

2. 怎么用？

3. 和 Plugin 有什么區(qū)別？

01｜MCP 能干啥

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

在百煉上，可以通過多種方式，構建 Agent單

MCP 調(diào)用：高德地圖 + AI 導游

這是一個簡單的智能體應用，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、美食和導航任務。

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，然后在「創(chuàng)建智能體應用」后，拉取這個 MCP 服務。

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. 查詢當天西安天氣

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. 給出推薦行程描述和地圖跳轉鏈接

整個任務鏈由 Agent 自動執(zhí)行，所有服務來自百煉托管的 MCP 接口，無需我們部署服務器、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

這是一個稍微復雜的 Case，通過構建工作流，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. 大模型識別對話中的 URL2. 通過 Firecrawl 抓取這個頁面的信息3. 通過大模型對信息進行總結4. 將總結后的信息，上傳到 Notion

這一套工具鏈同樣通過 MCP 服務構建，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。

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（選服務）

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

以上服務已部署，更多服務在路上

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. 打開 MCP 服務廣場2. 找到你需要的服務（如高德、GitHub、Notion）3. 點開通，填寫 API key（如有）4. 就能在 Agent 或流程中直接調(diào)用

服務由百煉托管在函數(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 設計。

做交互设计10年，我为何转岗到产品经理？

真正转岗之后，我发现很多工作还是超出了自己的想象。产品经理的工作确实比较杂。理论上，产品经理的工作包括了产品的方方面面，从市场研究、用户调研、数据分析...

查看详情 >

據(jù)知情人士透露

百煉MCP服務將是阿里AI商業(yè)化重要落棋。

未來，阿里的服務，以及更多的三方應用，都將逐步上線到百煉，來滿足任意場景Agent的開發(fā)需求。第二種：自建服務（注冊服務）

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. 打開“注冊服務”界面

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

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4. 注冊成功后，該服務就能作為 MCP 工具被調(diào)用

bailian.console.aliyun.com/?tab=app#/mcp-manage/create

這條路徑稍微偏“開發(fā)者向”，但整個過程比傳統(tǒng)的服務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 MCP 化，或技術團隊接入外部服務做統(tǒng)一封裝。一句話總結就是：

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

03｜MCP 和 Plugin 的區(qū)別

我相信，很多人還會有個反應：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計的，無法直接復用到其他模型平臺。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服務部署方式

Plugin 開發(fā)者需要自己部署服務，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、鑒權轉發(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)行復雜任務時使用。

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。寫在最后：從工程對接，到能力平臺

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，你需要寫描述、調(diào)接口、配參數(shù)、部署服務等等…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，這是一種焦點的轉移：??過去，重心在“人”：工具主要服務于開發(fā)者，AI 需要被動適應。??現(xiàn)在，重心在“AI”：服務被設計成易于 AI 理解和使用，主動擁抱模型。