阿里云百炼MCP服务已全面上线，实现AI工具的一站式托管，这一举措对于开发效率的提升，无疑是值得关注的重要信号。
先说几个关键点：
- MCP服务覆盖了注册、托管、调用及组合的全生命周期管理能力
- 已成功验证两个典型应用场景：导航推荐助手和网页抓取助手，操作流程完整
- 理清MCP与Plugin的核心区别，这里直接给出结论
01｜MCP 的核心能力与应用场景
笔者直接实测了两个典型的Agent应用场景——「导航推荐助手」与「网页抓取助手」。
单 MCP 调用：高德地图 + AI 导游实战
这是一个简易的智能体应用：根据用户输入的旅行目的地，自动生成当日城市游推荐方案，并整合天气、位置、美食及导航任务。
全程无需编写任何代码。只需在百炼广场开通高德地图（Amap Maps）的MCP服务，再创建一个智能体应用并接入该服务即可。
下面的视频是原速，可以感受下：
输入城市名称，例如“西安”，Agent将自动执行以下步骤：
- 查询当日西安天气
- 根据定位列出附近景点和餐饮店
- 规划出行路线（如骑行或地铁）
- 输出推荐行程描述及地图跳转链接
整个任务链由Agent自主完成，所有服务均源自百炼托管的MCP接口，无需部署服务器、编写API代码或解析参数文档。
多 MCP 调用：网页抓取与数据生成
此案例稍显复杂：通过构建工作流，让AI抓取网页内容、执行页面提取，最终保存至Notion。
从流程上看：
- 大模型识别用户对话中的URL
- 利用Firecrawl抓取该页面信息
- 借助大模型对信息进行总结
- 将总结内容上传到Notion
这套工具链同样基于MCP服务构建，整合了Firecrawl、大模型处理以及Notion等多个组件，全部可复用、可组合，且不依赖特定模型。
02｜如何在百炼上使用 MCP？
在百炼MCP平台，开发者可使用以下两种方式接入MCP服务。
入口地址：https://bailian.console.aliyun.com/?tab=app#/mcp-manage
方式一：直接使用官方托管服务（选择服务）
截至目前，百炼已上线15款MCP云服务，并提供61款社区MCP的介绍，未来还将持续扩充。
这种方式适合绝大多数场景，几乎零门槛：
- 进入MCP服务广场
- 查找所需服务（例如高德、GitHub、Notion等）
- 点击开通，填写API密钥（如有）
- 即可在Agent或工作流中直接调用
服务由百炼托管在函数计算平台，调用即加载，按API调用量计费。上述测试的高德导航、网页抓取等场景均采用此流程。开发者无需关心部署细节，也无需编写Glue Code，调用稳定可靠，特别适合原型验证和组合式Agent设计。
方式二：自建服务（注册服务）
若您拥有自有API，或需要引入社区中的MCP Server（例如从GitHub克隆的开源项目），可通过自建部署方式实现：
- 打开“注册服务”页面
- 粘贴
npx安装命令或Python脚本（Python选项目前仍为灰色） - 系统将自动创建一个函数计算实例来托管您的服务
- 注册成功后，该服务即可作为MCP工具被调用
该路径更偏向开发者，但整体流程比传统部署简易许多：
- 无需自行购买服务器
- 无需配置负载均衡或权限管理
- 可通过文本配置定义Schema，自动生成模型调用示例
一句话总结：过去开发一个插件需要编写代码、部署服务、调试结构；如今启用服务只需简单点击配置即可完成。
03｜MCP 与 Plugin 的核心差异
许多人初看会问：这不就是Plugin吗？
笔者就此与百炼团队交流，对方明确指出：Plugin是为特定模型编写的私有接口描述，而MCP是跨模型、跨平台可复用的通用协议。
区别主要体现在以下三个层面：
协议开放程度
Plugin由各厂商针对自家模型设计，无法直接复用于其他模型平台。而MCP的愿景是让所有模型都能理解同一种服务语言——无论是Claude、GPT还是百炼自有模型，理论上都能识别相同的MCP接口描述并做出合理调度。
服务部署模式
Plugin要求开发者自行部署服务并管理调用、安全、负载等细节。而在百炼的MCP实现中，服务由平台托管，开发者仅需提供业务逻辑，其余全部由平台自动处理（包括函数计算、鉴权转发等）。
调用方式范式
Plugin更接近硬编码调用：定义Schema后，模型识别并调用一次函数。而MCP支持多步调度与多工具组合，更适合Agent执行复杂任务场景。
从本质上看，MCP是对Plugin、Function Calling、Tool Using的进一步封装，从而在环境迁移时节省了部分配置调优工作量。
写在最后：从工程对接迈向能力平台
在MCP出现之前，让AI调用外部工具更像是一项繁琐的工程任务——编写描述、调试接口、配置参数、部署服务……如今，这些正在被重新定义为一套标准化、平台化的能力。
这是一种焦点的转变：过去重心在“人”，工具主要服务于开发者，AI需要被动适应；现在重心在“AI”，服务被设计为易于AI理解与使用，主动拥抱模型。
非常有趣。