深入解析 DeepSeek API 密鑰：獲取、使用與最佳實踐
https://bailian.console.aliyun.com/
很不錯！這事兒算是一個轉變：工具調用，不再是模型廠的「私有功能」，而是被抽象為一種通用能力，并具備了完整的產品形態。
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：
這里我測了兩個典型的 Agent 例子，分別是「導航推薦助手」和「網頁抓取助手」。
在百煉上，可以通過多種方式，構建 Agent
這是一個簡單的智能體應用，目標是：根據用戶的旅行目的地，生成當天的城市游推薦方案，并串聯天氣、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「創建智能體應用」后，拉取這個 MCP 服務。
輸入一個城市，比如“西安”，Agent 會自動：
整個任務鏈由 Agent 自動執行，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 代碼或解析參數文檔。
這是一個稍微復雜的 Case，通過構建工作流，讓 AI 幫我取抓取網頁，然后進行頁面提取，最后保存在 Notion 里。
從流程上來說，就是
這一套工具鏈同樣通過 MCP 服務構建，串聯了「Firecrawl」、大模型本身的處理，以及「Notion」等多個內容，全部可復用、可組合，也不依賴特定模型。
在百煉 MCP 平臺上，開發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
目前，百煉已經上線了 15 款 MCP 的云服務，并提供了 61 款社區 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 MCP
這種方式適合絕大多數場景，幾乎“零門檻”：
服務由百煉托管在函數計算上，調用即加載、通過 API 按量計費。
上面測試的高德導航、網頁抓取等場景，都是走這一套流程。開發者不需要管部署，不需要寫 Glue Code，調用非常穩定，尤其適合原型驗證和組合式 Agent 設計。
據知情人士透露
百煉MCP服務將是阿里AI商業化重要落棋。
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的開發需求。
如果你有自己的 API，或者需要引入社區里的 MCP server（比如從 GitHub 上 clone 的開源項目），也可以走“自建部署”的路徑：
npx 安裝 或 Python 腳本（Python 暫還是灰的）
bailian.console.aliyun.com/?tab=app#/mcp-manage/create
這條路徑稍微偏“開發者向”，但整個過程比傳統的服務器部署方式要簡單得多：
比較適合企業開發者將內部服務 MCP 化，或技術團隊接入外部服務做統一封裝。一句話總結就是：
以前做一個“插件”要寫代碼、跑服務、調結構，現在開個服務就是點幾下配置。
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議。
差別主要體現在三個層面：
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，并做出合理調度。
MCP 和 Plugin 的區別 be like
Plugin 開發者需要自己部署服務，并管理調用、安全、負載等細節。MCP 在百煉的實現中，服務由平臺托管，開發者只需提供邏輯，其他都交由平臺自動完成（如函數計算、鑒權轉發等）。
Plugin 更像是“硬編碼調用”：定義好 schema，模型識別后調用一次函數。MCP 支持的是多步調度、多工具組合，更適合 Agent 執行復雜任務時使用。
在我看來
MCP 是對 Plugin/Function Calling/Tool Using 再封裝了一輪，這樣遷移環境的時候，節省了一部分調配的功夫。
在 MCP 之前，讓 AI 調用外部工具，更像是一項繁瑣的工程任務，你需要寫描述、調接口、配參數、部署服務等等…現在，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：
文章轉載自： 實測：阿里云百煉上線「全周期 MCP 服務」，AI 工具一站式托管
