阿里云百炼正式推出全周期 MCP 服务，覆盖服务注册、云托管、Agent 调用和流程组合，旨在解决 AI 应用开发中工具集成的痛点。
该服务将工具调用从模型厂的私有功能转变为通用能力，并具备完整产品形态，是阿里云 AI 商业化的重要一步。开发者可以通过官方托管服务或自建服务两种方式使用 MCP。官方托管服务零门槛，通过开通并填写 API key 即可在 Agent 或流程中直接调用，而自建服务则适合企业开发者将内部服务 MCP 化。
MCP 与 Plugin 的区别在于协议开放性、服务部署方式和调用范式。MCP 旨在让所有模型理解同一种"服务语言"，服务由平台托管，支持多步调度和多工具组合。MCP 的出现将 AI 调用外部工具从繁琐的工程任务转变为标准化的平台能力，重心从"人"转移到"AI"，服务被设计成易于 AI 理解和使用。
-
- 阿里云百炼 MCP 服务将工具调用抽象为通用能力
通过 MCP，开发者无需关注底层实现，即可在不同模型和平台间复用工具，降低了 AI 应用开发的复杂度。
-
- MCP 服务让开发者可以零门槛使用官方托管工具，也可以灵活集成自建工具
官方托管服务降低了使用门槛，自建服务则方便企业开发者集成内部 API，满足不同开发者的需求。
-
- MCP 与 Plugin 相比，具有协议开放性、服务平台托管和调用范式上的优势
MCP 旨在构建跨模型、跨平台的可复用通用协议，并由平台托管服务，支持多步调度和多工具组合。
经典提炼
-
Plugin 是为某个模型写的私有接口描述；MCP 是跨模型、跨平台可复用的通用协议。
-
以前做一个 "插件" 要写代码、跑服务、调结构，现在开个服务就是点几下配置。
-
在 MCP 之前，让 AI 调用外部工具，更像是一项繁琐的工程任务...现在，这些正在被重新定义为一种标准化的、平台化的能力。