在人工智能飛速發展的今天，數據孤島和工具碎片化問題一直是阻礙AI應用高效發展的兩大難題。由于缺乏統一的標準，AI應用難以無縫地獲取和充分利用數據價值。
為了解決這些問題，2024年AI領域提出了MCP（Model Context Protocol模型上下文協議），這一標準化接口協議旨在打破AI模型與外部資源之間的壁壘。就像?USB-C?接口一樣，為AI模型/應用與各種數據源和工具之間提供了一種通用的“即插即用”連接方式，讓AI模型與外部工具與數據源之間安全雙向連接，大大提高了AI開發的效率和靈活性。
隨著MCP作為AI?連接數據和工具的統一標準逐漸普及，也標志著AI應用從“靜態推理”向“動態執行”的轉型，AI應用的全新架構也面臨著靈活性、性能與安全等諸多挑戰。
華為云AI原生應用運行平臺+MCP，重塑?AI?應用架構新范式
為更好的適應全新AI應用架構，華為云推出AI原生應用運行平臺+MCP產品組合方案，基于MCP整合Serverless?及一系列平臺關鍵組件，為開發者提供高效、靈活、可靠的AI應用開發與部署方案，實現大模型與外部數據源的“即插即用”安全連接，助力開發者快速構建靈活擴展、安全可信的AI應用，實現AI應用的商業化。
華為云AI原生應用運行平臺+MCP產品組合方案
?
AI應用架構新范式解析
- 用戶請求：用戶向AI應用發起請求時，請求流量首先進入流量+ AI網關（APIG）。APIG作為應用的入口，維護管理所有AI Agent、MCP Server和LLM的路由規則，確保每個請求都能快速、準確地找到處理路徑，同時支持流式響應，為用戶帶來更流暢的交互體驗。
- Agent托管：開發者可通過多種方式自建Agent，CAE為Agent提供了理想的Serverless應用環境，根據負載自動實現資源的動態分配，確保Agent始終處于最佳運行狀態。
- 訪問MCP Server獲取外部數據：MCP Server這類事件驅動型業務尤其適合部署在Serverless函數（FunctionGraph）上，通過Python/Go等語言快速構建MCP Server，實現毫秒級彈性擴縮容。
- 現存業務接入：可經由MCP注冊/配置中心（CSE）的幫助注冊到Nacos上并實現自動注冊發現，MCP網關可以將API轉換成MCP Server，實現應用的平滑升級。
- 通過應用中心模板快速部署Agent/MCP Server：應用中心匯聚豐富的Agent/MCP應用模板，開發者只需一鍵操作即可部署，實現開箱即用。華為云也會將中間件（DCS、DMS、EventGrid）等服務能力以預置MCP Server的方式上架到應用中心。
- 異步推理：在多模態或長周期任務執行場景下，Agent往往采用異步推理的方式與LLM進行交互，消息隊列不僅能夠起為大模型起到削峰填谷的作用，而且支持主動推送方式提升LLM響應的實時性。
Serverless與MCP融合創新，構建AI應用全新智能中樞
從上面的整體方案我們可以看到MCP Server無疑是整個AI應用架構新范式的智能中樞，如何就保障MCP Server安全可靠運行與彈性高效擴展顯得至關重要。
傳統本地搭建MCP Server存在挑戰：
- 在傳統的MCP Server部署模式下，資源靜態分配問題尤為突出。企業在搭建MCP Server時，需要提前預估流量峰值，以確定所需的資源，但由于業務的不確定性，預估流量往往與實際流量存在較大偏差，導致資源的浪費或性能瓶頸。在業務淡季，大量的服務器資源處于閑置狀態，造成了成本的浪費，而在業務高峰期，由于資源不足，MCP Server可能會出現卡頓甚至崩潰，影響用戶體驗。
- 開發成本高。從底層的資源搭建到上層的MCP邏輯實現，都需要投入大量的人力和時間，僅開發部分工作量就需要幾天時間，且還不包括后續的測試和部署工作。開發者還需要重復實現鑒權、日志等通用功能，進一步增加了開發的復雜性和成本。
- 安全風險同樣不容忽視。在傳統的常駐服務模式下，服務進程會一直運行，這就可能導致上下文殘留，增加了數據泄露的風險，一旦服務器被攻擊，攻擊者就有可能獲取到殘留的上下文信息，從而竊取敏感數據，給企業帶來巨大的損失。
Serverless函數：MCP Server托管的最優解決方案
Serverless函數計算作為云上Serverless算力的典型代表，在資源彈性、開發效率、安全性等方面具備顯著優勢，可以為MCP Server的托管提供靈活、高效、可靠的運行時環境，直擊傳統搭建MCP Server的核心痛點。
- 資源智能彈性調度，Serverless函數計算能夠根據實際流量自動調整資源配置。根據函數的負載情況，通過自動化、智能化的資源擴縮容彈性機制，自動完成函數規格的調整，毫秒級彈性輕松應對突發流量沖擊，確保服務的穩定運行。而在流量較低時，空閑函數會自動休眠，成本趨近于零，大大降低了企業的運營成本。
- 極簡開發部署與運維。應用中心提供了預置的MCP應用模板，如server-github等，開發者只需進行簡單的配置，即可在30秒內完成MCP Server部署。Serverless函數計算還具備免運維的特性，自動處理日志、監控、擴縮容等，讓開發者能夠專注于業務邏輯開發，大幅度提高了開發效率和質量。
- 運行安全保障。業務每個請求都在獨立的沙箱環境中執行，執行后自動銷毀實例，有效防止了上下文殘留帶來的數據泄露風險。同時支持細粒度權限控制，根據最小化原則授權，只賦予每個請求所需的最小權限，降低了權限濫用的風險。支持臨時Token認證，進一步增強了認證的安全性和靈活性。
Serverless與MCP結合實踐場景演示
傳統大語言模型，就像一個有大腦會思考、有嘴巴會講話的機器人，它可以解答我們各種問題，教我們如何完成一件事，但是它沒有手和腳，不能直接去完成各種事情，現如今各種各樣的MCP Server就如同大模型的手和腳，讓其具備了這樣的能力。這里我們以MCP官方提供的Everything MCP Server來演示如何讓大模型通過調用MCP工具獲取環境中的環境變量。
以大模型DeepSeek V3演示具體的工具調用，當我們沒有啟用MCP時，向大模型提問可以看到他只能告訴我們如何完成這件事，而不能親自去做。
而當我們啟用MCP后，可以看到大模型調用了printEnv工具并正確獲取到了所有環境變量。
MCP與Serverless的創新融合，正在重塑著AI應用架構的未來格局，將為AI應用帶來更高的靈活性、安全性和效率，為企業和開發者提供更便捷、高效的開發方式，賦能加速AI應用的創新和落地。
緊跟智能化時代AI技術的飛速發展，華為云AI原生應用運行平臺+MCP整體產品組合方案，未來還可以與智能化研發、AI Agent開發、AIOps應用可觀測、應用韌性評估體系等能力相結合，在生態方面和鴻蒙開發者平臺、華為云開發者空間相結合。實現“開發-運行-運維”全鏈路的AI應用新范式，為AI原生應用提供一站式極簡的構建能力，讓開發者能夠更專注于業務創新，推動AI應用的快速發展和廣泛應用。?
后續我們將持續推出核心產品組件與MCP結合的系列應用場景與方案，產品能力也將逐步上線，歡迎持續關注。
)
