架构升级&核心能力 性能 & 可拓展性提升 01 Nacos3.0 安全零信任 Nacos内核&应用安全零信任实践 02 Nacos 3.0 AI Registry MCP Registry & MCP Router 03 Nacos 3.0 未来规划演进 一个易于构建 AI Agent 应用的服务、配置和AI智能体管理平台 04 Part 1 Nacos3.0 架构升级&核心能力 规划 MCP Tools MCP Server 业务API Agent Agent = Model + Prompt + MCP Tools 工具调用 存量业务接口快速转化 Agent侧MCP工具代理 MCP 是AI应用连接业务系统的桥梁，是AI最终是否业务提效的关键所在 MCP Registry：存量接口转化&MCP管理 1.【存量业务 通过Higress转为MCP 服务“0 代码” 配 置生成MCP 协议； 2.【MCP Server自动注册】 • MCP Server 自动注册服务，支持 Java （Spring AI）、Python MCP、 TypeScript（进行中）； 3.【MCP Server增强】 • MCP Server描述、工具列表、工具 Schema等内容的动态修改和维护 Nacos MCP Router:

· · · · · · 知识智能 MCP 服务 知识问答 MCP 指标问答 MCP AI 文档生成 MCP AI 阅读 MCP 关键信息提 MCP AI 摘要 MCP 多模态知识解析 辅助智 慧决策 企业级人工智能基础设施（算力 网络 存储等） 外部数据 网站、 信息门户、 社交媒体、 行业资讯 … 360 AI 企 业 知 识 库 Agent 构建平 台 MCP 插件调用 AI + 电力行业智能应用场 景 Agentic RAG 指标建模 全域多源异构知识捕获 全方位 安全管控 版式分析 ASR/TTS 图像解析 视频解析 信息抽取 图谱建模 视频 等 • OCR+360 新一代图文跨模态 VLM ，大小模型结合解析更精准 • 支持多模态交互（输入 / 输出） ，万物皆可交互 ④ 可为 Agent 提供超强 “ 上下文与记忆” MCP 服务 • Personal Context ： eg. 最近浏览文件 / 文章、会议、项目进 展 • 支持记忆瘦身：把长故事变成要点 ，防止 AI 记的越多忘的 越多 • 支持记忆共享：分布式记忆存储

服务，可以扩展智能体的能力边界，提升搜索、数据查询、计算分析等能 力，完成更多场景更高复杂度的任务。例如，鸿蒙操作系统通过构建统一开放的意 图框架，实现了系统级的跨应用跨服务的数据和能力共享。业界也推出 MCP（Model Context Protocol）协议 [7]，为大模型提供了标准化的数据源和工具接入方式，大 大降低了工具集成和升级维护成本，促进了智能体工具生态的繁荣。 ◎ 通过多智能 台的智能体可以通过基于任务的交互来完成协作。 - 7 - 行业趋势 Agent 时代 鸿蒙应用生而智能 标准化的工具协议和智能体通信协议为智能体的能力拓展提供了坚实基础。鸿蒙意图框架、 MCP 等工具协议实现了垂域工具和服务的标准化接入，显著降低了智能体与外部系统的集成复 杂度；而智能体通信协议则为多智能体间的任务协同建立了通用语言，使得跨平台、跨系统的 智能体协作成为可能。这些技术 OnApp 和 InApp 组件等方式与用户自然交互。 ◎ 智能体协议升级：提出鸿蒙 Agent 通信协议，实现鸿蒙系统内的智能体之间高效通 信、多智能体协同。对鸿蒙意图框架全面升级，在兼容 MCP 协议的基础上，增强 智能体与鸿蒙应用、智能体与鸿蒙系统的工具、插件能力对接。最后，针对应用开 发者提供鸿蒙 Agent Kit，允许鸿蒙应用与智能体深度集成，实现智能体与应用伴 生增强。

能够将推理直接转换为可执行的 API 调用，从而显著提高代理的自主性和 灵活性。 检索和模型化行动阶段 面向协议的互操作性阶段 当前阶段强调轻量级、标准化协议，如 MCP 、 ACP 、 ANP 和 A2A 。这些协议通过实现跨异构代理系统的动 态发现、安全通信和分散协作，促进了可扩展性和强 大 的互作性，从而解决了以前的限制。 早期的互作性标准（如 KQML Function Calling Toolformer Agent 协议发展历程： 2024 年进入全新阶 段 符号和 SOA 基础阶 段 Web Services （ SOAP/WSDL ） MCP ANP ACP A2A FAG 数据来源：公开资料、甲子光年智库总结整理 2020 2006 2023 1993 www.jazzyear.com ESB Patterns PTA-AIC 驱动的智能体普及，其标准化对工具集成、上下文共享、任务协同至关重要。目前主流的 Agent 协议包括 MCP （安全工具调用与数据交 换）、 ACP （多模态消息与异步通信）、 A2A （点对点任务委托，适企业级协作）、 ANP （开放网络中智能体发现与安全协作）。 这些协议皆有一定优势， MCP 简化了智能体访问工具和数据的方式。 ACP 为企业智能体生态系统引入了本地结构化协作。 A2A

market)  得到普遍应用；  采用暗标拍卖 (sealed auction) ；  大 多 数 采 用 统 一 的 市 场 清 除 价 (market clearing price-MCP) 结算，也有一些按发电公司的实际报价 (pay as bid – PAB) 结算；  发电公司和用户通过 pool 进行交易；  报价策略方面的研究是针对电力联营体市场的。 8 现行的电力市场模式 提交发电机的运行参数  电力联营体 (pool) 利用机组组合优化程序确定下一天 48 个 时 段 ( 每 半 小 时 一 个 时 段 ) 市 场 切 除 价 (Market Clearing Price-MCP) 和发电调度 联营体市场中的报价方式 ( 续 ) ： 多部分报价 20 联营体市场中的报价方式 ( 续 )  单部分报价  发电公司只投下一个交易时段 ( 如第 2 天的每小时 )  单部分报价与多部分报价  分段报价函数与线性报价函数  MCP 结算方式与 PAB 结算方式  同一发电公司内部的火电厂、水电厂、 核电厂、抽水蓄能电厂等的协调报价  发电公司内部的机组组合和机组检修的 协调 27 构造报价策略的方法  主要有三种方法  估计下一个交易时段的市场清除价 (MCP)  估计其它发电公司的报价行为  基于博弈论 (game theory)

阿里云百炼关键场景安全实践 82 3.1 场景一：发布并调用一个线上模型推理服务 82 3.2 场景二：使用私有数据微调一个专属模型 85 3.3 场景三：构建并运行一个 AI Agent/MCP 应用 88 4 构建可验证的信任：阿里云百炼的 90 安全承诺与未来愿景 4.1 当下的承诺：安全可信的五大基石 90 4.2 未来的愿景：引领 赛事通过三大赛道实现全方位能 力验证与促进安全能力进化：赛道一聚焦大模型内生安全，收集越狱与操控手法以直 接驱动模型防御升级；赛道二采用漏洞赏金模式，挖掘模型服务生产环境中的非内容 风险（MCP 安全、RAG 窃取污染、Agent 越权等），推动真实场景漏洞修复；赛道 三通过模拟高风险场景（数据窃取、文档平台泄露、Agent 供应链攻击等），输出防 护策略优化洞见。 3.3.4 模型推理数据防护 阿里云百炼平台构建于阿里云 AI 基础设施之上，天然继承了其经过超大规模实践检 验的成熟多租户隔离架构，为用户提供了可靠的隔离保障。 ● 计算与网络资源隔离：平台上的所有微调模型、Agent、MCP均运行在独立沙箱环境， 实现了严格计算、存储、网络隔离，确保了不同租户间互不干扰。 ● 服务与数据访问隔离：平台对外暴露的在线预测服务，每一次 API 调用请求都会 经过严格的身份验证与鉴权。

分别推出 MCP 协议（Model Context Protocol，模型上下文协议） 和 A2A 协议（Agent-to-Agent Protocol)，通过标准化为 AI Agents 建立更为通用的沟通方式，促进 AI Agents 落地与普及。其中， MCP 协议采用客户端-服务器（Client-Server）架构，核心部分 是 MCP Host、MCP Client 和 MCP Server。其中，MCP Server。其中，MCP Host 指发 起请求的 AI Agent 等 AI 应用；MCP Client 嵌入在 MCP Host 中， 作用是按需与不同的 MCP Server 建立一对一的通信链路，转发 MCP Host 发出的请求；MCP Server 作为能力提供方，利用本地或 远程资源为 MCP Client 提供信息和工具等。阿里云百炼、百度智 能云千帆等模型服务平台等已陆续支持 能云千帆等模型服务平台等已陆续支持 MCP 协议，如百炼一站式 智算产业发展研究报告（2025） 12 提供 Agent 开发所需的算力资源、模型资源和应用工具链等，支 持用户按需选择模型和 MCP Server。 AI Agents 将促进算力飞速增长。Anthropic 统计显示，Agent 会使用 4-15 倍于普通聊天交互的 token [12]，阿里研究院则更为激 进的认为 Agent 的 token 消耗量是对话应用的

储备甚至超过部分从业人员。 1. 受高德开放 MCP 服务引发的思考： l 主动开放 MCP 服务接口 ，迎接 AI l 由科技主导 ，每产生的 1 块钱保费都是科技赋能的结果 挑战 • 接口标准化设计 • 数据安全防护机制 • 第三方开发者激励计划 • 用户接受程度 • 投入产出比 2. 内部应用及数据 MCP 改造 流量入口在哪里？ 大模型探索及实践过程中的困惑与思考 大模型探索及实践过程中的困惑与思考 思考 2 ： mcp 的开放及引入 2024 年底全国网民已经达到 11.08 亿人 ，普及率达 78.6% 。再加上 AI 崛起 ，这 些理 性客户在购买保险之前都会去问 AI 。 AI 带来的营销机会？ 随着量化技术的不断发展 ，端侧小模型有着惊人的快速发展 ，基于阿 里 开源的 MNN 框架 ，在端侧模型使用场景进行探索。 • MNN-TaoAvatar

Generation 检索增强生成 24 MCTS Monte Carlo Tree Search 蒙特卡洛树搜索 25 LLM Large Language Model 大语言模型 26 MCP Model Context Protocol 模型上下文协议 27 SLA Service Level Agreement 服务等级协议 28 ANP Agent Network Protocol 术演进将围绕协议标准化架构、混合价值决策模型、认知闭环构建三大路径突破， 最终形成跨协议自组织、多目标自适应、全周期自进化的智能体。 面向近期，引入低代码的编排模式，使任务流程设计更加直观和高效。推进 MCP 协议标准化整合，实现动态接口发现、权限声明标准化和服务质量量化。建 立反思机制，构建错误模式知识库并实现策略优化。 面向中远期，通过蒙特卡洛树搜索（MCTS）实现智能体的自适应决策优化， 构 、技术 大赛等体系化扶持政策，引入了百余家厂商模型及智能体服务。未来将汇聚的模 型和智能体充分融合，向 AGI 通用模型和社会级智能体网络演进。 面向近期，提供统一的框架、接口和标准化协议（MCP），将模型和智能体 汇聚至云端，通过多模型和智能体编排技术，满足复杂场景需求。 面向中远期，结合行业知识库与领域模型，推动跨行业协同创新。支持跨组 织、跨行业的协同，逐步构建全球化的智能体网络。

Agent 的上下文理解能力。 模型层：构建智能化基座，涵盖通用大模型与垂直领域模型，实现模型的高效部署与推理。 工具层：将本地可调用命令及外部 API 作为 tools 进行集中管理，并通过 MCP 协议面向 LLM 提供工具 API 访问调 用，支持为 LLM 提供不同类型的 Context 扩展。 AI Agent 层：驱动任务规划与自动化执行，实现从感知到行动的闭环。其关键能力包括： 智能应用管理引擎应运而生，作为一种创新的系统，它通过自动化和智能化的手段，持续优化应用的运行状态，提升 系统的整体性能和稳定性。 核心架构与技术实现 智能应用管理引擎结合了大模型 Agent 和 MCP（Model Control Protocol）技术，构建了一个高效、可靠的管理 数据生产线 数 据 处 理 Agent应用 代码生成 研发知识问答 测试脚本生成 内容生成 RAG核心应用场景 切片消费 File解析 智能应用平台，应用智能化的技术底座 应用全生命周期智能化白皮书 29 系统。Agent 通过调用大模型对应用的运行情况进行实时分析和决策，确保系统能够快速响应各种变化。MCP 协议则 作为引擎与应用运行平台之间的桥梁，负责收集运行信息并执行变更操作，实现了平台与引擎的高效协同。 数据驱动的智能决策 引擎通过平台能力收集应用的运行状态信息，确保数据的准确性和可靠性。同时，系统设立了多个管理角色，