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

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

司近几个月均宣布了人工智能编排能力，旨在帮助企业将分散的人工智能努 力整合为协调的企业智能。 但这不仅仅是供应商的举措；新的标准，如模型上下文协议（MCP），正在 为更智能、更集成的人工智能系统奠定基础，尤其是在与代理型人工智能相 关领域。 MCP正成为旨在以负责任、结构化方式在企业范围内扩展AI应用的编排平台 的必备组件。这些编排平台超越了基本集成能力。 它们作为孤立系统之间的连接纽带，促进AI代理之间的无缝协作，并实施对 然而，在实际部署和管理过程中，安全隐患、供应商锁定、数据主权、性能 瓶颈以及高昂的数据传输成本等问题，促使混合云模型应运而生。 人工智能（AI）的发展轨迹与之相似，不同基础设施、平台和地域之间的集 成往往杂乱无章。API和MCP虽能提供解决方案，但并非唯一途径。企业必 须从过去的痛苦教训中吸取经验，以避免在“AI优先”战略中重蹈覆辙。 Source: Omdia 数字化 数字化转 转型永无止境；人工智能是其核心要素之一

医疗行业智能体 数据分析智能体 运维智能体 智慧办公智能体 场景智能体 客服智能体 营销智能体 具身智能体 财务审计智能体 时空智能体 基座大模型 知识增强与记忆 基础底座 智能体开发框架 MCP服务 智能体平台 智能体平台 联系人：韩晓璐 电 话：18627873252（微信同号）

Multi-Token Prediction (MTP) 是一种用于大型语言模型 （LLMs）训练的技术，旨在提高模型的训练效率、数据利用效率以 及生成质量。 9.MCP：模型上下文协议（Model Context Protocol，MCP），是 由 Anthropic 公司推出的开源协议，旨在实现大语言模型与外部数据 源和工具的集成，用来在大模型和数据源之间建立安全双向的连接。 III 前 二、人工智能赋能智慧旅游的场景与成熟度研究 （一）国内外人工智能与智慧旅游结合的应用与分类 国内外 AI 在旅游领域的发展呈现出一定差别，在国外旅游市场， AI 应用更多围绕 GPT 展开，开发相关旅游插件和 MCP（模型上下文 协议）成为海外旅游 OTA 介入大模型的主要形式；在国内旅游市场， 除了诸如 DeepSeek、字节豆包、通义千问等通用大模型所自带的文 旅内容以外，旅游领域的市场主体包括垂类旅游企业平台、旅游目的 行业高质量数据集的关键，共享开放的范围，场景，模式有待进一步 明确。（3）行业实时动态数据。此类数据占比约为 5%-10%，是具 有行业特点动态产生的实时性交强的数据，例如旅游实时人数，订单， 气象等，更多是机构对外提供诸如 MCP 服务供包括通用大模型在内 的模型实时调取，有待数据分级。 旅游行业高质量数据集的建设可以从如下几个方面进行谋划与 布局： 1.数据分级分类。对旅游数据进行梳理，分为游客个人信息、旅 游资