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:

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。

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

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，

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

LLM 智能体编程的 Agent DSL， 该语言提供多种特性有效简化 Agent 编写复杂度，包括 Agent 声明式 配置、提示词模式、多 Agent 协同、多轮对话等；同时，该语言兼容 MCP 生态，能够让开发者快速开发智能体应用。 C/C++概述 鸿蒙应用开发全面支持 C/C++语言开发能力，为开发者提供开发套件 （NDK）及配套工具链。基于 C/C++实现的功能模块，可通过跨语言互操作封装 章节内容。 智能化演进策略 仓颉智能应用开发能力规划 仓颉通过元编程能力和 DSL 能力构建 Agent DSL 能力，包括：单 Agent 编 程开发、多 Agent 协同、支持 MCP 协议等。未来，将持续深化仓颉 Agent DSL 与 AI 技术的融合，推动其在教育、医疗、金融、制造等领域的广泛应用，真正 实现“语言即智能”的愿景。 Agent DSL 的设计理念 制与执行逻辑。  细粒度控制与抽象统一：既提供对 Agent 执行流程的精确控制能力， 又保持高层次语义的一致表达。 57  可扩展性与开放性：支持第三方模型、工具（如 MCP 协议）的无缝 集成，构建可持续演进的 Agent 生态。 Agent 核心要素的语言级支持 现代 AI Agent 的开发通常围绕模型、提示词、规划和工具四大核心要素展 开。 

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