全球 AI 开发者们热议“MCP”（Model Context Protocol）。尽管这一协议在2024年由Anthropic发布时并未引起广泛关注，但2025年初，Cursor宣布集成MCP迅速将其带入开发者的视野，3月Manus的爆发更是加速了MCP的普及。而就在3月27日，OpenAI正式宣布其Agent SDK全面支持MCP协议，这一举措标志着MCP将会成为该领域的实施标准，必将重塑AI应用的开发与交互方式。
目前，社区的MCP Server大多采用本地STDIO模式部署，尽管这种模式能支持基本模型服务和工具的数据交互，简单测试尚可，但在涉及具体的开发，调试，由于IO重定向带来不同程度的开发复杂度；同时随着AI场景的日益丰富，一方面数据访问不再仅限于本地，另一方面业务对于架构可靠性要求，基于本地部署的 MCP Server 势必无法满足复杂的生产需求。因此，云上托管的MCP Server将成为未来的主流趋势。函数计算（FC）目前已支持一键托管开源的MCP Server，欢迎大家前来体验。
为什么云上托管 MCP Server 是趋势？
- 吸引更多开发者参与MCP生态建设
MCP协议成为事实标准后，开发者无需为每个Function编写复杂的JSON Schema参数说明，这大大降低了重复开发的工作量。通过开源或第三方的MCP Server，开发者能够迅速共享和复用资源。例如，Blender-MCP项目允许用户通过MCP协议将自然语言指令转化为三维建模操作，项目开源一周便获得了5.4k stars。
- SaaS服务商拥抱MCP Server
随着MCP的普及，SaaS服务商可以通过集成MCP Server触达新的市场和行业机会，而MCP协议的Stdio和SSE标准要求服务和数据供应商提供API访问，而云上托管将是最优选择。
- 企业级 MCP Server 要求安全合规和弹性伸缩
MCP Server 将服务/数据对接给大模型，如果不限制大模型的数据权限范围和敏感数据过滤，将对企业产生安全合规风险，云上托管提供权限管控、操作审计、用户隐私保护等内置安全工具，大幅减少安全风险暴露面，合规成本低。同时 MCP Server 的爆火，对服务商是巨大的机会，服务商将面临着用户量和模型调用量的突增，云上托管如函数计算具备免运维、自动弹性、自动容灾的优势，确保服务体验的同时实现降本增效。
云上托管 MCP Server 核心痛点
- 传统托管效率低
从 MCP 架构的描述中可以看到，MCP Server 作为 AI 大模型和企业服务的中间层，通过购买传统云资源部署效率低下，其代码通常相对轻量，开发者需要快速部署，快速测试仅仅可能是一条NPX命令。 "MCP Servers: Lightweight programs that each expose specific capabilities through the standardized Model Context Protocol"。
- 业务规模不确定
作为原有 Function Calling 的替代者，工具调用请求规模具有显著的不确定性，传统云资源托管需要长期持有资源，资源供给无法实现按业务流量进行灵活的动态适配。
- 定制扩展流程复杂
MCP Server 作为AI和企业服务能力的中间层，其逻辑覆盖简单路由到复杂计算，随着业务场景的丰富会变得越发复杂，务必在选择云上托管的时候，也要考虑后续业务的开发和维护效率。 务必要求开发层面需要更灵活的定制能力，实现快速变更，快速上线，灵活的版本和流量管理。
- 数据访问网络配置复杂
传统MCP Server依赖于本地化部署实现数据安全，随着云端部署的普遍化，云端 MCP Server 不仅需要能够实时安全的访问企业私有数据，也需要适配复杂的业务环境，在Internet和Intranet网络之间进行互通，这就要求能够快速的互联网公共服务和企业云上 VPC 快速打通，提供安全灵活的执行环境。
函数计算成为云上托管 MCP Server 的最简方式
社区积极的推动 MCP 协议演进，推动 Steamable HTTP transport 技术代替原有 HTTP+SSE 的通信方式，原有的 MCP 传输方式就像是你和客服通话时必须一直保持在线（SSE 需要长连接），而新的方式更像是你随时可以发消息，然后等回复（普通 HTTP 请求，但可以流式传输）。这种形式与 Serverless 算力无状态模式更加契合，协议层演进将更有利于云上Serverless算力的价值放大，随着AI模型复杂度和数据规模持续增长，Serverless与MCP Server的结合将成为趋势。
https://github.com/modelcontextprotocol/specification/pull/206
函数计算作为云上Serverless 算力的典型代表，其凭借在开发效率，按需付费，极致弹性等产品能力直击云上 MCP Server 托管的核心痛点，为企业MCP Server 提供高效，灵活，匹配业务规模的托管能力。
- 成本效益最大化
- 按需付费，避免资源浪费：Serverless按实际计算资源消耗计费，而非固定服务器租赁费用，尤其适合AI训练和推理任务中常见的波动性负载。
- 消除闲置成本：AI模型训练通常需要突发性算力，Serverless能自动分配资源，避免传统模式下预留资源导致的服务器空置问题。
- 弹性扩展与资源优化
- 动态资源分配：将MCP Server 托管在函数计算上，基于Serverless架构，可实时响应AI任务需求，自动扩展CPU/GPU，确保算力高并发处理能力。
- 多模型协作支持：支持多个AI项目并行运行，资源按优先级动态调度，提升整体算力利用率。
- 简化运维与加速开发
- 无服务器管理：开发者无需关注服务器配置、补丁更新或集群管理，专注算法优化和迭代MCP Server 内部逻辑和工具丰富度。
- 开箱即用的工具链：函数计算提供了完善的工具链能力，基于开源 Serverless Devs开源工具实现本地快速部署。
- 更灵活的MCP协议适配
- 当前函数计算提供单实例多并发能力，扩展对存量SSE协议的适配，基于社区提供的MCP Proxy方案能够快速将存量本地MCP Server托管到云端，方便业务平台的测试开发。
- 提供基于WebSocket 的MCP协议适配参考实现，支持单实例单并发和单实例多并发能力支持，提升协议适配和场景适配；同时团队紧跟社区 Streamable HTTP 方案，敬请期待！
体验：一键部署热门 MCP Server
依赖 Serverless 应用开发平台 CAP，我们能够快速实现开源 MCP Server 一键托管，假如您搭建的 AI Agent 中需要加入导航服务，您可能会需要高德社区提供的 MCP Server ，接下来我们将以开源项目 amap-maps-mcp-server 为例演示如何一键部署 MCP Server 到函数计算FC上。
第一步： 模版部署
点击 https://cap.console.aliyun.com/create-project?template=start-mcp-amap-maps 进入CAP控制台。填入从高德开发者申请的 Token（立刻申请完成），可以在这里申请。
第二步： 测试 MCP Server 提供的工具能力
部署成功之后，通过触发器页面，拿到测试URL可对当前MCP Server进行测试。如果希望将部署的MCP Server 用于生产，建议使用自定义域名代替测试URL。
测试步骤一：本地终端运行命令： npx @modelcontextprotocol/inspector
测试步骤二：浏览器中打开本地提供的测试地址“http://localhost:5173/#tools”进行测试，在URL表单中填入上面获取的URL，添加/sse 后缀填入URL表单中，点击Connect会看到开源 MCP Server提供的Tools列表，可以点击置顶Tool进行交互验证。
如果您对于产品有更多建议或者对 MCP server 云端托管有更多想法可以加入钉钉群（群号：64970014484）与我们取得联系。
