借助 serverless 将 MCP 服务部署到云端
本文介绍了如何将 MCP 服务通过 SSE 协议部署到云端，避免本地下载和启动的麻烦。首先，使用 Python 实现了一个基于 FastMCP 的网络搜索工具，并通过设置 `transport='sse'` 启用 SSE 协议。接着，编写客户端代码测试服务功能，确保其正常运行。随后，利用阿里云函数计算服务（FC 3.0）以 Serverless 方式部署该服务，包括创建函数、配置环境变量、添加依赖层以及部署代码。最后，提供了客户端测试方法和日志排查技巧，并展示了如何在不同工具（如 Cherry-Studio、Cline 和 Cursor）中配置云端 MCP 服务。
仅3步！即刻拥有 QwQ-32B，性能比肩全球最强开源模型
本文详细介绍如何将 QwQ-32B 开源模型部署到函数计算 FC（Function Compute），并通过云原生应用开发平台 CAP（Cloud Application Platform）实现 Ollama 和 Open WebUI 两个 FC 函数的部署。
云产品测评——安全体检
阿里云的安全体检功能，发现主账号存在MAF（多因素认证）问题，导致身份验证风险较高。通过官方文档指导，我完成了主账号的MAF验证修复，提升了账号安全性。
安全体检功能优点在于操作便捷、问题分析清晰，但部分文档链接提供的解决方案不够完善。建议增加网页端MAF验证功能，进一步优化用户体验。总体而言，阿里云安全体检功能简洁高效，相较于腾讯云更具直观性，但在细节优化上仍有提升空间。
云产品——安全体检
近期尝试了阿里云的“安全体检”功能，只需授权即可快速检测云资产风险。我的体检结果显示存在主账号MAF（多因素认证）绑定问题，导致身份验证风险较高。通过官方文档指引，我完成了主账号MAF的绑定修复，提升了账号安全性。总体而言，阿里云安全体检功能简洁便捷，能系统化分析云产品风险，但部分文档解决方案需优化，建议增加网页端MAF验证功能以提升用户体验。
函数计算支持热门 MCP Server 一键部署
MCP（Model Context Protocol）自2024年发布以来，逐渐成为AI开发领域的实施标准。OpenAI宣布其Agent SDK支持MCP协议，进一步推动了其普及。然而，本地部署的MCP Server因效率低、扩展性差等问题，难以满足复杂生产需求。云上托管成为趋势，函数计算（FC）作为Serverless算力代表，提供一键托管开源MCP Server的能力，解决传统托管痛点，如成本高、弹性差、扩展复杂等。通过CAP平台，用户可快速部署多种热门MCP Server，体验高效灵活的AI应用开发与交互方式。
Dify x Tablestore 构建低成本、Serverless 知识库
本文介绍如何基于Dify与阿里云Tablestore构建检索增强生成（RAG）系统，解决大模型知识时效性和领域适配性问题，该方案具备低代码、Serverless免运维、高可靠、弹性扩展及低成本等优势。文章通过答疑助手的案例，详细说明了创建Tablestore实例、配置Dify、构建与验证知识库的步骤。