Serverless

函数计算计费方式历经三阶段演进：从按请求计费，到按活跃时长毫秒级计费，再到按实际资源消耗分层计费。背后是资源调度、安全隔离与开发体验的持续优化。尤其在AI时代，低负载减免、会话亲和等技术让计费更贴近真实价值，推动Serverless向“按需使用、按量付费”终极目标迈进。

在 AI 时代，函数计算一直坚持走向“让开发者只关心业务逻辑，云厂商自动完成一切资源管理与调度”的愿景，最终让计算像水、电一样随时可得、按实际使用价值付费。

AI Agent 的兴起催生了一种全新的、独特的云工作负载类型。它既不完全符合传统 IaaS（对于零散、突发的使用场景而言过于昂贵和笨重）的模式，也打破了第一代 FaaS（函数即服务，因其无状态和较弱的隔离保证而无法满足需求）的设计假想。市场迫切需要一种新型运行时——它必须兼具虚拟机的状态化和隔离性与 Serverless 的经济性和弹性。这正是阿里云函数计算（Function Compute, FC）架构演进所要解决的核心问题。

回顾历史，电网的修建，深刻地改变了世界的经济地理和创新格局。今天，一个 AI 原生的云端运行时的进化，其意义也远不止于技术本身。这是一次设计哲学的升华：从“让应用适应平台”到“让平台主动理解和适应智能应用”的转变。当一个强大、易用、经济且安全的 AI 运行时成为像水电一样的基础设施时，它将极大地降低创新的门槛。一个独立的开发者、一个小型创业团队，将有能力去创造和部署世界级的 AI 应用。这才是技术平权的真谛，是激发全社会创新潜能的关键。

通过 Sandbox 与 Serverless 的深度融合，AI Agent 不再是“黑盒”实验，而是可被企业精准掌控的生产力工具。这种架构不仅适配当前 AI Agent 的动态交互特性，更为未来多模态 Agent、跨系统协作等复杂场景提供了可复用的技术底座。若您的企业正面临 AI Agent 规模化落地的挑战，不妨从 Sandbox 架构入手，结合函数计算 FC 的能力，快速验证并构建安全、高效、可扩展的 AI 应用系统。

本文深入解析AI Agent系统架构，特别是以Sandbox为核心的落地实践。聚焦泛Chat模式下AI应用的挑战与解决方案，涵盖会话亲和性、隔离性、存储机制、会话恢复、资源弹性等关键技术点，阿里云函数计算（FC）为 AI Agent 系统在企业中的落地实践提供实际解决方案，展示了如何高效、安全地构建可扩展的 AI 应用系统。

本文介绍了如何基于阿里云函数计算（FC）构建一个安全、可控的 Browser Tool Sandbox，支持多种浏览器自动化操作方式，包括 Playwright、Puppeteer、Browser Use 和 REST API 等，为 AI Agent 安全高效地操作浏览器提供了完整的技术方案。

FunctionAI 图像生成服务助力企业突破AI图像应用的三大难题：高成本算力、复杂运维与工程化壁垒。基于Serverless架构，提供从项目开发到API调用的全生命周期管理，支持ComfyUI、Stable Diffusion等主流工具，实现“一键部署、秒级调试、快速上线”。弹性伸缩、按需付费，大幅降低成本；国内网络加速、模型缓存、安全隔离，保障高效与稳定。让创意从灵感到生产无缝转化，真正驱动业务增长。

Qwen3 Coder 是一款强大的编程大语言模型，支持超长 1M 上下文，具备卓越的代码生成能力。结合 VibeCoding 方案，可助力开发者与企业快速构建复杂应用，实现自然语言生成系统，提升开发效率与生产力。

创蓝云智通过采用阿里云云原生产品矩阵，成功实现从传统架构向云原生弹性架构转型。利用Serverless应用引擎（SAE）、云原生API网关、微服务引擎（MSE）等产品，解决了资源利用率低、运维压力大等问题，显著提升系统稳定性与业务连续性，助力企业降本增效，成为云原生领域的标杆案例。

阿里云实时数仓 Hologres，联合函数计算 FC 推出「Hologres + 函数计算 FunctionAI + Qwen 构建企业级数据分析 Agent」方案，帮助用户快速对接 MCP，高效跨越企业级数据分析 Agent 构建困境。

依托于阿里云函数计算 FC 算力，Serverless + AI 开发平台 FunctionAI 现已提供模型服务、应用模版两种部署方式辅助您部署 Qwen3 系列模型。完成模型部署后，您即可与模型进行对话体验；或以 API 形式进行调用，接入 AI 应用中，欢迎您立即体验。

近期，阿里云函数计算的 Tracing 能力由 2.0 的 Jeager 升级为 OpenTelemetry 标准的 W3C 协议，实现全链路追踪能力。通过系统与业务Span融合、跨环境互通及动态成本控制，全面打破Serverless“黑盒”，提升故障定位效率，助力构建高效可观测的分布式系统。

AI工作流正重塑企业自动化流程。Function AI工作流基于函数计算FC，融合LLM、Agent等技术，实现智能任务处理与自我优化，助力企业迈向智能流程自动化，提升效率，增强响应能力。

近日，Forrester发布《Serverless Development Platforms, Q2 2025》报告，阿里云函数计算FC与Serverless应用引擎SAE在21项评测中斩获9项最高分，成为国内唯一进入领导者象限的科技公司。

本文介绍了魔搭（ModelScope）推出的全新MCP广场，将提供1500多种MCP服务。文章探讨了云上托管MCP服务的挑战，如多租户隔离、快速生成SSE地址及稳定性要求。为解决这些问题，魔搭选择阿里云函数计算作为运行时托管平台，因其具备事件触发、毫秒级弹性、会话亲和性、自动鉴权及多语言支持等优势。函数计算还针对MCP特性优化，如支持STDIO模式自动转换为SSE服务、发布Debian12运行时等。文章总结了Serverless在MCP托管领域的技术领先性，并展望未来更多AI应用功能的发布。

MCP 的价值是统一了 Agent 和 LLM 之间的标准化接口，有了 MCP Server 的托管以及开发态能力只是第一步，接下来重要的是做好 MCP 和 Agent 的集成，FunctionAI 即将上线 Agent 开发能力，敬请期待。

本文旨在从 MCP 的技术原理、降低 MCP Server 构建复杂度、提升 Server 运行稳定性等方面出发，分享我们的一些实践心得。

作为云上托管 MCP 服务的最佳运行时，函数计算 FC 为阿里云百炼 MCP 提供弹性调用能力，用户只需提交 npx 命令即可“零改造”将开源 MCP Server 部署到云上，函数计算 FC 会准备好计算资源，并以弹性、可靠的方式运行 MCP 服务，按实际调用时长和次数计费，欢迎你在阿里云百炼和函数计算 FC 上体验 MCP 服务。

Function AI 是基于函数计算构建的 Serverless AI 应用开发平台，基于函数计算的运行时能力上线了完整的 MCP 开发能力，您可以进入 FunctionAI 控制台，快速体验 MCP 服务的能力。

随着 AI 技术的飞速发展，MCP（模型上下文协议） 逐渐崭露头角。这项由 Anthropic 公司（Claude 的创造者）于 2024 年 11 月推出的开放协议，正在重新定义 AI 与数字世界的交互方式。这项开放协议不仅让 AI 突破传统对话边界，更赋予其执行现实任务的能力，堪称人工智能向"行动智能体"进化的里程碑。然而从火热概念到落地业务，MCP 还需要找到云端“好搭档”。

本文将着重介绍如何通过 SAE 快速搭建 Dify AI 研发平台，依托 Serverless 架构提供全托管、免运维的解决方案，高效开发 AI 智能体应用。

云上托管 MCP 搭建 AI Agent 将成为趋势。函数计算 FC 目前已经支持开源 MCP Server 一键托管，欢迎体验。

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。

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。

通过引入 Sidecar 容器的技术，SAE 为用户提供了更强大的自定义日志与监控解决方案，帮助用户轻松实现日志采集、监控指标收集等功能。未来，SAE 将会支持 istio 多租场景，帮助用户更高效地部署和管理服务网格。

本文将深入探讨 SAE 如何通过镜像加速、应用启动加速、CPU Burst 等核心技术手段，实现极速启动与高效运行，帮助用户构建更加稳定、高效的云端应用。

本方案旨在介绍如何部署 AI 大模型实现对客户对话的自动化分析，支持多人、多语言识别，精准识别客户意图、评估服务互动质量，实现数据驱动决策。

SAE（Serverless应用引擎）是阿里云推出的全托管PaaS平台，致力于简化微服务应用开发与管理。为满足用户对可观测性和运维能力的更高需求，SAE引入Sidecar容器技术，实现日志采集、监控指标收集等功能扩展，且无需修改主应用代码。通过共享资源模式和独立资源模式，SAE平衡了资源灵活性与隔离性。同时，提供全链路运维能力，确保应用稳定性。未来，SAE将持续优化，支持更多场景，助力用户高效用云。

AI 口语学习涵盖发音训练、对话交流、即时反馈、个性化场景模拟和流利度提升等。本方案以英语口语学习的场景为例，利用函数计算 FC 部署 Web 应用，结合智能媒体服务（AI 实时互动）的 AI 智能体和百炼工作流应用，实现英语口语陪练。

在电商中，制作精美的商品展示图成本高且流程复杂。AI 换装技术允许商家快速更换模特的服装或配件，无需重新拍摄，大大缩短准备时间。这项技术减少了对专业摄影师和后期团队的依赖，使中小商家也能轻松产出高质量的商品图片，灵活响应市场变化，有效降低成本，提升竞争力。本方案利用函数计算 FC 构建 Web 服务，采用百炼视觉模型 qwen-vl-max-latest、aitryon、aitryon-refiner、shoemodel-v1 来分别实现 AI 人物主体信息提取、模特试衣、试衣精修、模特换鞋。

《零门槛AIGC应用实战——Serverless+AI 轻松玩转高频AIGC场景》电子书正式上线！多种精选 AI 部署方案带你深入了解 Serverless+AI 最新趋势、AI 应用的架构设计与详细的部署教程等。函数计算 AI 技术解决方案助您一键上云，高效部署。

人工智能产业的蓬勃发展催生了丰富多样的推理模型，为解决特定领域的问题提供了高效的解决方案。DeepSeek 的爆火就是极佳的范例。然而，对于个人用户而言，如何有效地利用这些模型成为一个显著的挑战——尽管模型触手可及，但其复杂的部署和使用流程却让人望而却步。针对这一现象，在大型语言模型（LLM）领域，vLLM 应运而生。通过便捷的模型接入方式，vLLM 让用户能够轻松地向模型发起推理请求，从而大大缩短了从模型到应用的距离。

在数字化时代，线上购物已成为消费者生活中不可或缺的消费方式，而消费者的购物习惯和需求逐渐呈现多样化的趋势，为了帮助商家全天候、自动化地满足顾客的购物需求，本方案将详细介绍如何基于商品内容构建一个智能商品导购助手。