全球 AI 開發者們熱議“MCP”（Model Context Protocol）。盡管這一協議在2024年由Anthropic發布時并未引起廣泛關注，但2025年初，Cursor宣布集成MCP迅速將其帶入開發者的視野，3月Manus的爆發更是加速了MCP的普及。而就在3月27日，OpenAI正式宣布其Agent SDK全面支持MCP協議，這一舉措標志著MCP將會成為該領域的實施標準，必將重塑AI應用的開發與交互方式。

目前，社區的MCP Server大多采用本地STDIO模式部署，盡管這種模式能支持基本模型服務和工具的數據交互，簡單測試尚可，但在涉及具體的開發，調試，由于IO重定向帶來不同程度的開發復雜度；同時隨著AI場景的日益豐富，一方面數據訪問不再僅限于本地，另一方面業務對于架構可靠性要求，基于本地部署的 MCP Server 勢必無法滿足復雜的生產需求。因此，云上托管的MCP Server將成為未來的主流趨勢。函數計算（FC）目前已支持一鍵托管開源的MCP Server，歡迎大家前來體驗。

為什么云上托管 MCP Server 是趨勢？

• 吸引更多開發者參與MCP生態建設

MCP協議成為事實標準后，開發者無需為每個Function編寫復雜的JSON Schema參數說明，這大大降低了重復開發的工作量。通過開源或第三方的MCP Server，開發者能夠迅速共享和復用資源。例如，Blender-MCP項目允許用戶通過MCP協議將自然語言指令轉化為三維建模操作，項目開源一周便獲得了5.4k stars。

• SaaS服務商擁抱MCP Server

隨著MCP的普及，SaaS服務商可以通過集成MCP Server觸達新的市場和行業機會，而MCP協議的Stdio和SSE標準要求服務和數據供應商提供API訪問，而云上托管將是最優選擇。

• 企業級 MCP Server 要求安全合規和彈性伸縮

MCP Server 將服務/數據對接給大模型，如果不限制大模型的數據權限范圍和敏感數據過濾，將對企業產生安全合規風險，云上托管提供權限管控、操作審計、用戶隱私保護等內置安全工具，大幅減少安全風險暴露面，合規成本低。同時 MCP Server 的爆火，對服務商是巨大的機會，服務商將面臨著用戶量和模型調用量的突增，云上托管如函數計算具備免運維、自動彈性、自動容災的優勢，確保服務體驗的同時實現降本增效。

云上托管 MCP Server 核心痛點

• 傳統托管效率低

從 MCP 架構的描述中可以看到，MCP Server 作為 AI 大模型和企業服務的中間層，通過購買傳統云資源部署效率低下，其代碼通常相對輕量，開發者需要快速部署，快速測試僅僅可能是一條NPX命令。 "MCP Servers: Lightweight programs that each expose specific capabilities through the standardized Model Context Protocol"。

• 業務規模不確定

作為原有 Function Calling 的替代者，工具調用請求規模具有顯著的不確定性，傳統云資源托管需要長期持有資源，資源供給無法實現按業務流量進行靈活的動態適配。

• 定制擴展流程復雜

MCP Server 作為AI和企業服務能力的中間層，其邏輯覆蓋簡單路由到復雜計算，隨著業務場景的豐富會變得越發復雜，務必在選擇云上托管的時候，也要考慮后續業務的開發和維護效率。 務必要求開發層面需要更靈活的定制能力，實現快速變更，快速上線，靈活的版本和流量管理。

• 數據訪問網絡配置復雜

傳統MCP Server依賴于本地化部署實現數據安全，隨著云端部署的普遍化，云端 MCP Server 不僅需要能夠實時安全的訪問企業私有數據，也需要適配復雜的業務環境，在Internet和Intranet網絡之間進行互通，這就要求能夠快速的互聯網公共服務和企業云上 VPC 快速打通，提供安全靈活的執行環境。

函數計算成為云上托管 MCP Server 的最簡方式

社區積極的推動 MCP 協議演進，推動 Steamable HTTP transport 技術代替原有 HTTP+SSE 的通信方式，原有的 MCP 傳輸方式就像是你和客服通話時必須一直保持在線（SSE 需要長連接），而新的方式更像是你隨時可以發消息，然后等回復（普通 HTTP 請求，但可以流式傳輸）。這種形式與 Serverless 算力無狀態模式更加契合，協議層演進將更有利于云上Serverless算力的價值放大，隨著AI模型復雜度和數據規模持續增長，Serverless與MCP Server的結合將成為趨勢。

https://github.com/modelcontextprotocol/specification/pull/206

函數計算作為云上Serverless 算力的典型代表，其憑借在開發效率，按需付費，極致彈性等產品能力直擊云上 MCP Server 托管的核心痛點，為企業MCP Server 提供高效，靈活，匹配業務規模的托管能力。

1. 成本效益最大化
   • 按需付費，避免資源浪費：Serverless按實際計算資源消耗計費，而非固定服務器租賃費用，尤其適合AI訓練和推理任務中常見的波動性負載。
   • 消除閑置成本：AI模型訓練通常需要突發性算力，Serverless能自動分配資源，避免傳統模式下預留資源導致的服務器空置問題。
2. 彈性擴展與資源優化
   • 動態資源分配：將MCP Server 托管在函數計算上，基于Serverless架構，可實時響應AI任務需求，自動擴展CPU/GPU，確保算力高并發處理能力。
   • 多模型協作支持：支持多個AI項目并行運行，資源按優先級動態調度，提升整體算力利用率。
3. 簡化運維與加速開發
   • 無服務器管理：開發者無需關注服務器配置、補丁更新或集群管理，專注算法優化和迭代MCP Server 內部邏輯和工具豐富度。
   • 開箱即用的工具鏈：函數計算提供了完善的工具鏈能力，基于開源 Serverless Devs開源工具實現本地快速部署。
4. 更靈活的MCP協議適配
   • 當前函數計算提供單實例多并發能力，擴展對存量SSE協議的適配，基于社區提供的MCP Proxy方案能夠快速將存量本地MCP Server托管到云端，方便業務平臺的測試開發。
   • 提供基于WebSocket 的MCP協議適配參考實現，支持單實例單并發和單實例多并發能力支持，提升協議適配和場景適配；同時團隊緊跟社區 Streamable HTTP 方案，敬請期待！

體驗：一鍵部署熱門 MCP Server

依賴 Serverless 應用開發平臺 CAP，我們能夠快速實現開源 MCP Server 一鍵托管，假如您搭建的 AI Agent 中需要加入導航服務，您可能會需要高德社區提供的 MCP Server ，接下來我們將以開源項目 amap-maps-mcp-server 為例演示如何一鍵部署 MCP Server 到函數計算FC上。

第一步： 模版部署

點擊 https://cap.console.aliyun.com/create-project?template=start-mcp-amap-maps 進入CAP控制臺。填入從高德開發者申請的 Token（立刻申請完成），可以在這里申請。

第二步： 測試 MCP Server 提供的工具能力

部署成功之后，通過觸發器頁面，拿到測試URL可對當前MCP Server進行測試。如果希望將部署的MCP Server 用于生產，建議使用自定義域名代替測試URL。

測試步驟一：本地終端運行命令： npx @modelcontextprotocol/inspector

測試步驟二：瀏覽器中打開本地提供的測試地址“http://localhost:5173/#tools ”進行測試，在URL表單中填入上面獲取的URL，添加/sse 后綴填入URL表單中，點擊Connect會看到開源 MCP Server提供的Tools列表，可以點擊置頂Tool進行交互驗證。

如果您對于產品有更多建議或者對 MCP server 云端托管有更多想法可以加入釘釘群（群號：64970014484）與我們取得聯系。

更多開源 MCP Server一鍵部署

更多內容關注 Serverless 微信公眾號（ID：serverlessdevs），匯集 Serverless 技術最全內容，定期舉辦 Serverless 活動、直播，用戶最佳實踐。