3个月，200家客户，和大家聊聊企业AI应用（AI Agent）的落地实践

开篇

什么是AI应用

从“工具”到“智能伙伴”的进化

AI Agent + LLM的双引擎模式

企业能力的核心 – MCP服务

• 改造该技能或工具背后服务的代码，做API协议适配、定制等集成方案。

构建AI应用的两种路径：全新开发 vs. 存量改造

AI 应用基本架构

• 
  

实际生产中 ③ – ⑧ 步会多次循环交互。

AI Agent 概述

Google AI Agent 白皮书

Anthropic AI Agent 白皮书

OpenAI AI Agent 白皮书

可在https://www.youtube.com/redirect上搜索

什么是AI Agent

AI Agent 核心组件

AI Agent 推理模式

AI Agent 安全与防护

AI Agent的构建模式与AI Agent类型

总结

AI Agent 运行时

AI Agent 运行时的挑战点

函数计算FC 作为 AI Agent 运行时的优势

典型场景探讨

AI Agent 大脑 – LLM

LLM生产项目中必然会遇到的问题

AI网关简述

AI网关代理LLM

AI Agent使用LLM方式总结

MCP 是什么

• 是大模型厂商提供的专有能力，由大模型厂商定义，不同大模型厂商之间在接口定义和开发文档上存在差异；允许模型直接生成调用函数，触发外部 API，依赖模型自身的上下文理解和结构化输出能力。

MCP Registry 定义及特性

使用MCP Registry构建AI Agent技能池的优势

从我们和Anthropic MCP团队的沟通交流来看，他们的野心是想构建一个类似Maven一样的大中心MCP Registry。

• 
  
• SpringCloud服务/Dubbo服务/Go服务的配置文件 -> 各类MCP Server的系统提示词
  
  

我们拿MSE Nacos现有的的功能和Anthropic对MCP Registry的定义做一下对照：

• 
  

MSE Nacos 3.0 定义 MCP Registry 超集（企业级MCP Registry）

• 

如何构建MCP服务

阿里云百炼平台的MCP服务，底层运行时使用的就是函数计算FC。

注意：上图的IP字段可以填写IP，也可以填写域名。

AI 应用观测体系

AI应用遇到的问题

AI应用典型框架

AI全栈统一观测

最佳实践