作者：如漫、席翁 AI Agent的构建模式正在从“单个智能体做所有事”走向“多个专精智能体协作”，以更好地拆解并解决复杂任务、更精准的选取和使用工具。A2A（AgenttoAgent）协议作为统一的通信层，旨在为跨进程、跨语言的智能体互操作提供标准化语义与传输通道，从而解决智能体数量增加引起的运维、管理和部署成本过高等问题。 为了让开发者能够高效、便捷的构建分布式多智能体系统，同时更专注于Agent本身功能的构建和调试。Spring AI Alibaba与Nacos在今年的云栖大会上协同发布了1.0.0.4与3.1.0版本。 其中，Nacos 3.1.0 引入 A2A 了注册中心功能...

作者：亦盏 在人工智能加速发展的今天，AI Agent 正在成为推动“人工智能+”战略落地的核心引擎。无论是技术趋势还是政策导向，都预示着一场深刻的变革正在发生。 最近，国务院印发《关于深入实施“人工智能+”行动的意见》，明确提出：到2027年，新一代智能终端和智能体普及率将超过70%；2030年突破90%，智能经济将成为我国经济发展的重要增长极；到2035年，全面步入智能经济与智能社会新阶段。 这一系列目标的背后，正是以 AI Agent 为核心的技术体系逐步走向成熟并大规模落地的信号。 OpenAI 创始人 Andrej Karpathy 曾提出一个经典的三段论，用以描述...

作者：濯光 一、背景与挑战：MCP Server 落地中的典型问题 随着 AI Agent 生态的发展，Model Context Protocol（MCP）作为连接 Agent 与外部工具的标准协议，正在被越来越多的技术团队采用。但在实际落地过程中，MCP Server 的部署、运维与统一管理成为关键挑战。 + 部署运维成本高，运行时选择困难：在生产实践中，MCP Server 往往需要单独部署，许多团队将 MCP Server 部署在自建服务器或容器环境中，需要手动管理进程、配置网络、处理扩缩容。一旦调用量突增，服务容易崩溃；流量低谷时资源又闲置浪费。 + MCP 调试迭代必须重启...

不同于传统软件开发通过编程与算法构建的确定性逻辑，AI 时代的应用构建以面对自然语言编程、上下文工程为核心特征，将复杂业务逻辑与决策过程下沉至模型推理环节，从而实现业务的智能化自适应。 然而，AI 应用开发过程中仍面临诸多挑战，例如开发阶段强依赖模型黑盒特性，导致结果可控性不足、幻觉问题频发，从原型验证（PoC）到生产部署往往需要数月调优，核心痛点集中在调试效率与业务适配；上线后则面临推理延迟、稳定性波动、问题排查困难、安全风险凸显、输出不可靠及成本过高等问题，折射出企业级 AI 应用在稳定性、性能、安全与成本控制上的系统性挑战。 针对此，阿里云联合阿里巴巴爱橙科技，共同...

作者：柳遵飞(翼严) 一.前言.独立运行时Agent架构的必要性 当前，智能Agent的开发正面临两条截然不同的路径选择。一方面，高代码方式通过SDK和API编码提供灵活性，但带来了巨大的复杂性负担——开发者需要深入理解模型集成、工具调用、记忆管理和分布式协调等复杂概念，显著提高了开发门槛和维护成本。另一方面，像百炼，Dify、Coze为代表的低代码平台以其出色的易用性迅速占领市场，通过可视化界面让用户能够快速构建"Model+Prompt+MCP+RAG+Memory"的标准Agent模式。 然而，这些低代码平台通常采用共享运行时架构，将所有Agent部署在同一个执行环境中，虽然降低...

作者：子葵 MCP Registry 正式发布 最近，MCP 社区发布了 ，为公开 MCP Server 提供“统一目录服务和开放 API”。 Nacos 已原生支持 MCP Registry API，可直接作为“MCP Registry”对外提供标准 REST/OpenAPI 服务端，天然融入企业现有注册中心与配置治理体系，并与 Higress/HiMarket 对接打通，让企业能够高效的构建自己的私有MCP 市场。 为什么需要 MCP Registry 从 LAMP/单体 → SOA/微服务 → 容器/K8s 的演进，带来了开发与运维效率的飞跃。随着 ChatGPT/DeepS...

作者：正己 背景 随着人工智能的迅猛发展，AI Agent 正日益深入人们的生活与工作场景。特别是自去年11月 MCP 协议发布以来，AI Agent 对外部数据和工具的调用能力得到了显著提升，展现出更强的自主性与实用性。然而，在享受 MCP 工具带来便利的同时，用户也面临一系列现实挑战： 服务选择与配置复杂：目前市面上存在成千上万的 MCP 服务器，用户需根据具体任务自行筛选合适的服务器，并手动配置至 AI Agent。这一过程不仅繁琐，还可能显著降低使用效率，影响整体体验。 Token 消耗过高：若为 AI Agent 配置过多 MCP 服务器，会导致与大模型交互时需将所有工具的...

作者：子葵 Naocs 3.0 中已经支持和Higress配合使用实现存量Http转化为MCP服务，3.0.1 及以上版本在支持存量转化的基础上同时支持同步Nacos中已经注册的原生的MCP服务，并在Higress上进行暴露，完成了对所有Remote Server类型的代理访问支持。 通过结合 Spring AI Alibaba，FastMCP 等框架，可以实现应用自动注册到Nacos中，并通过 Higress 自动将注册的应用对外暴露给Client侧访问。此文档从0到一完成Higress+Nacos配合实现REST API转MCP和透明代理暴露标准 MCP 服务。 环境准备 ...

作者：濯光 Dify 是一个面向AI时代的开源大语言模型（LLM）应用开发平台，致力于让复杂的人工智能应用构建变得简单高效，目前已在全球范围内形成显著影响力，其 GitHub 仓库 Star 数截至 2025 年 6 月已突破 100,000+，目前，Dify 已经成为 LLMOps 领域增长最快的开源项目之一。 然而，AI领域正处于蓬勃发展,快速变化的阶段，每天都有新技术，新的应用场景在出现，Dify也有其力所不逮的地方： + MCP集成困难。最近，MCP (Model Context Protocol，模型上下文协议)的风潮正在刮遍整个领域。MCP是一个开放协议，旨在标准化大型语言...