从DeepSeek到MCP：2026中国大模型生态的五个拐点

一个 6 人团队，2026 年 1 月想把工单系统接上模型。三周前他们用 DeepSeek 的 API 跑通了问答，现在要加三个动作：改工单状态、查库存、发通知。问题从“用哪个模型”变成了“用哪个协议把这些动作挂上去”。这一年里，模型价格表、云厂商的 MaaS 货架、Agent 协议、备案要求几乎同时动过。

拐点一：开源权重压住 API 价格，自部署的账要算四项

时间点可核验：2024 年 12 月 DeepSeek-V3 以 MIT 许可开源，官方技术报告写训练消耗 278.8 万 H800 GPU 小时；2025 年 1 月 DeepSeek-R1 开源，同样是 MIT；阿里 Qwen 系列多个尺寸走 Apache 2.0，2025 年 4 月发布 Qwen3；2025 年 7 月月之暗面开源 Kimi K2，总参数 1T 的 MoE。

权重公开后，闭源 API 的定价空间被压住。DeepSeek 官方价目表把输入拆成缓存命中和未命中两档，输出单列一档，改过几轮，这里不写死数字，用的时候看当期页面。

单价只是其中一项，自部署还要算这四项：

要算的项	怎么估	常算错的地方
显存	权重 ≈ 参数量 × 每参数字节（FP16 约 2、INT8 约 1、INT4 约 0.5），再留 KV Cache	只算权重，并发一起来就 OOM
吞吐	拿真实 prompt 长度压测，看首 token 延迟和每秒输出	用短 prompt 测，结果偏乐观
跟版人力	上游权重每次更新，都要重新量化、回归、上线	按“部署一次”算，实际每个月都要动
数据与条款	数据是否出域、审计要求、开源许可的覆盖范围	把开源许可当合规许可，两件事

判断标准可以粗一点：日均 token 量不大、任务不卡延迟、要频繁换模型试错的团队，调 API 更划算；数据不能出域，或者自己算下来单位 token 成本已经高过机房折旧加电费，才考虑自部署。中间那一档是买云上的托管开源模型，2026 年大多数团队待在这个位置。

拐点二：MaaS 货架上，模型正在变成可替换件

2025 年上半年，腾讯云、阿里云百炼、火山引擎、百度智能云先后在自己的控制台里加了 MCP 服务入口或者 MCP 市场。这一步把 MaaS 的卖点从“我有多少 token 额度”挪到了“我这边挂了多少现成工具”。对使用者来说，模型 ID 越来越像可替换件。

迁移成本的变化很具体。换模型时，权重和推理框架不用你操心，真正花时间的是三样：提示词里的措辞和格式约束、工具描述（Agent 靠它决定调哪个）、你自己的评测集。前两样会随模型换而失效，第三样决定你能不能判断“换完到底变好还是变差”。

工程上做一件事就够：在业务代码和厂商 SDK 之间加一层薄适配层，只暴露 chat(messages, tools)、embed(texts) 这类你自己的函数签名，厂商 SDK 的对象不要透传到业务层。这层写起来不到一百行，换模型时能省掉全项目搜索替换。

拐点三：MCP 定了工具层接口，只读工具先跑通

MCP（Model Context Protocol）由 Anthropic 在 2024 年 11 月开源。之后两次改动值得记日期：2025 年 3 月 26 日，传输层改成 Streamable HTTP，替掉了原来的 HTTP+SSE 双端点方案；2025 年 6 月 18 日版本加了 elicitation（服务端可以回头向用户要补充信息）、结构化工具输出，并把 MCP server 归到 OAuth 资源服务器这一类角色。OpenAI 在 2025 年 3 月表示 Agents SDK 支持 MCP，Google DeepMind 也在 2025 年 4 月表态支持。

一次调用的链路是这样：

sequenceDiagram participant U as 用户 participant H as 宿主应用 participant C as MCP客户端 participant S as MCP服务端 participant A as 内部系统 U->>H: 把工单1024改成已处理 H->>C: 带上工具列表请求模型 C->>S: tools/call change_status S->>A: PATCH /tickets/1024 A-->>S: 200 S-->>C: 结构化结果 C-->>H: 结果与下一步

动手顺序：

挑一个只读接口先包，别一上来就写改数据的工具
用官方 SDK（TypeScript 或 Python）起 stdio server，本地跑通一次
工具描述写清三件事：什么场景用、参数取值范围、失败返回什么
再换成 Streamable HTTP，加鉴权，然后才是多实例
客户端配工具白名单，服务端对每个调用再验一次权限

先做只读的原因很实际：Agent 调错工具的代价是真实数据被改，回滚比调试贵。

顺带分清两个协议。MCP 管的是 Agent 怎么用工具和数据，A2A 管的是 Agent 之间怎么互相派活。A2A 由 Google 在 2025 年 4 月发布，2025 年 6 月捐给 Linux Foundation；IBM 和 BeeAI 推的 ACP 后来也进了 Linux Foundation 体系。做多 Agent 的项目两个都会碰到，但工具层是必经之路，先解决 MCP。

拐点四：Agent 的 token 账单，让定价方式变了

问答类产品按 token 计费，和成本基本对得上。Agent 不行：一次任务要跑多轮工具调用，每轮都把工具 schema 和对话历史重新塞进上下文，消耗按工具数量和上下文管理方式放大。按调用次数定价，遇到长任务就亏。

能看到的做法有三种，选哪种取决于你的任务能不能切成固定单位：

按席位：适合内部工具，用户数稳定，成本靠总量摊。
按任务：适合交付边界清楚的场景，比如一份合同比对、一批商品标题改写。报价前先测出单任务 token 均值。
按结果：只在结果可验证时用，比如生成的 SKU 属性通过校验才计费。验证脚本本身也是成本。

定价前先测三个数：单任务平均工具调用轮数、每轮的上下文长度、失败重试率。这三个数决定单任务成本，比模型单价重要。

拐点五：备案、内容标识、数据跨境，三条线分开走

合规容易混成一团，拆成三条线就清楚：

线	依据与时间	要做什么
面向公众提供服务	《生成式人工智能服务管理暂行办法》2023 年 8 月 15 日施行	按属地流程做生成式 AI 服务备案，语料和模型来源要能说清
内容标识	《人工智能生成合成内容标识办法》2025 年 3 月 14 日发布，2025 年 9 月 1 日施行	生成的图片、音视频、文本按要求做显式标识，元数据里写隐式标识
出海	欧盟 AI Act 2024 年 8 月 1 日生效，通用模型义务 2025 年 8 月起适用，高风险系统大部分义务 2026 年 8 月起适用	按落地国判断角色是提供方还是部署方，准备技术文档和风险管理材料

深度合成类服务还要看《互联网信息服务深度合成管理规定》（2023 年 1 月 10 日施行）。这几份文件管的事不一样，别用一份的结论去回答另一份的问题。

做海外业务的团队多问一句：模型权重从哪来、用户数据存哪、日志留多久。三个问题回答不上来，后面补的代价很高。

今天能动手的一件事

打开你团队最常用的那个内部 HTTP 接口文档，挑一个只读的 GET 接口，用官方 SDK 包成一个 MCP 工具，在本地客户端调用一次，把这次会话的 token 数记下来。这个数字是你定价时的起点，也能让你知道那层模型适配层该留多厚。

关于参考视频：视频链接和 UP 主会随时间失效或改名，这里不给具体 URL，避免出现死链和错误署名。想看视频的，在 B 站、腾讯视频、优酷或抖音搜索「MCP 模型上下文协议实战」「DeepSeek 私有化部署」，优先选同时满足两个条件的：视频里报了 spec 版本号或制作日期（涉及 MCP 的，看是否包含 2025-06-18 之后的信息），并且用官方 SDK 实际敲代码。平台通常把旧教程排在前面，MCP 在 2025 年换过传输方式，日期太早的教程照着做会卡在鉴权那一步。

免责声明：本文提到的时间点、版本号和文件名以官方发布渠道为准；模型价格、备案流程与合规要求更新频繁，落地前请以模型厂商当期价目表、网信部门公开信息和当地监管要求为准。本文不构成法律意见，也不构成投资建议。