近日，火山引擎发布大模型生态广场—— MCP Servers，借助字节跳动生态能力，通过“MCP Market（工具广场）+ 火山方舟（大模型服务）+Trae（应用开发环境）”深度协同，实现工具调用、模型推理到应用部署的全链路开发闭环，助力开发者以 “模块化组装” 模式告别复杂手动开发流程。
火山引擎大模型生态广场MCP Servers的核心架构由三部分组成：
1. MCP Market（工具广场） ：“大模型工具超市”，集成了众多高质量的 MCP 协议适配工具，涵盖搜索、数据库、业务系统 API 等高频场景。目前，MCP Market已开源，企业能将自研工具按 MCP 协议封装并上传共享，实现“用生态”与“建生态”的良性循环，让工具资源不断丰富。
2. 火山方舟（大模型服务） ：让模型从“被动执行指令”转变为“主动调用资源”解决任务。比如用户规划出差行程，大模型会自动解析 MCP 工具库，调用航班查询工具获取实时信息，联动导航工具规划路线，最后整合输出结果。若航班延误，模型还能及时调整方案（如“建议改签高铁，避免误事”），真正让大模型从“聊天助手”升级为“干活能手”。
3. Trae（应用开发环境） ：在 Trae 中开发大模型应用，如同与 AI 组队。开发者输入需求后，Trae 的智能体自动拆解任务并调用适配工具，开发者只需补充约束或指定工具，后续的逻辑串联、接口调试都由 AI 完成，应用完成后还能一键部署，实现“需求输入即开发启动”的高效流程。
作为MCP Servers首批发布的协议适配工具，LAS MCP可以让用户在开发过程中，与AI数据湖服务LAS更好、更快适配。
用户只需在大模型工具广场选择并生成 LAS MCP 的调用方式，随后注册到 Trae，再结合火山方舟的大模型服务，就能快速完成一款数据分析应用的开发工作。
据介绍，火山引擎AI数据湖服务 LAS 孵化于字节跳动大模型业务，能构建新一代AI数据湖，高效存储、管理和处理多模态数据（文本、图像、音视频等），支持数据准备、模型微调等场景。
具备以下特点：
-
支持文本、图像、音视频等多模态数据入湖，采用 Lance、Iceberg 等优化湖格式自动管理存储碎片。
-
提供数据集全生命周期管理，支持数据查询、版本控制及分布式缓存加速。
-
内置 Ray、PySpark 分布式引擎，兼容 CPU/GPU 异构调度，并集成数百个 AI 数据处理算子，支持自定义工作流编排。
作为火山引擎MCP生态的核心数据组件，LAS已与火山方舟大模型平台深度集成，为企业提供从数据准备、模型训练到推理部署的全流程AI数据支撑，在智能媒体、自动驾驶、金融分析等场景中，大幅降低AI应用落地门槛。
点击阅读原文，
了解【AI数据湖服务】更多信息