文章大纲引言一、Function Call1、核心价值2、Function Call 时序图3、Function call如何嵌入到模型中二、什么是MCP?三、MCP Server1、MCP 架构2、MCP的通信机制3、MCP Server的核心功能3.1、动态工具发现3.2、权限控制与安全执行3.3、资源暴露与工具调用3.4、实时通信与上下文管理4、MCP Server的应用5、[MCP 的开发略](https://modelcontextprotocol.io/quickstart/server)四、什么是Agent1、Agent 的特征2、Agent的形态3、Agent的工作时序图五、Function Call vs MCP vs Agent1、复杂度与能力方面2、 响应方式3、三者协同4、功能对比5、总结引言在人工智能快速发展的当下Agent、MCP、Function Call这三个概念频繁出现在各种技术讨论中但它们之间存在相似性容易被混淆。本文所有知识整理自网络和个人的一些浅薄的理解仅供参考因为有些理解我不知道是否是正确的一、Function CallFunction Call函数调用是大模型调用外部函数或API以获取信息、执行计算或与系统交互的机制Function Call绑定到大模型身上后使得大模型可以调用外部函数或API以增强大模型能力是连接自然语言与程序化工具的桥梁。1、核心价值突破模型闭域限制通过调用外部工具如数据库、API、专业软件扩展LLM能力边界提升响应可靠性将开放域问题转化为确定性函数执行如数学计算转Wolfram Alpha调用实现动作代理从纯文本生成升级为可编程行为如发送邮件、修改代码通常与大模型绑定 作为模型的一部分增强大模型能力的直接方式2、Function Call 时序图以下是ChatGPT 利用Function call解答“北京今日气温”的时序图3、Function call如何嵌入到模型中Function Call 就是升级版的ChatGPT插件就是把ChatGPT插件的过程API化是深度绑定到模型中模型运行时直接调用的就像是模型内部的协议一样通过结构化的描述文件来简化通信流程。ChatGPT 插件的机制你的服务端给它提供一个描述文件就是告诉 ChatGPT 怎么调用你的接口以及这些接口都能做什么。 那么当用户在使用 ChatGPT 的时候如果 ChatGPT 认为用户提的某些问题你的插件能够更好的解决那么 ChatGPT 就会直接去调用你插件的接口。https://www.swiftcafe.io/post/openai-api二、什么是MCP?MCPModel Context Protocol 是大语言模型LLM与外部数据源、工具及服务之间的交互的一种通用的开放通信协议。其核心目标是通过统一的接口框架解决AI模型与真实环境连接不足的问题使模型能够动态感知上下文并调用多样化工具从而扩展其功能边界。三、MCP Server1、MCP 架构MCP 协议基于C-S架构核心组件包括MCP Hosts主机: 像 Claude Desktop、IDE 或 AI 工具这样的程序它们希望通过 MCP 访问数据MCP Clients客户端: 维护与服务器 1:1 连接的协议客户端MCP Servers服务器: 每个暴露特定功能的轻量级程序通过标准化的模型上下文协议Local Data Sources 本地数据源: 您计算机的文件、数据库和服务MCP 服务器可以安全地访问Remote Services 远程服务: 可以通过互联网例如通过 API访问的外部系统MCP 服务器可以连接到MCP通过标准化接口和动态工具发现机制正在重构AI与工具生态的协作范式。其本质是构建LLM与真实世界的通用适配层既解决了模型与环境的割裂问题又降低了开发者的集成成本2、MCP的通信机制消息格式基于JSON-RPC 2.0协议支持请求双向、响应、通知单向三类消息类型。传输方式本地通信通过标准输入输出stdio传输适用于IDE等本地工具集成。远程通信使用SSEServer-Sent Events实现HTTP长连接支持跨网络服务调用3、MCP Server的核心功能3.1、动态工具发现MCP Server 允许 LLM 运行时动态获取已注册的工具列表如数据库查询、文件操作等无需硬编码集成极大提升灵活性和扩展性。3.2、权限控制与安全执行支持细粒度权限管理开发者/用户/模型层级并通过沙箱技术如 Docker、WASM隔离工具执行环境保障数据安全。3.3、资源暴露与工具调用可安全暴露本地文件、数据库记录或远程 API 服务供 LLM 通过自然语言指令调用例如查询 PostgreSQL 数据库或生成 3D 建模指令。3.4、实时通信与上下文管理支持双向通信如 SSE 事件流实时推送数据更新至 LLM维持会话状态以优化多轮交互4、MCP Server的应用5、MCP 的开发略四、什么是AgentAgent智能体指能够自主动态感知环境、规划任务并调用外部能力外部服务、外部工具、数据库、MCP、Function Call等以实现目标的实体具备环境交互、决策与学习能力。与普通程序最大的不同Agent具有环境感知的动态响应能力如自动驾驶实时避障而传统程序仅按预设流程执行。Agent可以可以调用外部服务 工具、数据库等具备自主决策能力 完成复杂任务可以调用MCP、Function Call等能力1、Agent 的特征其核心特征是“自主代理动态规划”代替用户或系统完成任务。自主决策能够根据目标制定计划状态记忆能够保持上下文连贯性迭代改进: 能够根据反馈动态调整策略情境感知通过多模态传感器融合如Tesla的8摄像头雷达系统一般的核心工作流模型为环境输入 → 感知滤波 → 状态评估 → 策略生成 → 动作执行 → 效果反馈。2、Agent的形态根据形态可分为软件Agent如聊天机器人、推荐算法物理Agent如自动驾驶汽车、工业机器人混合Agent如无人机搭载视觉识别系统3、Agent的工作时序图五、Function Call vs MCP vs AgentFunction Call是指大模型直接调用预定义函数的能力允许模型生成请求参数并整合结果。例如模型可以通过Function Call查询天气或执行简单的数学计算。它的本质是“代码级工具”通常与模型绑定部署。Agent是一种具备自主决策能力的AI实体能够感知环境、规划任务并自主调用工具包括MCP Server和Function Call完成目标。例如一个Agent可以接到“撰写AI趋势报告”的任务后自动抓取数据、分析内容并生成报告。 MCP Server的功能相对单一专注于提供数据和工具接口的工具箱。例如它可以抓取网页、读取文件或调用API但不具备推理能力。1、复杂度与能力方面2、 响应方式3、三者协同4、功能对比5、总结AI Agent 是一个智能系统它可以自主运行以实现特定目标。传统的 AI 聊天仅提供建议或者需要手动执行任务AI Agent 则可以分析具体情况做出决策并自行采取行动。而AI Agent 可以利用 MCP 提供的功能描述来理解更多的上下文并在各种平台/服务自动执行任务。如果Agent想要更好地完成任务一般需要接入足够多的外部工具而外部工具的接入千差万别Function Call是大模型本身的一种能力可以调用外部函数或API以增强大模型能力但它同样面临着不同开发者自由定义导致的不标准问题MCP则是给AI应用提供了一套标准化协议方便AI应用更好地访问外部工具以提升大模型的响应能力。参考文档https://zhuanlan.zhihu.com/p/28064225853https://mmssai.com/archives/31934https://www.woshipm.com/ai/6198952.html