隨著人工智能的快速發(fā)展，大型語言模型（LLMs）逐漸深入到我們生活與工作的各個方面。然而，盡管模型強大，但其能力仍存在局限性，比如在實時信息獲取和復(fù)雜任務(wù)執(zhí)行方面仍有不足。

RAG（檢索增強生成）現(xiàn)在在企業(yè)的 AI 應(yīng)用中使用很廣泛，就是為了解決模型的信息不夠?qū)崟r，且沒有垂直領(lǐng)域知識的問題。

RAG 雖然厲害，但主要還是應(yīng)用在智能知識問答領(lǐng)域，大模型想要有更強的能力，就需要有效、安全地與外界進行互動，這就誕生了 Function Calling 和 MCP 。

Function Calling 依賴大模型的能力，MCP 是一種通用協(xié)議。

本文從概念層面談?wù)?Function Calling 和 MCP ，下一篇寫幾個代碼例子。

Function Calling（函數(shù)調(diào)用）介紹

概念

Function Calling 是特定大模型（如 OpenAI 的 GPT-4、Qwen2 等）提供的一種機制，使模型能夠主動生成結(jié)構(gòu)化輸出，以調(diào)用外部系統(tǒng)中預(yù)定義的函數(shù)或 API。

執(zhí)行流程

通常我們說大模型調(diào)用 API，但這種說法并不完全準(zhǔn)確，執(zhí)行過程如下圖：

• Agent 程序是我們開發(fā)的 AI 程序，在程序中會預(yù)先向大模型注冊外部函數(shù)接口（建議不超過 20 個）。
• 用戶通過自然語言發(fā)起請求，Agent 接收到請求。
• Agent 程序?qū)⒂脩粽埱筇峤唤o大模型，模型首先解析語義并評估是否需要調(diào)用外部工具。
• 模型如果判斷需要調(diào)用函數(shù)，將生成包含工具 ID 和輸入?yún)?shù)的調(diào)用指令，并返回給 Agent 程序。
• Agent 程序接收到模型返回的調(diào)用指令后，執(zhí)行對工具函數(shù)的調(diào)用。
• 工具函數(shù)執(zhí)行后將結(jié)果返回給 Agent 程序。
• Agent 程序?qū)⒑瘮?shù)返回的結(jié)果和自定義提示詞一起反饋給大模型。
• 大模型融合工具返回的數(shù)據(jù)與原始上下文，生成最終結(jié)果，并返回給 Agent 。
• Agent 程序?qū)⒔Y(jié)果輸出呈現(xiàn)給終端用戶。

特點

• 主動調(diào)用：模型能夠識別用戶的自然語言意圖，決定是否調(diào)用工具，并生成調(diào)用指令。
• 實時反饋：模型生成的函數(shù)調(diào)用指令，由 Agent 程序執(zhí)行后，再次反饋給模型，使模型生成實時和精準(zhǔn)的回應(yīng)。
• 具體實現(xiàn)靈活：沒有嚴(yán)格的標(biāo)準(zhǔn)通信協(xié)議要求，通信格式取決于具體模型廠商。這是個特點，也是個弊端。

MCP（Model Context Protocol）介紹

概念

MCP（Model Context Protocol，模型上下文協(xié)議）是 Anthropic 公司在 2024 年 11 月推出的一種標(biāo)準(zhǔn)協(xié)議。它的目的是給 AI 模型（如大語言模型）和外部數(shù)據(jù)源或工具之間建立起統(tǒng)一的通信接口。

可以簡單類比為 AI 的 USB 接口，無論是 AI 模型還是外部工具，只要符合 MCP 標(biāo)準(zhǔn)，就可以實現(xiàn)快速“即插即用”的連接，不需要為每個工具單獨編寫接口程序。也沒有變成語言的限制，就像前后端分離后，基于 WebAPI 的規(guī)范就可以，什么語言都能寫接口。

現(xiàn)在 OpenAI 也支持了 MCP 。

特點

• 開放性：MCP 是開放標(biāo)準(zhǔn)，任何開發(fā)者或服務(wù)商均可基于此協(xié)議開發(fā) API，避免重復(fù)造輪子，推動生態(tài)共建，目前已有大量 MCP 集合站（如：https://mcp.so）。
• 標(biāo)準(zhǔn)化：采用 JSON-RPC 2.0 標(biāo)準(zhǔn)通信，確保交互統(tǒng)一、高效。
• AI 增強：MCP 可將 AI 應(yīng)用從簡單問答升級為可執(zhí)行復(fù)雜任務(wù)的工具，如管理代碼、處理文件、連接外部系統(tǒng)。例如，Claude 通過 MCP 接入 GitHub 后，可完成項目創(chuàng)建、提交代碼請求等復(fù)雜操作。
• 安全性：MCP 數(shù)據(jù)交互基于標(biāo)準(zhǔn)協(xié)議，便于控制數(shù)據(jù)流、防止泄露。服務(wù)器內(nèi)置安全機制，可保護 API 密鑰不泄露給大模型提供商，主機可授權(quán)客戶端連接，確保連接安全可控。
• 兼容性：MCP 支持文件內(nèi)容、數(shù)據(jù)庫記錄、API 響應(yīng)、實時數(shù)據(jù)、截圖圖像、日志文件等幾乎所有數(shù)據(jù)格式，適用于多樣的數(shù)據(jù)交互場景。
• 擴展性：MCP 提供提示詞模板（Prompts）、工具（Tools）、采樣（Sampling）等功能，可靈活擴展 AI 應(yīng)用與數(shù)據(jù)源交互能力。開發(fā)者可根據(jù)需求定制提示模板或使用工具擴展數(shù)據(jù)處理功能。

核心架構(gòu)

MCP 采用客戶端-服務(wù)器（Client-Server）架構(gòu)，包括以下組件：

• MCP Host：發(fā)起請求的 AI 應(yīng)用程序或工具，如 Claude Desktop、Cursor、Windsurf 等。
• MCP Client：位于 Host 內(nèi)部，保持與 MCP Server 的一對一連接，負(fù)責(zé)消息路由、能力管理和協(xié)議協(xié)商。
• MCP Server：提供上下文數(shù)據(jù)、工具和提示詞模板的服務(wù)端組件，負(fù)責(zé)響應(yīng)客戶端請求，提供外部資源訪問。
• 資源與工具：包括本地或遠程的數(shù)據(jù)資源（如文件、數(shù)據(jù)庫）及可被模型調(diào)用的功能（工具），支持 AI 模型實時獲取外部信息并執(zhí)行任務(wù)。

調(diào)用步驟

• 宿主程序（客戶端）中配置相關(guān)的 MCP Server ，并建立與 MCP Server 的連接。
• 用戶使用自然語言進行提問，宿主程序?qū)⑻崾驹~（整合了用戶問題）和 MCP Server 提供的工具，一起給大模型。
• 大模型理解后產(chǎn)生調(diào)用指令，宿主程序?qū)⒄{(diào)用指令通過 Client 發(fā)送給 MCP Server 。
• MCP Server 收到請求后，解析請求內(nèi)容，執(zhí)行相應(yīng)操作（如搜索網(wǎng)絡(luò)信息、記錄筆記等），然后將處理結(jié)果封裝成響應(yīng)消息，發(fā)送回客戶端。

MCP 與 Function Calling 的關(guān)系和區(qū)別

關(guān)系

大模型就像是一個大腦，MCP 與 Function Calling 都是為了讓大模型能開口說話，動手做事。Function Calling 可視為 MCP 生態(tài)下的一種具體功能實現(xiàn)形式，尤其是在工具調(diào)用（Tools）這一概念上，兩者高度相似。

區(qū)別

交互模式：

• MCP：支持交互式、持續(xù)性的上下文管理，AI 可以與外部資源多輪互動。
• Function Calling：簡單的請求-響應(yīng)模式，單次調(diào)用執(zhí)行特定任務(wù)，無交互延續(xù)性。

定位：

• MCP：一種開放的標(biāo)準(zhǔn)協(xié)議，定義通用通信架構(gòu)和數(shù)據(jù)格式（類似于 USB 標(biāo)準(zhǔn)）。
• Function Calling：特定模型廠商提供的擴展能力。

通信協(xié)議標(biāo)準(zhǔn)化：

• MCP：嚴(yán)格遵守 JSON-RPC 2.0，具備高度標(biāo)準(zhǔn)化和互操作性。
• Function Calling：無統(tǒng)一標(biāo)準(zhǔn)，協(xié)議依賴具體模型廠商實現(xiàn)。

生態(tài)開放程度：

• MCP：生態(tài)開放，社區(qū)共建為主，任意開發(fā)者或服務(wù)商可自由接入。
• Function Calling：生態(tài)相對封閉，依賴特定模型廠商支持。

希望本文對您有所幫助！