大模型科普专栏 ·【AI 科普】：一文看懂Prompt → AI Agent → Function Calling → MCP
目录
3. Function Calling：模型第一次“伸手”拿工具
6. 实战：5 分钟跑通 MCP Server + Claude Desktop
在大模型技术迅速发展的今天，我们经常听到各种新名词：Prompt（提示词工程）、AI Agent、MCP、Function Calling。这些概念既相关又不同，本文将带你系统梳理它们的来龙去脉，帮助大家快速建立认知。
1. Prompt：与大模型的“对话语言”
在大模型出现之前，我们写程序需要严格的语法；而如今，Prompt 就像是与 AI 沟通的语言。
1.1 什么是 Prompt？
-
Prompt（提示词）是输入给大模型的指令或问题，用于引导模型生成符合预期的输出。
-
一句话 Prompt 可以让模型生成代码、总结 PDF、画时序图，也能让它“一本正经地胡说八道”。区别就在于你是否掌握了 Prompt Engineering。
-
例如：
请帮我写一段Python代码，实现快速排序。
1.2 Prompt 工程的技巧
-
角色设定：告诉模型它要扮演什么身份（如“资深程序员”）。
-
格式约束：要求输出遵循 JSON、Markdown 或代码块。
-
思维链（Chain-of-Thought）：引导模型逐步推理。
💡 一句话总结：Prompt 是人与大模型之间的“编程接口”，掌握 Prompt 工程，就像掌握了一门新语言。
2. AI Agent：会自己动手的“数字员工”
如果说 Prompt 是“语言”，那么 AI Agent 就是能听懂语言并行动的智能体。
2.1 什么是 AI Agent？
AI Agent 不只是生成文字，它还具备：
-
感知能力：能读取外部环境信息（如数据库、网页、传感器）。
-
决策能力：根据目标和反馈做出推理。
-
执行能力：调用工具（API、程序），完成实际操作。
一句话总结：以大语言模型为“大脑”，具备 感知→规划→记忆→工具使用 四大能力的闭环系统。
2.2 三大核心组件
| 组件 | 作用 | 技术实现 |
|---|---|---|
| Brain（大脑） | 决策&生成 | LLM（GPT-4/Claude/文心一言） |
| Memory（记忆） | 多轮对话、长期存储 | VectorDB（Pinecone/Milvus） |
| Tools（工具） | 调用外部世界 | API、浏览器、数据库、MCP Server |
2.3 典型落地场景
-
个人助理：自动读邮件 → 总结 → 生成待办 → 写入 Notion
-
DevOps Agent：监控告警 → 拉日志 → 定位代码 → 发 Merge Request
-
电商客服：识别用户情绪 → 查订单 → 申请退款 → 发优惠券
2.4 例子：AI Agent 的工作流程
-
任务：帮用户订一张明天去北京的机票。
-
流程：
-
接收 Prompt → “帮我订机票”。
-
推理 → 需要查航班信息。
-
调用外部 API → 获取航班数据。
-
决策 → 选择最优航班。
-
执行 → 完成购票操作。
-
💡 一句话总结：AI Agent 就是“带工具的大模型”，能从语言到行动全链路执行。
3. Function Calling：模型第一次“伸手”拿工具
在实际应用中，我们需要大模型不仅生成文本，还要触发具体的函数，这就是 Function Calling。
3.1 诞生背景
2023 年 6 月 OpenAI 在 gpt-3.5-turbo-0613 中首次发布 Function Calling：
让模型在生成文本的同时，输出一个 JSON 结构告诉开发者“我现在想调用某个函数，并给你传这些参数”。
3.2什么是 Function Calling？
-
Function Calling 是大模型的一种能力：根据用户需求，自动输出符合函数调用格式的参数，并触发对应的函数执行。
🔧 示例：
用户 Prompt：
帮我查一下明天北京的天气。
模型输出（结构化参数）：
{
"name": "get_weather",
"arguments": {
"city": "北京",
"date": "2025-08-19"
}
}
系统执行 get_weather(city, date) → 返回天气结果。
开发者拿到 JSON 后，去真正的天气 API 跑一圈，再把结果塞回对话，模型继续生成自然语言回答。
📌 应用场景
-
智能客服（调用知识库/数据库）。
-
电商助手（下单、查询订单）。
-
金融分析（自动调用 API 获取行情）。
💡 一句话总结：Function Calling 是把大模型从“语言生成”变成“工具执行”的关键桥梁。
3.3 局限性
-
平台碎片化：OpenAI、Google、百度各家 JSON 格式不统一
-
仅描述调用意图，不解决“怎么连、连不上怎么办”
于是，社区急需一个“大一统”协议 —— 这就是 MCP。
4. MCP：把无数“充电线”统一成 Type-C
最近很火的 MCP（Model Context Protocol），是 OpenAI 提出的一种新标准。
4.1 什么是 MCP？
MCP：模型上下文协议（Model Context Protocol）
-
定义：MCP 是一种通信协议，让模型与外部工具、数据库、插件更好地交互。
-
MCP（Model Context Protocol）由 Anthropic 于 2024.11 提出，被戏称为“AI 世界的 USB-C”。 一句话：它规定了一套 模型如何发现、调用、校验外部工具 的标准流程。
-
核心目标：
-
标准化 上下文输入（context）。
-
统一 插件/工具接口。
-
提高 AI Agent 的可扩展性。
-
4.2 架构图（官方版）
+-----------+ MCP +-----------+ | | <----------------> | | | Host | stdio / SSE | MCP | | (Claude/ | | Server | | Cursor) | | (Tool) | +-----------+ +-----------+
-
Host：你的主程序（IDE、聊天客户端）
-
MCP Client：与 Server 一对一长连接
-
MCP Server：暴露工具、数据源的小微服务，可以用 Python/Node/Go 写
4.3 核心能力
| 能力 | 说明 | 示例 |
|---|---|---|
| 动态发现 | 运行时枚举可用工具 | 连上 Server 立刻出现 search_code、run_sql 等按钮 |
| 统一参数 | 不用再看不同 API 文档 | 所有工具都用 JSON Schema 描述 |
| 安全隔离 | 本地文件、远程 API 权限可控 | 一键 revoke |
| 双向通信 | 支持流式返回、进度条 | 跑长任务不卡 UI |
4.4 MCP 的作用
-
类似 “浏览器的HTTP协议”：有了统一协议，任何 AI Agent 都能方便调用外部工具。
-
例如：
-
通过 MCP，模型可以直接访问公司内部数据库。
-
通过 MCP，AI 可以无缝调用 GitHub、日历、邮件等服务。
-
💡 一句话总结：MCP 是 AI Agent 的“通讯协议”，让 AI 真正像操作系统一样可扩展。
5. 四者的关系图谱
为了更好理解，下面用一张图来总结：
Prompt —— 提示语言 ↓ AI Agent —— 会思考、能决策的智能体 ↓ MCP —— 通用的交互协议，扩展外部能力 ↓ Function Calling —— 具体调用工具/函数执行任务
可以这样类比：
-
Prompt：输入指令
-
AI Agent：智能操作系统
-
MCP：通信协议（像 HTTP）
-
Function Calling：API 调用（像浏览器执行请求）
6. 实战：5 分钟跑通 MCP Server + Claude Desktop
6.1 安装
pip install fast-mcp
6.2 写工具（demo_tools.py）
from fast_mcp import Server, Tool
app = Server("demo")
@app.tool()
def get_weather(city: str) -> str:
"""获取城市天气"""
return f"{city} 今天 28℃，晴，紫外线强，建议涂防晒。"
6.3 启动
fast-mcp --tools demo_tools.py # 输出：MCP Server listening on stdio
6.4 在 Claude Desktop 中配置
打开 claude_desktop_config.json 追加：
"mcpServers": {
"demo": {
"command": "python",
"args": ["-m", "fast_mcp", "demo_tools.py"]
}
}
重启 Claude → 输入“帮我查一下深圳天气” → 见证魔法 ✨
7. 总结 & 展望
| 维度 | 2023 | 2024 | 2025+ |
|---|---|---|---|
| Prompt | 玄学咒语 | 结构化模板 | 自动优化器 |
| Agent | 玩具 Demo | 垂直场景落地 | 多智能体协作 |
| Function Calling | 平台专用 | 能力增强 | 被 MCP 统一 |
| MCP | 未诞生 | 协议确立 | 生态爆发 |
预测：2025 下半年将出现“MCP 商店”，像 VS Code 插件市场一样，一键安装各种 Server，Agent 搭积木式组装工作流。
👉 如果你觉得本文对你有帮助，欢迎点赞 + 收藏 + 关注，一起探索 AI 新世界！ 🚀
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
34
0- 0
已为社区贡献1条内容
所有评论(0)