Function Calling

Function Calling在大模型中的作用：

• 扩展模型能力： 大模型本身无法直接操作外部系统（如数据库、计算工具），但通过调用预设函数，可以完成：实时数据获取（天气、股价、新闻）、复杂计算（数学运算、代码执行）、操作外部系统（发送邮件、控制智能设备）；
• 结构化输出： 模型可将用户自然语言请求转化为结构化参数，传递给函数。例如：用户说“明天北京天气如何？” → 模型调用 get_weather(location=“北京”, date=“2025-05-06”)；
• 动态决策流程： 模型可根据上下文决定是否（何时）调用函数，甚至链式调用多个函数（如先查天气，再推荐穿搭）；

Function Call是大模型与真实世界交互的“桥梁” ，从语言理解 => 具体行动

Function Calling、MCP、Skills的区别：

维度	Function Calling（2023）	MCP（2024）	Skills（2025）
定位	模型厂商私有接口（如OpenAI, Qwen）	开放协议（类似 HTTP/USB-C）	私有接口调用、单模型深度适配
扩展性	需为每个模型单独适配	一次开发，多模型兼容	多模型分拆适配、通用接口封装
复杂性	适合简单、单次调用任务	支持多轮对话、复杂上下文管理	单轮任务拆解、多轮任务编排
生态依赖	依赖特定模型（如 GPT-4）	跨模型、跨平台（如 Claude、Cursor）	单生态绑定、跨生态工具集成
安全性	依赖云端 API 密钥	支持本地化数据控制	云端密钥管理、本地数据管控
Skills是增强版渐进式的Function Calling。

• 先看元数据yaml；
• 再看指导说明书，加载完整的SKILL.md。

简单、原子化任务使用Function Calling会更方便：

• 查询天气 get_weather(city=“北京”)；
• 计算数学公式 calculate(expression=“3+5”)；
• 发送单条通知 send_email(to = " user @example.com ")；

优势：

• 开发快捷： 无需配置 MCP Server，直接通过模型 API 调用预定义函数。
• 低延迟： 单次请求-响应，无需协议层开销。
• 高安全性保障： 代码需以明文形式完整留存于本地项目，全程封闭存储，杜绝外部查看的可能，筑牢数据安全防线。

MCP 可能成为主流，但 Function Calling 作为底层能力仍将存在

案例：门票助手

这是一个智能门票助手机器人，主要功能包括：

• 提供门票订单查询服务
• 支持SQL查询工具，可对门票订单数据进行查询分析
• 支持终端交互（TUI）和图形界面（GUI）两种模式
• 基于Qwen Agent框架开发

系统架构流程图：

业务运行流程图：

核心代码：

页面展示图：

MCP

Model Context Protocol （MCP） 是由 Anthropic 公司于 2024 年 11 月推出的一种开放协议标准，目的在于标准化LLM 与外部数据源、工具及服务之间的交互方式。MCP 被广泛类比为“AI 领域的 USB-C 接口”。

MCP与Function Calling的区别：

类别	MCP	Function Calling
性质	协议	功能
范围	通用（多数据源、多功能）	特定场景（单一数据源或功能）
目标	统一接口，实现互操作	扩展模型能力
实现	基于标准协议	依赖于特定模型实现
开发复杂度	低：通过统一协议实现多源兼容	高：需要为每个任务单独开发函数
复用性	高：一次开发，可多场景使用	低：函数通常为特定任务设计
灵活性	高：支持动态适配和扩展	低：功能扩展需要额外开发
常见场景	复杂场景，如跨平台数据访问与整合	简单任务，如天气查询、商品推荐等

也可以把MCP理解成线上版的Function Calling，通过API远程调用方法，得到相应的结果。

核心概念

架构与组件：
MCP 采用 客户端-服务器（Client-Server）架构，主要包括以下核心组件：

• MCP Host： 运行 AI 模型的环境，如 Claude Desktop、Cursor IDE 等。
• MCP Client： 嵌入在 Host 中的组件，负责发起请求并与 MCP Server 通信。
• MCP Server： 轻量级服务，提供特定功能（如数据查询、API 调用等），供 AI 模型调用。

核心功能：
MCP 提供三种关键能力：

• Resources（知识扩展）： 提供结构化数据（如数据库、文档）以增强 AI 的上下文理解。
• Tools（工具调用）： 允许 AI 执行外部操作（如发送邮件、查询 GitHub、调用智能合约等）。
• Prompts（提示模板）： 预定义的指令模板，优化 AI 的任务执行。

案例：旅游攻略MCP

在 高德开放平台 内创建应用

添加应用的key：

添加成功后，如下所示：

在Cursor内找到设置MCP入口

在MCP入口添加MCP代码：

在 魔搭社区 的MCP广场找到高德地图MCP

高德地图 · MCP：

Stdio：Std是标准，io是输入输出，合在一起是标准的输入输出。
复制Stdio代码到 Cursor - MCP内：

添加成功后，会显示是否连接正常，连接成功的情况下，可以看到工具列表：

通过Cursor 验证高德MCP： 用高德MCP，做上海一天旅游攻略

把高德MCP接入到项目中：

MCP SDK

Python MCP SDK：
pip install mcp -i https://pypi.tuna.tsinghua.edu.cn/simple

• 创建 MCP Server： 提供标准化的 API，供 AI 模型调用外部功能（如文件操作、数据库查询等）。
• 注册工具（Tools）： 通过 @mcp.tool() 装饰器，将 Python 函数暴露给 AI 模型使用。
• 安全交互： 支持权限控制，确保 AI 不会越权访问敏感数据。
• 跨平台兼容： 支持与 OpenAI、Anthropic Claude 等 LLM 集成。

FastMCP 是 Python MCP SDK中的轻量级服务器框架：

• 简单易用： 仅需几行代码即可启动 MCP Server。
• 支持多种传输方式： 如 stdio（标准输入输出）、HTTP 等。
• 自动工具发现： 通过 @mcp.tool() 注解自动注册函数，供 AI 调用

MCP的应用场景：

• 发邮件
• 桌面管理
• 私有知识管理
• 系统的对接

MCP Inspector
专为MCP Server设计的开源调试工具，目的在于测试和优化 MCP Server的功能。

MCP Inspector的核心功能

• 服务器连接管理： 支持本地和远程 MCP 服务器连接，可配置不同的传输方式（如 STDIO 或 HTTP+SSE）。允许传递环境变量和命令行参数，方便调试不同运行环境下的服务器。提供执行历史记录（History），方便回溯工具调用过程。
• 服务浏览与调用： 提供可视化界面（默认访问 http : //localhost:5173），展示 MCP服务器提供的工具（Tools）、资源（Resources）、提示（Prompts）等服务。开发者可以直接在 UI 中调用工具并查看执行记录，例如测试计算器工具的加法运算并实时观察返回结果。

UV工具
在MCP协议中，uv工具常用于启动和管理MCP服务器。例如，在配置MCP服务器时，可以通过uv命令指定运行的Python脚本。

以下是一个典型的MCP服务器配置示例：

{
"mcpServers": {
"example-server": {
"name": "example-server",
"type": "stdio",
"command": "uv",
"args": [
"--directory",
"/path/to/your/project",
"run",
"main.py"
]
}
}
}

在这个配置中，uv被用来运行main.py脚本，从而启动MCP服务器

案例：桌面TXT统计器

搭建一个桌面TXT文件数量统计器，使用FastMCP

• 功能1：count_desktop_txt_files，统计桌面上 .txt 文件的数量；
• 功能2：list_desktop_txt_files，获取桌面上所有 .txt 文件的列表；

使用agent框架来使用mcp sdk：

展示样式：

可以把写好的MCP提交到 MCP 广场 · 魔搭社区，只要MCP审核通过后，可以让其他人使用：