国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

隨著 AI 原生應(yīng)用的興起，MCP（Multi-step Calling Protocol）與 Function Calling 正在成為連接模型能力與業(yè)務(wù)邏輯的關(guān)鍵橋梁。本文將帶你深入理解 MCP 的設(shè)計理念與 Function Calling 的底層機(jī)制，結(jié)合典型應(yīng)用場景，厘清它們在智能體架構(gòu)中的角色分工與協(xié)同路徑。

隨著大語言模型（LLM）的浪潮奔涌而至，我們不再滿足于其潛能被禁錮在簡單的問答模式中。我們渴望它能像人類一樣，執(zhí)行更復(fù)雜的現(xiàn)實任務(wù)。然而，一個根本性的問題浮現(xiàn)眼前。

無論是基于訓(xùn)練數(shù)據(jù)還是外接知識庫，LLM在本質(zhì)上都是一個“靜態(tài)的缸中大腦”。它與人類在執(zhí)行任務(wù)時有著許許多多的的區(qū)別，而在這些區(qū)別中有一個影響模型能力的關(guān)鍵區(qū)別——與真實世界的實時交互能力。

設(shè)想一個場景：當(dāng)被問及“今天上海天氣如何？”，我們不會基于過去的記憶去推斷，也不會想去查閱一本記錄著歷年上海天氣的“指南”，而是會立即打開天氣應(yīng)用，獲取一個實時的、準(zhǔn)確的答案，也就是說，我們能用恰當(dāng)?shù)男袆樱溄悠饋砦锢硎澜纾ū粏柕降膯栴}）和數(shù)據(jù)世界（天氣預(yù)報中記錄的實時信息）。

那么，如何讓“缸中大腦”也能像我們一樣，擁有“打開天氣預(yù)報”這種執(zhí)行能力？這便是我們今天要探討的核心技術(shù)：Function Calling 與 MCP。

由于這些名詞Function Calling、MCP都是海外創(chuàng)造的詞匯，我們需要對這些詞匯先有個簡單的理解對齊。

什么是Function Calling?

我們知道，大語言模型的能力本質(zhì)上就是在接收文本序列、生成文本序列，也就是一臺Sequence to Sequence的機(jī)器，因此要讓大模型具備與真實世界獨立交互的能力，我們只能在文本的層面做一些改造。這種改造分為兩個方面：首先要讓模型理解它能夠和哪些真實數(shù)據(jù)交互，即它能夠使用哪些工具獲取實時數(shù)據(jù)。其次就要讓它知道它如何正確“打開”這個工具。這兩項能力組合起來，就是Function Calling的能力。

讓我們結(jié)合一個如何實現(xiàn)FunctionCalling的例子來進(jìn)一步對齊：

我們現(xiàn)在有一個能夠語義理解的模型，還有一張表格，里面存放著世界上所有地區(qū)的實時天氣情況。

我們在不給予模型任何額外背景的情況下，它是一臺能夠根據(jù)已有知識對用戶輸入產(chǎn)生合理輸出的機(jī)器，如果我問它：“今天上海天氣怎么樣？”，這個問題會轉(zhuǎn)化成向量，在模型大腦中一通計算，最后給出一個模型已有知識中它認(rèn)為最能回答這個問題的答案，它可能是“還不錯”，也可能是“我的門口有兩棵樹，一棵是棗樹，另一棵還是棗樹”，它的回答內(nèi)容，取決于我們用了什么“靜態(tài)數(shù)據(jù)”訓(xùn)練它，以及提供了什么“靜態(tài)”知識庫供它訪問，它沒有獲取實時信息的能力。

那么，我們?nèi)绾巫屗ゴ蜷_那張實時更新的表格，并從里面查信息呢？你肯定已經(jīng)想到了，我們可以將查表格的能力抽象成一個接口，由模型來向接口發(fā)送請求并攜帶對應(yīng)參數(shù)來獲取數(shù)值，也就是這么做：

這一次，在我們問出“今天上海天氣怎么樣”的時候，同步給模型一個“靜態(tài)知識”：你可以調(diào)用一個工具，叫做get_weather來獲取天氣，這個工具的描述如下：

也就是說，模型收到的輸入如下：

而當(dāng)我們的模型接收到問題輸入的時候，它會經(jīng)過分析，判斷出需要調(diào)用get_weather這個工具，并且從工具列表中判斷得到它需要一個location參數(shù)，于是輸出一個型如下的格式請求：

到這一步Function Calling也就結(jié)束了。也就是說，什么是Function Calling其實可以用下面一句話描述清楚：

Function Calling就是指模型根據(jù)用戶提供的工具列表，分析用戶的問題需要調(diào)用什么工具，并且按照符合工具列表的要求生成對應(yīng)工具請求的輸出的能力。也就是判斷工具選型、生成工具請求兩項能力。

什么是MCP？

MCP，我們都知道它是一個“協(xié)議”。而它究竟有什么用、和我們剛剛講的Function Calling有什么關(guān)系呢？請看下圖：

在我們開始分析這張圖之前，我們需要明晰一件事：MCP和Function Calling有什么關(guān)系？

我們知道Function Calling指的是模型根據(jù)用戶問題，拆分問題、生成工具請求的能力。我們可以將Fucntion Calling理解為一種能力，而MCP則是“施展這種能力的舞臺”。

MCP，全稱是模型上下文協(xié)議（Model Context Protocol），我們不去講MCP到底是如何實現(xiàn)的，但是我們需要知道它是如何在Function Calling的基礎(chǔ)上搭建并工作的。

MCP的核心是MCP Server，它是一個裝載著大量工具的服務(wù)，能夠提供給模型工具列表（Function Calling中提到的那種），也能夠接收模型生成的請求并且獲得結(jié)果返回給模型。也就是圖中的紅色核心。

這么講可能還是無法理解MCP是什么，沒關(guān)系，我們用例子來講明，代碼預(yù)警。

如何搭建MCP Server?

當(dāng)我們有一個模型，我們想給它提供實時與股票市場交互的能力，我們可以構(gòu)建一個獲取股票價格的MCP Server如下：

如果你不會python，也沒關(guān)系，你只需要注意到我們定義了一個工具get_stock_price，并且將其添加在一個名為stocks_server的MCP Server中即可。

到這一步，也就相當(dāng)于我們給MCP Server中添加了查詢股票價格的接口，接下來就是將MCP Server和調(diào)用模型的客戶端進(jìn)行綁定：

當(dāng)我們做到這一步，成功將MCP Server注入給模型之后，我們需要做的就是詢問模型股票價格，模型便可以自動調(diào)用工具獲取實時信息了，整個過程看起來好像和Function Calling沒有關(guān)系，但是其實MCP的實現(xiàn)正是基于Function Calling實現(xiàn)的。

整體回顧

讓我們再次回到起點。一個被禁錮在“缸中”的語言模型，如何才能與真實世界交互？

答案，是一個優(yōu)雅的分層協(xié)作架構(gòu)。

首先，我們依賴模型與生俱來的天賦能力——Function Calling。它讓模型能夠讀懂“工具說明書”，并將我們的自然語言指令，轉(zhuǎn)化為精確的、機(jī)器可以理解的“行動計劃（JSON）”。這是“決策生成”的環(huán)節(jié)，完全由模型的認(rèn)知智能驅(qū)動 。

其次，我們構(gòu)建了一個標(biāo)準(zhǔn)化的執(zhí)行舞臺——MCP (模型上下文協(xié)議)。通過編寫MCP Server，我們?yōu)槟Ｐ偷哪芰Υ罱艘粋€穩(wěn)定、可靠且可擴(kuò)展的外部環(huán)境 。它負(fù)責(zé)提供工具、執(zhí)行指令、處理反饋，將模型的“計劃”轉(zhuǎn)化為真實世界的“行動”。這是“決策執(zhí)行”的環(huán)節(jié)，由我們開發(fā)者的工程能力保障。

能力（Function Calling）與舞臺（MCP）的分離，正是這套架構(gòu)的精髓所在。它讓AI回歸其最擅長的認(rèn)知與推理，讓開發(fā)者專注于構(gòu)建穩(wěn)定可靠的工具與服務(wù)。這種清晰的職責(zé)劃分，最終共同成就了一個真正強(qiáng)大且有執(zhí)行力的AI Agent。