本文深入浅出地介绍了AI工具调用中的两大关键机制:Function Calling和MCP。Function Calling负责模型提出调用请求,而MCP则约定应用如何与提供工具的服务通信。通过一个天气查询的例子,文章详细阐述了这两者如何协同工作,帮助初学者更好地理解和应用AI技术。

给一个 AI 助手接好天气查询,换个助手还得重新配?

问 AI:“杭州今天会下雨吗?”光靠模型本身答不了实时天气,它得去查天气服务。模型会把“查杭州天气”整理成一次工具调用,但真正去找服务、发出请求的是 AI 应用。

前面聊过 Function Calling:模型把工具名和参数交给应用。MCP 解决的是另一段,应用怎么发现并连接外部服务。

Function Calling 说明模型想调用什么;MCP 约定应用如何和提供工具的服务通信。

拿查天气做例子,看看一次调用是怎么完成的。

1、Function Calling:模型提出调用请求

应用会先把工具说明交给模型,包括工具名称、用途和所需参数。用户问天气后,模型可能返回这样的调用请求:

{

  "name": "get_weather",

  "arguments": {

    "city": "杭州"

  }

}

模型选了 get_weather,并把 city 设为杭州。不同 API 的返回格式会有差别,这里展示的是工具名和参数。

天气还没查。此时模型只是把调用请求交给应用,应用里的程序才会去请求天气服务。

应用按请求调用天气服务,再把结果交给模型组织成回答。工具有没有真正执行,要看应用这一步。

图片

Function Calling:模型提出请求,应用执行工具,结果再交回模型。

2、MCP:应用和工具之间的连接标准

假设聊天助手、办公助手和编程工具都要查日历、读公司文件、看天气。每个应用如果都单独适配一遍,连接代码会重复;服务接口一变,几个应用还得分别维护。

MCP(Model Context Protocol,模型上下文协议)把应用和服务之间的通信方式约定下来。双方都支持 MCP,应用就能按统一格式发现工具、发送调用请求并接收结果。

MCP 是通信协议,本身不提供天气数据,也不会自动替应用接入工具。应用和对应的 MCP Server 都要支持它。

这套架构里有三个角色:

Host

用户直接使用的 AI 应用,例如桌面助手或开发工具。它管理模型,也管理与 MCP 服务的连接。

MCP Client

Host 中负责连接 MCP Server、发送请求和接收结果的部分。

MCP Server

按 MCP 协议向应用提供工具或数据的程序,背后可以连接天气 API、文件系统或企业系统。

MCP Server 可以提供能执行操作的 Tools(工具),也可以提供供应用读取的 Resources(资源)和可复用的 Prompts(提示模板)。本文只展开工具调用。

图片

MCP 的 Host、Client、Server,以及重复对接和统一协议连接的对比。

3、一次天气查询,两个机制如何配合

用户问“杭州今天会下雨吗?”,应用和模型大致按下面的顺序配合:

1

MCP Client 向天气 Server 请求工具清单。这一步的方法名是 tools/list。

2

Server 返回工具说明,例如 get_weather,并列出 city 这样的参数。

3

应用把工具说明交给模型。模型判断需要查天气后,生成调用请求,例如 get_weather,参数 city 为杭州。

4

应用收到请求后,由 MCP Client 调用天气 Server。调用工具的方法名是 tools/call。

5

天气 Server 请求实际的天气服务,再把数据返回给应用。应用把结果交给模型,模型据此组织答复。

MCP 用 JSON-RPC 消息表达请求。这里省略连接初始化等步骤,只看一次工具调用的请求消息:

{

  "jsonrpc": "2.0",

  "id": 7,

  "method": "tools/call",

  "params": {

    "name": "get_weather",

    "arguments": {

      "city": "杭州"

    }

  }

}

这条 tools/call 消息由应用里的 MCP Client 发给 Server,模型不会直接请求 Server。模型先把调用请求交给应用;应用再检查权限,并决定是否发起 MCP 调用。

图片

用户提问、工具发现、模型发起调用、MCP Server 查询并返回结果的完整时序。

MCP 统一了通信方式,工具不会因此自动出现在每个 AI 应用里;应用仍要连接对应的 Server。查天气通常只是读取信息。要是工具能发邮件、删文件或改数据,应用就该限制权限,必要时先让用户确认。

4、Function Calling 和 MCP,各管哪一段

Function Calling:模型把工具名和参数交给应用,表示自己要调用什么。

MCP:应用如何发现工具,并按协议连接提供工具的服务。

天气查询时,模型把 get_weather 和 city=杭州交给应用;应用里的 MCP Client 再用 tools/call 请求天气 Server。两种机制就这样接在一起。

所以,Function Calling 都有了,MCP 仍然有用:模型能提出调用请求,应用还需要一种通用方式连接提供工具的服务。至于要不要执行、是否需要你确认,仍由应用决定。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包:

  • ✅ 从零到一的 AI 学习路径图
  • ✅ 大模型调优实战手册(附医疗/金融等大厂真实案例)
  • ✅ 百度/阿里专家闭门录播课
  • ✅ 大模型当下最新行业报告
  • ✅ 真实大厂面试真题
  • ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ,朋友们如果有需要 《AI大模型入门+进阶学习资源包》,下方扫码获取~
在这里插入图片描述

① 全套AI大模型应用开发视频教程

(包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点)
在这里插入图片描述

② 大模型系统化学习路线

作为学习AI大模型技术的新手,方向至关重要。 正确的学习路线可以为你节省时间,少走弯路;方向不对,努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划,带你从零基础入门到精通!
在这里插入图片描述

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档,我精选了一系列大模型技术的书籍和学习文档(电子版),它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。
在这里插入图片描述

④ AI大模型最新行业报告

2025最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。
在这里插入图片描述

⑤ 大模型项目实战&配套源码

学以致用,在项目实战中检验和巩固你所学到的知识,同时为你找工作就业和职业发展打下坚实的基础。
在这里插入图片描述

⑥ 大模型大厂面试真题

面试不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我精心整理了一份大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。

图片

以上资料如何领取?

在这里插入图片描述

为什么大家都在学大模型?

最近科技巨头英特尔宣布裁员2万人,传统岗位不断缩减,但AI相关技术岗疯狂扩招,有3-5年经验,大厂薪资就能给到50K*20薪!

图片

不出1年,“有AI项目经验”将成为投递简历的门槛。

风口之下,与其像“温水煮青蛙”一样坐等被行业淘汰,不如先人一步,掌握AI大模型原理+应用技术+项目实操经验,“顺风”翻盘!
在这里插入图片描述
在这里插入图片描述

这些资料真的有用吗?

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理,现任上海殷泊信息科技CEO,其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证,服务航天科工、国家电网等1000+企业,以第一作者在IEEE Transactions发表论文50+篇,获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的技术人员,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。
在这里插入图片描述
在这里插入图片描述

以上全套大模型资料如何领取?

在这里插入图片描述

Logo

更多推荐