大模型工具模块是连接模型“思考”与“实际执行”的核心桥梁，核心作用是弥补大模型原生短板（知识滞后、无法交互外部系统、缺乏专业逻辑封装），让模型从“能对话”升级为“能做事”。工业界主流工具分为三大类，以下从核心定位、底层逻辑、相互关系、应用场景四个维度，进行概括性介绍，为后续深入剖析奠定基础。

一、三大工具核心概括

三大工具按“基础执行-能力拓展-专业赋能”分层，各有明确定位，底层逻辑简洁可落地，具体如下：

（一）FunctionCalling（函数调用）

• 核心定位：大模型工具的基础底座，是模型调用外部系统、完成基础操作的标准化接口。
• 底层逻辑：将大模型的自然语言指令，转化为标准化的函数/API调用参数，对接外部程序、数据库、接口，执行后将结构化结果返回给模型，形成“指令-调用-解析-反馈”的闭环。
• 核心特点：通用、标准化、轻量，无需复杂封装，是所有工具调用的基础。

（二）MCP（多模态能力扩展）

• 核心定位：打破单一文本交互边界，为大模型提供多模态感知与转化能力的拓展工具。
• 底层逻辑：基于多模态模型（图文、语音、视频等），将非文本信息（图片、语音、文档等）转化为模型可理解的结构化数据，同时支持将文本指令转化为多模态输出（图表、语音等）。
• 核心特点：多感官适配，衔接“外部信息感知”与“模型处理”，丰富交互与执行场景。

（三）Skills（可复用技能库）

• 核心定位：专业任务高效执行的赋能工具，是高频、复杂业务逻辑的可复用封装组件。
• 底层逻辑：整合FunctionCalling、MCP及业务逻辑，将多步操作（如“文档解析-数据统计-报告生成”）封装为单一可调用技能，实现“一次封装、多次复用”。
• 核心特点：专业化、可组合、高复用，降低复杂任务的执行成本，提升标准化程度。

二、三大工具的核心关系

三大工具并非孤立存在，而是形成“基础支撑-能力拓展-效率提升”的分层协同闭环，相互赋能、缺一不可：

1. FunctionCalling是底层基础：MCP的多模态转化结果需通过FunctionCalling对接外部系统，Skills的每一个技能本质都是多个FunctionCalling的组合，无FunctionCalling则无法实现实际执行。
2. MCP是能力拓展：为FunctionCalling提供多模态输入（如语音、图片），丰富其应用场景；为Skills注入多感官能力，适配更复杂的专业场景。
3. Skills是效率升级：整合FunctionCalling与MCP的能力，避免重复拆解任务步骤，提升专业任务的执行效率与稳定性，实现从“能执行”到“会高效执行”的升级。

三、核心应用场景概括

三大工具适配不同层级的执行需求，覆盖大模型工程化落地的主流场景，具体概括如下：

• FunctionCalling：适用于所有基础执行场景，如API调用、数据查询、数据库读写、简单程序操作等。
• MCP：适用于多模态交互与处理场景，如图文识别、语音转写、文档解析、多模态生成（图表、语音）等。
• Skills：适用于复杂专业场景，如行业专属任务（智能照护、政策解读）、高频流程化操作（文档处理、数据分析）等。

四、总结

三大工具构成大模型完整的工具能力体系：FunctionCalling解决“能执行”的基础问题，MCP解决“能感知”的拓展问题，Skills解决“能高效、专业执行”的升级问题。三者协同，支撑大模型从通用对话走向工程化落地，后续可针对每类工具，深入剖析其技术细节、应用实例、代码实现及效果展示。