【大模型必备】从Function Calling到MCP再到Skills:一文读懂AI三大核心技术,建议收藏
文章详解大模型三大核心技术:Function Calling(大模型直接调用预定义函数的基础能力)、MCP(模型上下文协议,实现LLM与外部工具的无缝集成)和Skills(通过自定义文档和脚本指导模型按特定流程调用函数)。Function Calling是基础,MCP提供标准化工具集成,Skills解决按特定顺序执行任务的问题,三者共同构成大模型应用开发完整技术栈。
我们常听到模型的Function Calling能力,听到在构建Agent使用的MCP、Skills,那这三个名称具体是什么意思,又有什么能力,我们应该如何去使用呢?
1. FunctionCall- AI 的"基本功"
Function Call是指大模型直接调用预定义函数的能力,允许模型生成请求参数并整合结果。例如,模型可以通过Function Call查询天气或执行简单的数学计算。它的本质是“代码级工具”,通常与模型绑定部署。

-
LLM 收到来自用户的提示。
-
LLM 决定它需要的工具。
-
程序员实现过程以接受来自 LLM 的工具调用请求并准备函数调用。
-
函数调用(带参数)将传递给将处理实际执行的后端服务。
通俗的来说就是由模型判断用户的问题应该调用哪个函数或者API,然后从用户的问题中提取参数,再将所有参数传入对应的函数或API,最终调用执行,这一切都是由LLM来判断执行。
所以LLM的Function Calling的能力至关重要,Function Calling能力越强,执行任务的能力也就越强。
2. MCP - AI 的"高速公路"
了解了Fuction Calling,那什么是MCP呢?
2.1 什么是MCP
MCP(Model Context Protocol,模型上下文协议)是由 Anthropic 推出的一种开放标准协议,旨在实现大型语言模型(LLM) 应用与外部数据源、工具和服务之间的无缝集成。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型(一个中间协议层),就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准,使 AI 应用程序的开发和集成变得更加简单和统一。

- 主机(Host):负责接收你的提问并与模型交互。
- 客户端(Client):客户端是主机与服务器之间的桥梁。
- 服务器(Server):服务器是提供外部数据和工具的组件。它通过工具、资源和提示模板为大型语言模型提供额外的上下文和功能。例如,一个服务器可以提供与Gmail、Slack等外部服务的API调用。
- 基础协议(Base Protocol):基础协议定义了主机、客户端和服务器之间如何通信。它包括消息格式、生命周期管理和传输机制等。
2.2 mcp的流程架构

- 当用户提出一个问题时:
- 客户端将你的问题发送给LLM。
- LLM分析可用的工具,并决定使用哪一个(或多个)。
- 客户端通过 MCP Server 执行所选的工具。
- 工具的执行结果被送回给 LLM。
- LLM结合执行结果构造最终的 prompt 并生成自然语言的回应。
- 回应最终展示给用户。
总结一下,可以看到MCP最终也是由大模型选择调用的函数,其实这也说明了MCP协议的能力是基于模型的Fuction Calling的能力的。原先的Function Call能解决从自然语言到调用函数的能力,但是开发者在实际开发中发现:函数或者API的集成成本太高。开发者需要针对每个功能都要去写对应的函数或者API,开发的成本大大提高。
MCP可以让既有的系统可以快速集成到LLM中,并且他人的函数如果通过MCP转化,我们也可以访问使用。比如高德地图、12306都在ModelScope - MCP 广场通过MCP开放了自己的一些函数。


3. SKills
Function Calling可以解决调用函数,MCP在此基础上通过标准协议可以解决工具集成的问题,那SKills又是什么呢,它是解决了什么问题呢?
3.1 什么是Skills

这里贴一张官方指南中的关于Skills的解释。
简单来说,Skills就是通过自定义的md文档和脚本让模型可以按照想要的流程或者顺序去调用函数。原先的Functinon Calling和MCP在处理具体的问题时往往会出现一个问题:当前模型很难仅依靠自身能力做出最优的工具调用步骤,很多任务需要特定的执行顺序、规则和约束。而这就是SKills要解决的问题:在尽可能准确的前提下,通过自然语言指导模型去按照特定的流程执行任务。
就像官方指南中说的那样,用厨房做类比,MCP提供的是工具、原料、设备,而Skills提供的是配方。
3.2 Skills的构建

普通人如何抓住AI大模型的风口?
领取方式在文末
为什么要学习大模型?
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 , 大模型作为其中的重要组成部分 , 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力, 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ,为各行各业带来了革命性的改变和机遇 。
目前,开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景,其中,应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。
随着AI大模型技术的迅速发展,相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业:
人工智能大潮已来,不加入就可能被淘汰。如果你是技术人,尤其是互联网从业者,现在就开始学习AI大模型技术,真的是给你的人生一个重要建议!
最后
只要你真心想学习AI大模型技术,这份精心整理的学习资料我愿意无偿分享给你,但是想学技术去乱搞的人别来找我!
在当前这个人工智能高速发展的时代,AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长,真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料,能够帮助更多有志于AI领域的朋友入门并深入学习。
真诚无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座,技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等,欢迎大家~】
大模型全套学习资料展示
自我们与MoPaaS魔泊云合作以来,我们不断打磨课程体系与技术内容,在细节上精益求精,同时在技术层面也新增了许多前沿且实用的内容,力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径,能够帮助你从零入门,进阶到实战,真正掌握AI时代的核心技能!
01 教学内容

-
从零到精通完整闭环:【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块,内容比传统教材更贴近企业实战!
-
大量真实项目案例: 带你亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事!
02适学人群
应届毕业生: 无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。
零基础转型: 非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界。
业务赋能突破瓶颈: 传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型。

vx扫描下方二维码即可
【附赠一节免费的直播讲座,技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等,欢迎大家~】
本教程比较珍贵,仅限大家自行学习,不要传播!更严禁商用!
03 入门到进阶学习路线图
大模型学习路线图,整体分为5个大的阶段:
04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程(涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向)

新手必备的大模型学习PDF书单来了!全是硬核知识,帮你少走弯路(不吹牛,真有用)
05 行业报告+白皮书合集
收集70+报告与白皮书,了解行业最新动态!
06 90+份面试题/经验
AI大模型岗位面试经验总结(谁学技术不是为了赚$呢,找个好的岗位很重要)

07 deepseek部署包+技巧大全

由于篇幅有限
只展示部分资料
并且还在持续更新中…
真诚无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座,技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等,欢迎大家~】
更多推荐

所有评论(0)