AI 进化论：从 Function Calling，到 MCP，再到 Agent Skills

在 AI 应用开发的下半场，讨论的焦点已经明显从**“模型能力”转向了“落地能力”**。

问题不再是：

大模型能不能写诗、写代码

而是：

如何让大模型真正接入真实世界，查数据库、改代码、操控服务器，并且能规模化复用？

要回答这个问题，必须看清 AI 工具交互能力的三次关键演进：

Function Calling → MCP（Model Context Protocol） → Agent Skills

这不是简单的时间线，而是一个逐层抽象、逐层解耦的演进过程。

---

一、Function Calling：AI 的「硬编码工具接口」

Function Calling（函数调用） 是 AI 与外部系统交互的第一代方案。

工作方式

开发者通过 JSON Schema 明确告诉模型：

• 有哪些函数
• 每个函数需要哪些参数
• 参数的类型和约束

模型只负责生成结构化参数，
真正的函数执行、权限校验、异常处理，完全由开发者控制。

本质

• LLM = 参数生成器
• 业务逻辑 = 本地代码

优点

• 确定性强
• 安全、可控
• 非常适合业务系统快速接入 AI

根本问题

• 厂商绑定严重（OpenAI / Claude / Gemini 各一套）
• 复用性极低
• 每个项目都要重新定义同类工具

一句话总结：

Function Calling 解决的是「AI 能不能动一下」，但还停留在“应用私有接口”阶段。

---

二、MCP：AI 的「通用能力接入标准」

MCP（Model Context Protocol） 是当前真正改变 AI 工具生态格局的一步。

它不是 Agent 框架，也不是 Prompt 技巧，而是：

AI 时代的基础设施级协议

MCP 要解决什么问题？

在 MCP 出现之前：

• 每个 AI 应用
• 每个模型
• 每种外部能力

都需要单独对接、重复适配。

结果就是：
工具碎片化、能力无法流通、生态无法形成。

MCP 的本质

一套 开放、标准化、双向通信协议

它把“AI 如何接入外部世界”这个问题，
从应用代码层，下沉到了协议层。

核心角色

• MCP Server
  能力或数据的提供者

  • 本地文件系统
  • 数据库
  • Git / SSH
  • 内部业务系统

• MCP Host
  AI 运行环境

  • Claude Desktop
  • Cursor
  • IDE / Agent Runtime

MCP 为什么是“地基”？

• 模型无关
• 应用无关
• 一次实现，处处可用

你写一个 SSH MCP Server：

• 不只是给你自己的 AI 用
• 而是整个 MCP 生态都能直接挂载

一句话总结：

MCP 解决的是「AI 如何规模化连接真实世界」的问题。

---

三、Agent Skills：建立在 MCP 之上的「智能行为层」

Agent Skills 并不是 MCP 的前身，也不是它的竞争者。

它是明确建立在 MCP 之上的上层能力结构。

如果说：

• MCP 解决「能不能接入能力」
• 那 Agent Skills 解决的就是「如何像专家一样使用能力」

Agent Skills 是什么？

它不是一个函数，也不是一个接口，而是一整套：

• 决策逻辑
• 多步工具调用
• 状态与上下文管理
• 失败处理与闭环反馈

本质抽象

这是一种架构分层关系，而不是谁“淘汰”谁。

---

五、三者对比（修正版）

维度	Function Calling	MCP	Agent Skills
所在层级	应用接口	基础设施协议	行为与智能封装
标准化	私有 API	开放标准	无统一标准
复用性	极低	极高	依赖 MCP
跨平台	否	是	间接
核心价值	能不能调用	能不能连接世界	能不能像专家一样做事

---

六、开发者该如何选型？

简单业务集成

• 表单处理
• 数据查询
• 单步动作

👉 Function Calling

---

平台级 / 工具型产品

• IDE
• AI 终端
• 本地数据增强工具

👉 MCP 是基础设施级必选

---

构建长期 AI 壁垒

• 运维专家
• 自动化工作流
• 垂直行业智能体

👉 MCP + Agent Skills

---

七、结语

AI 的演进并不是“谁取代谁”，而是不断向上抽象、向下标准化：

• Function Calling：让 AI 开始“动手”
• MCP：让 AI 能连接真实世界并形成生态
• Agent Skills：让 AI 像真正的专家一样做事

协议决定上限，Skill 决定壁垒。

在 AI 基础设施逐渐协议化的今天，
越早站在 MCP 之上构建能力，越早进入生态核心层。

---

作者简介

资深全栈开发者，长期深耕于 AI 终端、远程桌面与跨平台系统领域。

---

项目

Aeroshell

面向未来的 AI 终端与运维智能体平台
一起探索 AI × 终端 的下一阶段。