一句话总览：
RAG补知识、Function Calling动手做事、Skill打包能力、Agent自主统筹、MCP统一接口互联

1. Agent（智能体）

定义：以大模型为大脑，自带规划、记忆、决策、工具调用、复盘闭环，自主完成多步骤复杂任务的AI系统

• 核心：感知→推理→行动→反馈循环，不用人一步步指挥
• 解决：AI只会一问一答，不会主动干活、拆解复杂目标
• 例子：查天气→判断下雨→自动发请假邮件
• 类比：AI项目经理、全自动私人助理

2. MCP（Model Context Protocol，模型上下文协议）

定义：AI与外部工具tool、数据源交互的通用标准化通信协议，AI界USB-C万能接口

• 底层：基于JSON-RPC 2.0，统一工具/数据接入规范
• 解决：以前每个Agent、每个工具都要写定制胶水代码，重复开发、不互通
• 价值：一次封装工具，所有支持MCP的Agent都能即插即用、跨平台复用
• 类比：所有AI共用一套通用插头，不用反复做转接头

3. Skill（技能）

定义：把固定场景、多步流程、函数+RAG+逻辑编排打包封装成可复用、标准化AI能力模块

• 本质：Agent可直接调用的业务能力包
• 例子：报销审核技能、合同解析技能、数据分析技能，pdf解析技能
• 区别：单Function是单个动作；Skill是一整套完整业务流程
• 作用：降低Agent开发成本，能力可共享、复用、上架

4. Function Calling（函数调用/工具调用）

定义：agent与大模型之间关于工具调用约定的对话格式，大模型输出结构化JSON指令，主动调用外部API、函数、工具执行实际操作

• 模型只生成调用格式，不直接执行；由后端代码跑工具、返回结果
• 解决：大模型只会说话，不能查天气、查数据库、算数据、发消息、操作文件
• 流程：用户提问→模型判断要调用工具→输出函数参数→后端执行→结果回填→模型总结回答
• 类比：给AI装上手脚，能触碰真实世界系统

5. RAG（Retrieval-Augmented Generation，检索增强生成）

定义：回答前先从私有/实时知识库向量检索相关文档，再结合资料生成答案

• 流程：文档分块→向量化入库→问题检索匹配→带入上下文生成
• 解决：模型知识过时、私有文档无法学习、胡说八道幻觉、超长文档问答
• 优势：不用微调模型、更新资料快、答案可溯源、事实精准
• 类比：AI随身资料库、实时研究员，回答必查资料不瞎编

五者关系一眼看懂

1. RAG：给AI精准知识（解决不知道）
2. Function Calling：给AI动手能力（解决做不到）
3. Skill：把知识+动作打包成业务技能（标准化复用）
4. Agent：统筹所有Skill/RAG/工具，自主规划完成复杂任务
5. MCP：统一所有Agent、工具、知识库的通信接口，全域互联互通