为什么现在 AI 会查天气？

为什么 AI 能读 Excel、操作浏览器、发邮件？

为什么很多人说：

未来 AI 拼的不是谁更聪明，而是谁 Skills 更多？

很多刚学 AI 的人。

都会被几个词搞晕：

• Skills

• Function Calling

• MCP

看起来都差不多。

实际上：

它们完全不是一个东西。

今天我们就从：

小白视角 + 程序员视角

彻底讲懂：

Skills 到底是什么？

它和 Function Calling、MCP 到底什么关系？

---

一、小白视角：Skills 到底是什么？

先别急着看英文。

你只要记一句：

Skills = AI 学会的一项技能。

真的就是：

技能。

比如：

人会：

• 开车

• 做饭

• 写代码

• 发邮件

AI 也一样。

它也可以学技能。

例如：

技能1：查天气

你说：

上海今天多少度？

AI：

我去查一下。

然后告诉你。

---

技能2：发邮件

你说：

给老板发邮件，说今天请假。

AI：

好。

然后：

真发出去。

---

技能3：读 Excel

你说：

帮我分析销售数据。

AI：

好。

它打开 Excel。

分析。

给你结果。

这些：

其实都是：

Skills（技能）

---

1、为什么以前 AI 不行？

以前的 AI：

其实像：

一个只会聊天的人。

知识很多。

但：

动不了手。

例如：

你说：

帮我订明天机票。

AI：

只能告诉你：

建议你去携程查询。

因为：

它不会操作。

就像：

一个特别聪明，但不会干活的人。

---

2、有了 Skills 后，发生了什么？

AI 开始：

会干活了。

比如：

你说：

帮我查一下深圳天气。

AI 脑子里其实在想：

用户在问天气
↓
我有“天气技能”
↓
调用天气技能
↓
拿到结果
↓
回答用户

你看到的是：

AI 在回答。

实际上背后：

AI 在偷偷使用技能。

这就是：

Skills

---

3、一个最容易懂的比喻

你把 AI 想象成：

一部手机。

而：

Skills

就是：

手机上的 App。

例如：

App	能力
地图	导航
微信	发消息
支付宝	支付
美团	点外卖

AI 也是一样。

它本来只有：

一个大脑。

但装了 Skills 后：

就开始：

有各种能力。

例如：

Skill	能干什么
浏览器 Skill	上网
邮件 Skill	发邮件
Excel Skill	分析表格
SQL Skill	查数据库
搜索 Skill	查实时信息

所以：

Skills = AI 的能力插件。

这一句最容易理解。

---

4、为什么现在 AI 突然厉害了？

因为：

以前 AI：

是：

只有脑子。

现在：

变成：

脑子 + 手 + 工具。

比如：

以前：

你问：

帮我整理报表。

AI：

建议使用 Excel 数据透视表……

现在：

AI：

直接：

帮你整理完了。

区别就在：

有没有 Skills。

---

5、一句话理解 Skills

如果让我只用一句话解释：

Skills = AI 用来干活的能力。

没有它：

AI 只能聊天。

有了它：

AI 才能：

真正帮你做事。

---

二、程序员视角：Skills 本质是什么？

上面是：

小白版本。

下面进入：

程序员模式。

但依然尽量不劝退。

---

1、Skills 本质是什么？

程序员视角：

Skills 本质是：

一组相关能力的封装包。

注意，它不只是一个函数。

比如“数据分析 Skill”：

它内部可能包含了：

# 这是一个 Skill 包
class DataAnalysisSkill:
    def load_file(self, path): ...
    def clean_data(self, df): ...
    def plot_chart(self, df): ...

而 Function Calling 调用的，往往是这个 Skill 包里的具体方法。

所以：

Function 是原子动作

Skill 是业务场景的解决方案

---

2、AI 如何知道调用哪个 Skill？

这就要说：

Function Calling

了。

因为：

AI 自己不会真的执行函数。

它需要：

一个调用机制。

---

三、Function Calling 是什么？

一句话：

Function Calling = AI 调用技能的方法。

注意：

它不是技能。

而是：

调用技能的方式。

举例：

用户说：

帮我查上海天气。

AI 思考：

用户想查天气
↓
我有天气技能
↓
调用天气函数

于是：

AI 输出：

{
  "function": "get_weather",
  "city": "上海"
}

系统看到：

哦。

你要调用：

get_weather("上海")

然后：

把结果返回给 AI。

最后 AI 回复：

上海今天 26°C，多云。

所以：

关系是：

Skill 是能力

Function Calling 是调用方式

这两个：

不是一个层级。

---

一个超级容易懂的比喻

你点外卖。

Skill

像：

餐厅。

有各种菜。

---

Function Calling

像：

打电话下单。

告诉餐厅：

我要什么。

所以：

没餐厅（Skill）

打电话没意义。

---

没电话（Function Calling）

也点不了餐。

---

四、MCP 又是什么？

现在：

再讲：

MCP

就简单了。

一句话：

MCP = 给 AI 接技能的统一接口标准。

以前（也就是现在大部分情况）：

接一个工具，都得单独写适配代码。

接数据库写一套，接 Excel 写一套。

未来（MCP 的目标）：

只要工具方提供了 MCP Server。

AI 客户端（支持 MCP 的）就能像插 USB 一样，直接识别并使用。

注：MCP 是新兴标准，目前正处于快速普及期，它是为了解决当下“每个 AI 都要重新造轮子连工具”的乱象而生的。

所以：

MCP 本质是：

技能连接协议。

---

一个特别容易懂的比喻

你把 AI 想象成：

一台电脑。

那么：

Skills

是：

软件。

例如：

Excel、微信、浏览器。

---

Function Calling

是：

鼠标点击。

负责：

打开软件。

---

MCP

是：

USB 接口标准。

负责：

怎么连接软件。

---

一句话：

Skill = 能力

Function Calling = 调用能力

MCP = 接入能力

---

五、三者关系终于讲明白了

很多人卡在这里。

现在直接讲透。

假设：

你说：

帮我查今天北京天气。

背后发生了什么？

---

第一步：Skill 存在

AI 已经有：

天气 Skill

相当于：

它会查天气。

---

第二步：Function Calling

AI 判断：

要调用技能。

于是：

发起调用。

---

第三步：MCP（如果有）

AI 通过 MCP：

连接天气服务。

拿到结果。

---

第四步：返回答案

AI 回复：

北京今天 29°C，晴天。

整个流程：

用户问题
↓
AI 思考
↓
发现有 Skill
↓
Function Calling 调用
↓
通过 MCP 接工具
↓
获得结果
↓
回复用户

这时候：

是不是突然就顺了？

---

六、一个终极比喻（强烈推荐记住）

把 AI 想象成：

一个员工。

那么：

Skills

是：

员工会的技能。

比如：

• Excel

• PPT

• SQL

• 写代码

---

Function Calling

是：

老板让员工干活。

比如：

帮我做报表。

员工开始行动。

---

MCP

是：

公司统一办公系统。

所有工具：

都能接进来。

不用乱搞。

---

于是：

AI 从：

会聊天

变成：

会工作。

---

七、一句话总结

小白版总结

Skills 是 AI 的技能包。

Function Calling 是 AI 调用技能的方法。

MCP 是 AI 接技能的统一接口。

---

程序员版总结

Skills 是能力封装；

Function Calling 是模型触发外部函数的调用机制；

MCP 是标准化的工具接入协议。

关系：

MCP
↓
接入 Skills
↓
Function Calling 调用 Skills
↓
AI 执行任务

---

最后

如果你刚开始学习 AI。

建议学习顺序：

Transformer
↓
Token
↓
Prompt
↓
Function Calling
↓
Skills
↓
MCP
↓
Agent

因为：

AI 真正开始“干活”的世界，就是从 Skills 开始的。