完整题目
什么是 MCP(模型上下文协议)?它到底解决了什么问题,和 Function Calling 又是什么关系?
本文目录
答案要点
- MCP(Model Context Protocol)是 Anthropic 2024 年底开源的标准协议,统一"AI 应用如何连接外部工具和数据"
- 解决 M×N 集成爆炸:M 个 AI 应用接 N 个工具,原来要写 M×N 套对接代码,有协议后只需 M+N
- 客户端-服务器架构:工具方实现 MCP Server 暴露能力,应用方实现 MCP Client 统一调用
- 与 Function Calling 不冲突:FC 是模型"表达调用意图"的能力,MCP 是工具"如何被发现和接入"的标准
- 常被比作"AI 世界的 USB-C 接口"
核心概念
MCP(Model Context Protocol,模型上下文协议)是一个开放标准,规定了 AI 应用与外部工具、数据源之间如何建立连接、发现能力、交换数据。打个比方:USB-C 出现前,每种设备一种插口;MCP 就是给 AI 工具生态定了一个"USB-C"——任何工具只要实现一次 MCP Server,所有支持 MCP 的应用都能直接用。
它解决的核心问题:M×N 集成爆炸
假设 5 个 AI 应用要接 10 个工具(GitHub、数据库、Slack 等):
- 没有协议:每对组合单独开发,最多 5×10=50 套对接代码
- 有了 MCP:应用各实现一次 Client、工具各实现一次 Server,5+10=15 套;新工具一上线即被所有应用共享
和 Function Calling 的关系(高频追问)
两者在不同层次、互相配合:
| Function Calling | MCP | |
|---|---|---|
| 是什么 | 模型的一种能力 | 应用与工具间的通信协议 |
| 管什么 | 模型怎么输出结构化调用意图 | 工具怎么被发现、描述、执行 |
| 类比 | 人会"打电话"这个动作 | 电话网络的通信标准 |
实际运行时是接力关系:Client 启动时从各 Server 拉取工具列表,转成 schema 交给模型;模型用 Function Calling 输出调用意图;Client 再经 MCP 协议路由到对应 Server 执行并返回结果。
入门后可继续深入:MCP 的三类原语(Tools/Resources/Prompts)、stdio/HTTP 传输方式与安全授权设计。
换一种问法，检查是否真正理解
概念辨析
经常有人把 MCP 和 Function Calling 混为一谈,你能说清两者分别在哪一层、各管什么吗?已经有 Function Calling 了,为什么还需要 MCP?
场景切入
假设你们团队有 3 个 AI 助手产品,都要接公司内部的工单系统、知识库和 GitLab,现在每个都单独写对接代码很痛苦。用 MCP 的思路你会怎么重构这套集成?
练习口述回答 · 约2分钟
- 一句话定位：MCP本质是AI工具生态的标准化接口协议
- 解决M×N集成爆炸：从50套对接降到10套
- 与Function Calling的关系：一个管意图表达，一个管工具接入
- 落地风险：协议还在早期，生态和安全性需要关注
这道题其实在问AI应用和外部工具之间怎么高效对接。[[MCP]]，就是Anthropic在2024年底开源的一个标准协议，说白了，它统一了AI应用怎么连接外部工具和数据。你可以把它想象成AI界的USB-C接口，之前每种设备有自己的插口，现在只要工具实现一次MCP Server，所有支持MCP的应用都能直接用。
它解决的核心问题叫M×N集成爆炸。举个例子，5个AI应用要接10个工具，原来每对组合都得单独开发，最多50套对接代码。有了MCP，应用各实现一次Client，工具各实现一次Server，5加10才15套，新工具一上线就被所有应用共享，效率提升很明显。
那和[[Function Calling]]什么关系？很多人容易搞混。其实它们在不同层次，互相配合。Function Calling是模型的一种能力，管的是模型怎么输出结构化的调用意图，比如它说‘我要调天气API，参数是北京’。MCP管的是工具怎么被发现、描述和执行，比如这个天气API的schema长什么样、怎么调用。实际运行时，Client启动时从各个Server拉取工具列表，转成schema给模型，模型用Function Calling输出意图，Client再通过MCP协议路由到对应Server执行。
举个例子，客服场景里用户问‘退款什么时候到账’。模型需要调用订单查询和退款政策两个工具。如果没有MCP，你得给每个应用单独对接这两个工具。有了MCP，订单系统和政策系统各实现一次Server，所有应用都能共享。模型用Function Calling表示‘我要查订单状态和退款规则’，MCP负责把这两个请求发到正确的Server并拿回结果。
不过这里有个坑，MCP目前还在早期，生态不够成熟，不同Server的实现质量参差不齐。如果Server的响应时间不稳定，或者安全性设计不到位，比如没有鉴权，那整个推理流程可能被拖慢甚至出安全问题。所以真正落地时，我会特别关注Server的稳定性和权限控制，不能盲目上。
所以我会把MCP看成AI工具生态的标准化接口，它和Function Calling是上下层关系，一个管‘想调什么’，一个管‘怎么调通’。我更倾向于把它比作通信协议，而Function Calling是语言能力，两者配合才能让AI真正用起来。