初识Agent、Prompt、Function Coding、MCP

以我们的豆包为例，最典型的例子就是AI对话，最基础的就是聊天式的问答的场景

我(用户) 向大模型(AI)提问，豆包(Agent)是用户和大模型之间的桥梁

我们初步的将Prompt分为System Prompt和User Prompt

像我们正常的跟AI大模型对话，在没有System Prompt的情况下，发送User Prompt，AI会给我们通用的回复

当我们给AI大模型加上Prompt的时候，就相当于给了AI一个角色、性格、背景知识、语气等等设定，只要不是用户输入的，都可以是System Prompt

System Prompt：就是提前给Agent预设好的人设，比如豆包这里，你可以选择你的Agent的方向

User Prompt：用户说的话，如下图：什么是Java

根据上面的了解，AI还只是一个能够进行问答的机器人，实际完成任务，动手的还是你自己，那能不能让AI自己去完成任务呢？

比如说我想让AI帮我管理电脑里的文件，那得先写好一些文件的管理函数，比如list_files用于列目录和read_file用来读文件等等

使用方法将这些能力注册到AI中，AI就会根据这些能力去生成System Prompt，让AI模型知道用户给了你哪些工具，Agent将系统预设和用户消息发送给AI，并将工具信息一同放在System Prompt中

AI收到消息后进行任务的执行

但是AI其实还是一个概率模型，会出现AI返回的格式不对，此时Agent就会进行反复的重试（消耗很多Token）

我们通过将工具的信息和调用格式发送给了AI，在System Prompt中，但是这些描述都是通过自然语言随意写的，只要AI看得懂就行

Function Coding则对这些描述进行了标准化，比如将工具的信息都通过json的格式进行描述

json 复制代码

{
		"name": "list_files",	// 工具名
		"desc": "列出目录",	// 工具描述
		"params": {		// 工具调用所需要的参数
                    "path": "str"		
		}
}

AI调用工具时的回复也进行了标准化

json 复制代码

{
		"type": "call",
		"name": "list_files",
		"args": {
                    "path": "/"
		}
}

做好了标准化之后，可以将工具信息和调用格式从System Prompt中抽取出来了，此时那么此时整个调用链就变成了：

上面我们一直都在聊的是AI Agent和AI大模型之间的通信方式，那么AI Agent是怎么和Agent Tool进行通信的呢

最简单的方式，就是将Tool和Agent放在同一个程序里面，直接通过函数调用的方式就可以进行通信

可是这样的方式会导致很多Tool的功能其实是通用的，但是要在多个Agent中都写一份，这样显然是不合理的

把Tool变成服务，让所有的Agent都来调用，MCP其实就是通信协议，专门用来规范Agent和Tool服务之间是怎么交互的

MCP我们分为MCP Server和MCP Client

MCP Server也可以提供类似文件读写的服务如resources，也可以通过prompts来提供专门的提示词模版

MCP Server和MCP Client可以两者都跑在一个机器上，通过标准的输入输出进行通信，也可以部署在网络上，通过http协议进行通信

MCP虽然是为了AI而定制出来的标准，但是MCP和AI大模型是没有关系的，MCP只负责帮Agent管理工具、资源和提示词

回顾上面的全部流程，我们总结成一张图，将上述的内容全部串联起来