什么是functioncall,mcp,skills?一文作简单解析(随手记)

本文参考作者 Erlich 对于目前AI技术演进的视频解说,通过Get笔记整理而来。

意在梳理目前有关于大模型演进史,从对话到function call,再到mcp,agent sdk,直至如今skills的基础认知。

核心技术演进脉络

一、技术发展阶段划分

  1. 基础对话阶段 :早期大模型的一问一答式交互(如DeepSeek基础功能),用户需全程值守,无法获取训练数据外信息。
  2. 工具调用阶段 :引入Function Call技术,通过API(如Tavily搜索)扩展外部信息获取能力,但仍需人工触发。
  3. 模块化集成阶段 :发展出MCP协议(模块化能力平台),支持本地配置与远端服务调用,实现类似如今不同服务提供的远程API。可连接文档编辑、系统控制等多元功能。
  4. 智能代理阶段 :Agent SDK/Claude Code的出现,构建包含本地资源、外部工具和目标规划的综合环境,实现自动化任务处理。
  5. 技能化应用阶段 :当前的Skills技术,通过专业知识结构化封装与渐进式披露,降低专业门槛,实现能力普惠。

二、关键技术对比分析

技术阶段 核心能力 典型应用 局限性
基础对话 文本生成与理解 客服问答、信息查询 无外部交互能力,需人工全程参与
Function Call 外部API调用 网络搜索(Tavily)、数据查询 需手动触发,功能单一
MCP 多工具模块化集成 文档编辑、系统控制(如飞格玛、Google Docs) 仍需人工值守与指令输入
Agent SDK 自动化任务规划 Cloud Code代码生成、开发方案设计 要求用户具备专业知识与编程能力
Skills 专业知识结构化封装 行业标准化流程执行、自动化报告生成 依赖Agent环境支持,需解决上下文管理问题

💡 Skills技术深度解析

一、核心解决问题

  1. 知识传递效率:通过结构化层级组织,将20万字行业知识转化为按需加载的模块化技能包。
  2. 上下文管理优化:采用渐进式披露机制,避免大模型上下文(如Claude 4.5的200K tokens限制)被过度占用。
  3. 专业门槛降低:使非技术人员可通过标准化技能模板使用复杂功能,无需理解底层实现逻辑。

二、技术架构关键要素

  • Trigger机制:Agent通过检索Skills元数据(metadata),自动匹配任务需求与技能模板。
  • 执行规范:包含行业特定逻辑步骤与判断标准,指导大模型按专业流程处理任务。
  • 脚本化组件:内置标准化执行脚本(如格式转换、数据上传),避免大模型生成不可控代码。
相关推荐
最强小杰3 小时前
某 OpenAI 兼容网关上的 `kimi-k3.1-pro`:Cline、Zed 接入与 SSE 排错示例
java·服务器·网络·ai
Maynor9964 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
七夜zippoe4 小时前
多 Agent 通信灾难:状态不一致导致雪崩故障的排查与防护
ai·agent·通信灾难·雪崩故障·排查与防护
Forget the Dream6 小时前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
zdr尽职尽责8 小时前
UnityCli 兼容2022版本
ui·unity·ai·c#·游戏引擎
Sharewinfo_BJ13 小时前
从“看数据”到“做决策”:AI时代,BI的下一个形态是什么?
ai·数据分析·bi·智信bi
codigger15 小时前
AI 三分钟写完的代码,你凭什么敢直接上线?
ai·程序员·编程·ai编程·#人工智能
wflynn1 天前
Google 观察到首个全自动化网络攻击,AI 框架已能独立完成漏洞利用
ai·技术
zdr尽职尽责1 天前
终端工具凭空消失:Codex + GPT-6 的一次完整排障复盘
数据库·gpt·学习·ai
佛系1891 天前
从服务端日志精确分离搜索抓取、监控探测与真实流量的实操清单
ai·大模型·seo·geo·结构化数据·indexnow