文章目录
- 前言
- 一、Prompt（提示词）
-
- [User Prompt（用户提示词）](#User Prompt（用户提示词）)
- [System Prompt（系统提示词）](#System Prompt（系统提示词）)
- [User Prompt 和 System Prompt 的关系](#User Prompt 和 System Prompt 的关系)
- 二、Agent（智能体）
- [三. MCP（Model-Context-Plan，模型-上下文-计划）](#三. MCP（Model-Context-Plan，模型-上下文-计划）)
- [四. Function Calling（函数调用）](#四. Function Calling（函数调用）)
- 它们之间的互相调用的逻辑是什么？
-
- [Prompt 与 Agent 的关系](#Prompt 与 Agent 的关系)
- [Agent 与 MCP 的关系](#Agent 与 MCP 的关系)
- [Function Calling 与 Agent 的关系](#Function Calling 与 Agent 的关系)
- [Agent Tools 与 Agent 的关系](#Agent Tools 与 Agent 的关系)
- 总结
前言
2026年了还有很多兄弟们不是很了解一些常见的AI术语，在当今这个人工智能流行的趋势下，人们还是需要去了解知道一些关键的AI属于是什么意思是干什么的。对很多人来说，像"Prompt "、"Agent "、"MCP "和"Function Calling"这样的词汇可能听起来很复杂，甚至让人摸不着头脑。它们都是当前AI领域非常重要的概念，理解这些名词有助于更好地理解现代AI技术的运作方式。
本文我们就聊一聊这些术语的含义，并以简单易懂的方式解释它们的应用和背后的原理，同时探讨它们之间的关系和如何互相调用。
一、Prompt（提示词）
在AI和语言模型中，Prompt 是向AI提供输入的方式，直接影响模型的输出。Prompt 是指你给AI的指令或问题，他根据你的问题进行分析然后回答。可以认为，Prompt 就是你与AI之间交互的桥梁。
大白话就是 ：Prompt 是你要问的问题，然后AI根据你要问的问题进行回答。
但是通常来说，Prompt 是细分成两种模式的，我们日常使用的其实就是User Prompt 的这种模式；在一些特定的情况下我们还用到了 System prompt 模式。System Prompt 主要是AI的一些系统提示词，如：角色，性别，背景，语气等等。
User Prompt（用户提示词）
User Prompt 是由用户直接给AI输入指令或者问题。最直观的就是如ChatGPT的问答模式，如："今天吃什么"
- 工作原理 ：
用户输入一个 Prompt ，AI接收到指令后，会根据事先训练的知识和能力来生成回答响应。AI会解析这个Prompt 并根据其理解生成相关内容或进行相关操作。 - 示例：
- 用户输入："今天吃什么"
AI就会从训练的知识库或者API去获取数据，并给出相应的回答
System Prompt（系统提示词）
System Prompt 则是由AI或系统本身设定的提示，它通常用于指导模型的行为、限定AI的响应风格、指定回答的格式等。例如，系统可能会给AI设定某些规则，确保回答符合某种语气或格式，或者指导AI如何在特定任务中表现。
- 工作原理：
系统通过预设的System Prompt来设定语言模型的行为模式。例如，给定一个system prompt，可以要求AI在回答问题时使用正式的语气，或者限制它在某些任务中不涉及某些敏感内容。 - 示例：
系统设置的 System Prompt ："我正在减肥中"
AI根据这个指令给出简短的回答，例如："中午可以吃一些低脂低卡的实物"
User Prompt 和 System Prompt 的关系
- User Prompt 通常是由用户直接输入的，要求AI执行某项任务或生成响应。System Prompt
是由系统设定的规则，用于规范AI的行为和回应格式。 - User Prompt 提供了任务的指令，而 System Prompt 是后台设置，影响User
Prompt的执行方式，确保AI按照系统规则进行工作。
二、Agent（智能体）
Agent （智能体）是指能够自主 执行任务并在环境中与其他实体交互的AI系统。不同于传统的AI模型（通常是被动 的、只在输入与输出之间传递数据），Agent能够进行主动决策、学习并调整自己的行为，甚至在某些情况下能与外部环境互动，执行复杂的任务。
Agent 的工作原理：
- 感知（Perception）：智能体感知其周围环境，获取当前的状态和数据。
- 推理（Reasoning）：智能体基于已有的知识和环境信息，做出决策或推断。
- 行动（Action）：智能体执行特定的操作，达到目标或完成任务。
例如，虚拟助手（如Siri、Alexa）就可以被视为一种Agent，因为它们不仅仅是回答问题，还能执行诸如设置提醒、播放音乐、控制智能家居等任务。
Agent 的工作原理通常包括感知（理解环境），推理（做出决策），以及行动（执行任务）。此外，AI Agent还可能具备一些高级功能，比如自我学习和适应。
示例
- 智能客服：能够回答用户问题，处理请求，甚至判断并解决问题的AI代理。
- 自动化交易系统：通过与市场数据的交互，自动进行买卖决策。
Agent Tools（智能体工具）
Agent Tools 是一些为 Agent 提供外部支持的工具，它们可以增强 Agent 的功能，帮助 Agent 更高效地执行任务。Agent Tools 可以是外部API、数据库查询、计算工具、甚至是其他独立的程序。
Agent Tools 的作用：
- 扩展能力：通过调用外部工具，Agent 能够执行一些它自己无法单独完成的任务。例如，一个简单的语音助手可能无法直接计算天气数据，但可以通过调用天气API来获得答案。
- 增加灵活性：通过组合不同的工具，Agent 可以执行更加复杂的任务，如自动驾驶系统通过感知工具、计算工具和导航工具进行决策。
- 协作性 ：Agent 不一定只使用一个工具，它可以根据不同的任务选择多个工具组合使用。例如，Agent
可以先调用搜索引擎工具来查找信息，再使用自然语言生成工具来给出最终答案。
工作流程：
1.用户发出 Prompt：
用户输入一个请求，例如："请帮我查一下今天纽约的天气。"
2.Agent 分析 Prompt：
Agent 识别任务，并决定需要调用外部工具，如天气查询API。
3.Function Calling 触发 Agent Tools：
Agent 调用外部工具（天气API）获取数据。
4.数据处理与响应生成：
根据外部工具提供的数据，Agent 处理并生成最终响应，返回给用户。
三. MCP（Model-Context-Plan，模型-上下文-计划）
MCP 是一种用于描述和理解智能体行为的框架。它将智能体的操作拆解为三个主要部分：Model （模型）、Context （上下文） 和 Plan（计划）。
- Model（模型）：代表智能体对世界的理解，包括它所掌握的知识、规则和假设。
- Context（上下文）：指智能体所处的环境和情况，它会影响智能体的行为决策。
- Plan（计划）：是智能体根据当前的模型和上下文所制定的行动策略。
这种框架帮助智能体在不断变化的环境中做出更合理的决策，提升了其灵活性和适应能力。
四. Function Calling（函数调用）
Function Calling 是指在程序中调用已定义的"函数"来执行某个特定的任务。在AI领域，Function Calling 允许 Agent 调用外部服务、执行计算、查询数据库等。
应用示例：
在虚拟助手系统中，用户询问"今天的天气如何？"系统可能调用一个外部天气API函数获取数据，并将天气信息返回给用户。
在编程中，若你写一个计算器程序，输入"加法"，程序将调用一个加法函数来处理用户的输入。
它们之间的互相调用的逻辑是什么？
理解这些术语之间的相互调用关系，能够帮助我们更好地理解现代AI是如何运作的。下面是 Prompt、Agent、MCP、Function Calling 和 Agent Tools 如何相互协作的详细解析：
Prompt 与 Agent 的关系
Prompt 是用户与AI之间的桥梁，Agent 接收到 Prompt 后根据它来执行任务。通过 Agent，Prompt 得到了实际的执行和响应。
Agent 与 MCP 的关系
MCP 提供了一个框架来帮助 Agent 理解任务和环境。Agent 会根据 MCP 中的 Model、Context 和 Plan 来做出决策并执行任务。
Function Calling 与 Agent 的关系
Agent 需要通过 Function Calling 调用外部工具和服务来完成任务。Function Calling 是 Agent 执行任务时的重要工具，通过它，Agent 可以获取信息、处理数据或调用API等。
Agent Tools 与 Agent 的关系
Agent Tools 是 Agent 执行任务的外部资源，它们为 Agent 提供了更强的能力和灵活性。Agent 在任务执行过程中，可能会调用多个 Agent Tools，以便完成复杂的任务。
总结
本文介绍了AI领域的几个关键术语：Prompt（提示词）、Agent（智能体）、MCP（模型-上下文-计划框架）和Function Calling（函数调用）。Prompt是用户与AI交互的指令，分为用户提示词和系统提示词；Agent是能自主决策和执行任务的AI系统；MCP帮助Agent理解环境并制定计划；Function Calling则让Agent能调用外部工具完成任务。这些概念相互协作，构成了现代AI系统的核心逻辑，使AI能更智能地响应复杂需求。理解这些术语有助于更好地掌握AI技术的工作原理和应用场景。