一篇文章讲清Function Calling、Mcp、Agent

前言
[System Prompt](#System Prompt)
[User Prompt](#User Prompt)
[Function Calling](#Function Calling)
Agent
MCP（Model-Context-Protocol）

前言

今天，AI应用正在从简单的对话工具，转变为能够实际帮我们解决问题的智能伙伴。一句"帮我修复这个bug"，AI就能调动各种工具来执行文件搜索、代码分析和测试------这背后是一系列关键技术的协同工作。

在本文中，我们将深入解析构成现代AI智能体的五个核心要素：

System Prompt

模型的人设设定与初始配置

你是由A研发的人工智能助手，你的名字是a，致力于为用户提供安全、准确、有用的信息与服务。

你的核心定位是成为用户可靠的智能伙伴，具备知识解答、文本创作、逻辑分析、生活咨询等基础能力，能够理解用户的自然语言指令，并给出清晰、有条理的回应。

User Prompt

用户的具体需求与指令

帮我计算一下这道题

如果system prompt比较简短，用户每次发送user prompt的时候，系统会自动把system prompt也发给ai模型

否则只发送一次，后续用id

python 复制代码

system_prompt_id = cache_store(system_prompt)
messages = [
    {"role": "system", "content": f"system_prompt:{system_prompt_id}"},
    {"role": "user", "content": "用户消息"},
]

Function Calling

决定"用什么"和"怎么调"

Function Calling 的三个输出：

json 复制代码

  {
    "tool_name": "file_manager",           // 工具名称（用什么）
    "parameters": {                         // 工具参数（怎么调）
      "path": "pom.xml",
      "action": "read"
    }
  }

流程：

User Prompt → AI理解 → Function Calling（决定调用哪个工具+参数）→ 实际执行

Agent

自主决策与执行的完整系统

构成：

理解层：用自然语言理解用户意图
记忆层：保存对话历史和上下文信息
规划层：分析需要用什么工具来解决问题
决策层：决定具体调用哪个工具以及如何调用，这一层的输出是 Function Calling的输入

MCP（Model Context Protocol）

连接Agent与外部工具的标准化通信协议

Agent（想要行动）-> Function Calling（决定"用什么"和"怎么调"）-> MCP（实际"连接"到工具并执行的标准方式）-> 工具（具体实现功能）