项目中mcp和functioncalling到底做了什么？
mcp是模型上下文协议，是ai与外部工具tool、数据源交互的通用标准化协议，ai界的usb-c万能接口，解决的是工具接入标准化的问题；functioncalling 是agent与大模型之间工具调用约定的对话格式，大模型输出结构化json指令，主动调用外部api、函数、工具执行的实际操作。
项目中我把工具能力层标准化成了独立的mcpserver，然后主聊天服务通过mcpclient去连接和调用这些工具，模型测通过functioncalling is来做工具的选择，这样就形成了，模型决策、服务端编排、mcp工具执行、结果回填、前端可视化的完整闭环，相比于把工具直接写死在业务代码中，这种方式更标准、更容易扩展，也更适合后续接入更多工具来严谨成完整的agent平台。
为什么是functioncalling+mcp的组合
纯functioncalling的能力边界：在ai对话项目中，function calling能够解决让模型知道什么时候调用工具的问题，但是function calling本身并不负责工具标准化管理，跨服务工具的复用，工具协议统一，工具注册、校验、元信息暴露，以及更通用的工具生态接入
**为什么要引入mcp：**当工具数量开始增长，或者是要把工具能力从业务聊天中拆出来，单纯把工具都写在主服务中的话就会遇到问题，比如：聊天编排和工具执行耦合严重，工具元信息不够标准化，后续接入更多工具的话维护成本很高，很难对外说自己是具备标准化agent工具层能力
**引入mcp的核心目标：**做工具层标准化，把工具能力抽离成标准的mcpserver，而不是散落在业务服务中的私有函数；降低业务编排层和工具执行层耦合，主服务负责对话编排，模型交互，状态回传，mcpserver负责工具暴露，参数校验，工具执行，工具结果返回；为后续平台演进预留空间，比如说之后需要更多的业务工具，多个mcpserver，更标准的agent架构
mcp及functioncalling的作用分别是什么
functioncalling：模型通过function calling自主决定调用哪个工具，负责决策。也就是模型理解哪些工具可用，根据用户的问题决定要不要调用工具，模型生成需要调用的工具名和调用参数
mcp：负责用标准的协议暴露工具，提供工具的描述，schema，调用入口，让宿主系统通过标准客户端调用这些工具，也就是负责执行工具逻辑
模型通过function calling产出工具调用意图，后端把这种意图映射到mcpclient上执行.
前端负责交互和展示，Express 负责编排和转发，MCP 负责工具的定义和执行，Qwen 模型负责意图理解和决策。Function Calling 让模型能够自主决定何时调用工具、调用哪个工具，MCP 提供了标准化的工具接口，SSE 实现了实时的流式输出，三者配合实现了智能化的多 Agent 协作对话体验。