AI基础概念
1. LLM
LLM大语言模型，就是AI对话。通过预测下一个最有可能出现的词来完成这场接龙游戏。
2. Token
大模型的计量单位。大模型处理文本的时候，不是按字或词来算的，而是按 Token。
Token 是模型内部的最小处理单元。你可以把它理解为模型把文本切碎后的小片段。
3. Context
上下文。大模型每次对话接受到的信息总和。
4. prompt
提示词。大模型接收到的指令或需求。比如直接说：帮我写一首诗。
5.tool
大模型只是一个文字接龙的游戏，它无法进行一些外部的感知，比如问"今天上海的天气如何？"大模型就会乱说或者回答不知道。tool的功能就是给大模型提供一个调用的函数。比如一个查询天气的函数。大模型在此扮演的角色的职责是根据用户的问题，选择调用的工具。然后根据调用的结果进行归纳总结，生成答案回答。
6.MCP
Model Context Protocol 模型上下文协议 其实就是一套统一的工具接入标准。
7.Function Call
把用户问题 + 工具描述发给 LLM，LLM 返回一个 JSON，里面写明要调用哪个函数、参数是什么。
这个"能力"本身是 LLM 层面的功能。不同厂商对这个功能的实现规范（参数名、JSON 结构、返回格式）是不同的
MCP 让工具提供方（比如一个天气工具、一个数据库）不用关心最终对接的是 OpenAI 还是 Claude，只需要按 MCP 规范写好一个"MCP 服务器"。
8.Agent
能够自主规划,自主调用工具