企业官网建设流程全解析

你手机里那些能帮你查资料、跑代码、发消息的 Agent，为什么能「动手」？上一篇讲了 Agent 有四件套，其中「手」= 工具。可你有没有想过：这些「手」到底是怎么接上的？为什么 2024 年底突然冒出来一个叫 MCP 的东西，连 OpenAI、Google 都陆续表态支持？

今天用「插头」和「接口」的比喻，把从 Function Calling（函数调用）到 MCP 这条线讲清楚——顺便聊聊 MCP 到底有多大想象力。

一、Agent 的「手」分两种：体内的和体外的

🧑小白：你上一篇说 Agent 有「手」= 工具，那这些手都长一样吗？

🧑‍🏫教练：分两种，关键看「手长在哪儿」。

🧑‍🏫教练：第一种叫Tools（工具），是**进程内（in-process，就是同一个程序里）**的手。比如你写的程序里本来就有一个「算税」函数，Agent 直接调它，就跟你手直接够到鼻子一样，没有中间商。

🧑‍🏫教练：第二种叫MCP，是**进程间（跨进程，两个独立程序之间）**的手。比如 Agent 想读你电脑上的文件、或者调一个独立的数据库程序——这两个程序是分开跑的，中间得有个「标准接口」才能对话，这个接口就是 MCP。

🧑小白：所以一句话——体内的叫 Tools，体外的叫 MCP？

🧑‍🏫教练：✅ 记牢这句就行。Tool 是「自己人」，MCP 是「对外接头」。

图1：Agent 的手分两种——进程内 Tools（原装手）vs 进程间 MCP（外接接口）

二、最早的手：Function Calling（函数调用）——点对点

🧑小白：那 Agent 最早是怎么「长手」的？

🧑‍🏫教练：2023 年 6 月，OpenAI 提出了Function Calling（函数调用）。原理很简单：模型自己不动手，而是吐出一段结构化的「申请单」（JSON，一种机器读起来很顺的格式），上面写着「我要调哪个函数、参数是什么」。

🧑‍🏫教练：比如你问「北京明天天气？」，模型输出一张单子：{函数: 查天气, 城市: 北京, 日期: 明天}。你的程序看见单子，替它去执行，把结果喂回模型。

🧑小白：那这不就跟上一篇说的「动嘴变下令」一样？

🧑‍🏫教练：✅ 一模一样，这就是 Agent 第一次长出手。但当时有个大问题——

三、卡点：没有标准，N×M 适配爆炸

🧑小白：什么问题？

🧑‍🏫教练：Function Calling 是「点对点」的——你给模型列一张函数清单，它只能从里面挑。更麻烦的是：每家模型厂商的单子格式都不一样。OpenAI 一套写法、Anthropic 一套、Google 又一套。

🧑‍🏫教练：结果就是「N×M 灾难」：你有 N 个模型、M 个工具，每个模型对接每个工具都得单独写一遍适配代码（业内叫glue code，胶水代码）。工具一多，代码量爆炸式增长，换一个模型全线返工。

🧑小白：等于每换一家插座，所有插头都得重做？

🧑‍🏫教练：✅ 这个比喻绝了。没有统一标准，全靠手工对接，谁都累。

图2：演化时间线——Function Calling(2023.06) → Tool Use 泛化 → Plugins(2023) → MCP(2024.11)

四、过渡：Plugins / 各家工具——各自为政

🧑小白：那中间没人想统一一下吗？

🧑‍🏫教练：想过。2023 年 OpenAI 推过ChatGPT Plugins（插件），想建一个「工具商店」，让模型调用第三方服务；后来又有GPTs、各家的 Tool Use（工具调用）。

🧑‍🏫教练：但这些都是「各自为政」：每个平台有自己的上架审核、自己的格式、自己的圈子。你是 ChatGPT 的插件，到了 Claude 那边不算数；再换个国产模型，又得重来。本质还是「一座座孤岛」。

🧑小白：所以还是没解决「统一」的问题。

🧑‍🏫教练：✅ 对，直到 2024 年 11 月，Anthropic 把MCP（Model Context Protocol，模型上下文协议）开源，才真正把标准立起来。

五、破局：MCP——统一的「USB-C 接口」

🧑小白：MCP 凭什么能统一？

🧑‍🏫教练：因为它干了件聪明事——把「模型怎么调外部能力」变成了一个公开协议（protocol，就是事先约定好的沟通规则），就像 USB-C 把「怎么给设备充电、传数据」统一了。

🧑‍🏫教练：一个工具（比如查数据库）只要按 MCP 标准写一个Server（服务端，提供能力的程序），那么所有支持 MCP 的 Agent（叫Host 宿主，比如 Claude Desktop、Cursor）都能直接用，不用再为每家重写。中间负责对接的那段叫Client（客户端）。

🧑小白：那复杂度怎么变？

🧑‍🏫教练：✅ 从N×M 变成 N+M：M 个工具各写一个 Server，N 个 Agent 各写一个 Client，两两自动对上。一次做好插头，到处能插。

🧑小白：等等，这「协议」的思路我好像在哪见过？

🧑‍🏫教练：✅ 见过——LSP（Language Server Protocol，语言服务器协议）。2016 年微软干过一模一样的事：以前每个代码编辑器（VS Code、Vim）都要为每个编程语言（Python、Go）单独写代码补全、跳转；LSP 出来后，语言作者写一次 Server，所有编辑器通用。MCP 就是「AI 世界的 LSP」。

图3：集成复杂度 N×M → N+M（USB-C 效应）+ MCP 三种原语 Tools / Resources / Prompts

六、MCP 长啥样 + 它的想象力

🧑小白：MCP 除了「能调工具」，还有啥花样？

🧑‍🏫教练：MCP 不只给「动作」，它定义了三种基本能力（业内叫primitive，原语 = 最小积木）：

🧑‍🏫教练：①Tools（工具）：模型能主动调用的「动作」，比如「发邮件」「跑查询」；②Resources（资源）：应用能读取的「数据」，比如一个文件、一张表——相当于 Agent 能直接「看」到的 U 盘；③Prompts（提示模板）：预写好的任务流程，相当于把专家经验打包成「一键操作」。

🧑‍🏫教练：两个程序之间怎么传话？靠传输层（transport，传输方式）：同一台电脑上用stdio（标准输入输出，像两根管子直连）；跨网络用Streamable HTTP（像走网线）。

🧑小白：那想象力到底在哪？

🧑‍🏫教练：✅ 三个字：生态飞轮。

🧑‍🏫教练：第一，一次开发，处处可用：工具作者不用再讨好每个 Agent 厂商，写一次 Server 就全行业通用，创作门槛骤降。第二，组合创新：Agent 能同时插上「文件系统 + 数据库 + 浏览器 + Slack」多个 Server，自己编排出一整套工作流——插头多了，能搭的东西就多了。第三，会出现「MCP 市场」：像 npm、pip 装代码包一样，未来 Agent 能自动发现、安装、调用别人的 Server，工具的「应用商店」要来了。

🧑‍🏫教练：而且因为接口统一，权限、审计、安全也能统一管控——「插头」有了安全标准，企业才敢用。

七、今天记住三点

① Agent 的手分两种：体内的叫 Tools，体外的靠 MCP。一句口诀记牢：自己人用 Tool，对外接头用 MCP。

② 从 Function Calling（2023.06，点对点）→ Plugins（2023，各自为政）→ MCP（2024.11，统一协议），核心是把「对接」从 N×M 干成了 N+M。

③ MCP 的想象力在「生态飞轮」：一次开发处处可用、多 Server 组合创新、催生工具市场——它是 AI 世界的 USB-C，也是 AI 世界的 LSP。

下一篇，我们钻进 Agent 自己转起来的那个「心脏」——让它能思考→行动→观察的循环（ReAct），看它怎么一步步把活干完。