logo

Prompt、Agent、Skill与MCP如何区分

作者:菠萝爱吃肉2026.11.16 11:22浏览量:0

简介:本文系统辨析Prompt、Function Call、Agent、Skill与MCP五层概念:从自然语言指令到工具调用、规划执行、可复用技能包,再到统一上下文接入。帮助开发者理清分层关系、适用边界与落地注意点,避免概念混用。

在大模型应用从“对话问答”走向“可执行、可接入、可复用”的过程中,Prompt、Function Call、Agent、Skill、MCP 常被放在同一语境里讨论。它们并非互相替代的同类产品,而是能力栈上不同抽象层级:Prompt 解决“怎么说清楚任务”,Function Call 解决“模型如何调用外部能力”,Agent 解决“如何规划并多步完成目标”,Skill 解决“如何把领域能力封装成可复用技能”,MCP 解决“如何用统一协议把工具、数据与上下文接到智能体上”。理解分层,才能正确选型、设计和排错。

概念定义:它们各自是什么

Prompt(提示词)是提交给模型的文本或结构化指令集合,通常包括系统角色、任务约束、上下文片段和用户问题。它不改变模型权重,而是通过自然语言与少量结构化约定引导输出。从使用视角看,Prompt 是人与模型之间的契约:身份是谁、输出格式是什么、禁止做什么。从技术视角看,它是一次推理请求的输入载荷。

Function Call(工具/函数调用)是让模型在生成文本之外,输出“调用某接口”的结构化意图:函数名、参数 JSON、以及后续把工具结果再喂回模型。它解决的是“模型只能说话、不能碰系统”的问题:查库、发请求、算价格、读写文件,都通过受控工具完成。

Agent(智能体)是在循环中完成“感知—规划—行动—观察”的系统:根据目标拆解步骤、选择工具、根据中间结果调整计划,直到达成终止条件。Agent 不是某一次 Prompt,而是编排层:记忆、规划器、工具集、终止与安全策略共同构成。

Skill(技能)是面向领域任务的可复用能力包:提示模板、工具清单、资源说明、使用边界与示例。它更像“职业技能证书”:告诉智能体在特定岗位上该怎么干、能用哪些工具、输出应满足什么规范。Skill 通常可被发现、加载、组合,而不是散落在代码里的一次性 Prompt。

MCP(模型上下文协议一类的统一接入方式)可理解为智能体世界的“标准接口”:用约定好的协议暴露资源、工具与提示,使不同运行时、不同数据源不必为每个模型各写一套适配。它关注的是连接方式标准化,而不是某一次对话的措辞。

一句话对应关系:Prompt 是人话指令;Function Call 是动手接口;Agent 是会规划的执行体;Skill 是可插拔的职业能力;MCP 是把外部世界插到智能体上的通用插槽。

背景与价值:为何要分层而不是混成一个词

早期应用几乎全是 Prompt:把规则、样例、业务文档塞进上下文。文档一长、工具一多,就会出现三类问题:一是上下文膨胀、成本与延迟上升;二是“该调哪个接口”全靠模型猜,不稳定;三是同一套能力无法在多个智能体间复用。Function Call 把“猜接口”变成“选工具+填参数”;Agent 把单轮问答变成多步闭环;Skill 把领域经验从散落 Prompt 收成资产;统一上下文协议则避免每个数据源、每套工具各写私有适配。分层的价值在于:职责清晰、可测试、可治理、可扩展。

核心组成与工作原理

Prompt 层常见组成包括系统消息、用户消息、少样本示例、输出 Schema。工作方式是单次或少次补全:模型在给定文本上生成回复,不必然访问外部系统。

Function Call 层组成包括工具描述(名称、参数 JSON Schema、说明)、模型选择工具、运行时执行、结果回灌。典型流程:用户提问 → 模型决定调用工具 → 应用侧执行并拿到结果 → 再带结果请求模型生成最终答复。安全关键点是:工具必须白名单、参数必须校验、副作用必须可审计。

Agent 层在 Function Call 之上增加规划与循环:目标分解、工具选择策略、短时记忆、失败重试、预算(步数/费用)与终止条件。工作原理可概括为:while 未完成且未超预算:观察状态 → 规划下一步 → 调用工具或询问用户 → 更新状态。没有循环与状态,就只是带工具的 Prompt,还称不上完整 Agent。

Skill 层把“某类任务怎么做”封装为:技能元数据(名称、适用场景)、专用 Prompt、允许的工具子集、可选资源(文档片段、模板)、触发条件。加载 Skill 后,Agent 的可用工具与提示策略会收窄到该技能范围,减少胡乱调用。Skill 强调可发现、可版本化、可权限控制。

MCP 一类协议层关注:如何列出可用工具与资源、如何调用、如何流式返回、如何鉴权。智能体运行时通过标准会话连接多个服务端,每个服务端暴露一组能力。这样,知识库、工单系统、对象存储、数据库查询等可以以相近方式接入,而不是每个业务写一套私有 Function 定义。

典型场景

纯 Prompt 适合:文案改写、代码片段生成、解释概念、格式转换等无外部副作用任务。

Function Call 适合:查库存、算运费、创建工单、读取监控指标等“一次或少数几次工具调用即可结束”的任务。

Agent 适合:跨系统排障、多步研发助手(读需求→查代码→改补丁→跑检查)、运营闭环(分析数据→起草方案→按权限执行)。需要规划与中间决策时才上 Agent,否则增加复杂度。

Skill 适合:客服质检、合同要点抽取、运维值班手册、数据分析口径等需要统一话术、统一工具集、可在多个 Agent 间复用的领域能力。

统一上下文接入适合:同一套工具要给多个智能体、多种运行时使用,或企业内工具数量多、归属不同团队,需要标准化发现与鉴权。

相关概念区别与联系

Prompt 与 Agent:Prompt 是输入;Agent 是用 Prompt、记忆和工具循环求解的程序。把长 Prompt 写成“你要一步步思考”并不等于实现了 Agent,除非真有状态机与工具执行。

Function Call 与 Agent:前者是一次结构化调用能力;后者是多次调用的编排。Agent 通常依赖 Function Call,但 Function Call 可以存在于非 Agent 的单轮应用中。

Skill 与 Prompt:Skill 内含 Prompt,但还有工具范围、资源与元数据。改一句提示不等于发布一个技能;技能应可安装、可卸载、可审计。

Skill 与 MCP:Skill 描述“会什么、怎么干”;MCP 描述“能力从哪里接进来”。可以把 Skill 理解为岗位说明书,把 MCP 理解为插上设备的接口规范。二者可叠加:协议暴露工具,技能规定何时用哪些工具。

MCP 与 Function Call:Function Call 是模型侧的调用形态;MCP 是应用与外部能力之间的传输与发现形态。没有标准协议时,Function 定义散落在各项目里;有协议后,工具目录可动态同步。

使用注意事项

安全:工具默认拒绝高危操作;写操作需二次确认或人工审批;参数严格校验,防止提示注入把恶意指令带进工具参数。

上下文:不要把全部知识塞进 Prompt;检索、资源引用、按 Skill 裁剪工具列表,比无限加长上下文更稳。

可观测:记录每一步规划、工具入参出参、耗时与失败原因,否则 Agent 难以调试。

边界:不是所有业务都需要 Agent。能用一次 Function Call 解决的,不必上多步循环。Skill 也不宜过细导致爆炸,应按领域打包。

工程:Java 等服务端集成时,把“构造 Prompt、注册工具、执行循环、加载技能、连接上下文服务”分成清晰模块。示意如下(中立伪代码,非特定框架 API):

  1. // Prompt:系统角色 + 用户问题
  2. Message sys = system("你是架构助手,回答需可落地、标注不确定之处。");
  3. Message user = user(question);
  4. String reply = model.complete(List.of(sys, user));
  5. // Function Call:声明工具并执行
  6. Tool spec = tool("queryOrder", "{orderId:string}", "按订单号查询状态");
  7. Call call = model.chooseTool(messages, List.of(spec));
  8. if (call != null) {
  9. String result = orderService.query(call.args().get("orderId"));
  10. reply = model.complete(messages.plus(toolResult(result)));
  11. }
  12. // Agent 循环(步数预算)
  13. State s = State.of(goal);
  14. for (int i = 0; i < 8 && !s.done(); i++) {
  15. Action a = planner.next(s, skills.currentTools());
  16. s = executor.apply(a);
  17. }
  18. // Skill:加载领域技能,收窄工具与提示
  19. Skill pack = skillRegistry.load("incident-response");
  20. agent.use(pack.prompts(), pack.tools());

治理上还需版本管理:Prompt 与 Skill 变更要可回滚;协议接入要鉴权与最小权限;云上可配合对象存储存技能包、消息队列做异步工具、日志与监控做审计,但能力本身仍按上述分层设计,而不是用基础设施替代智能体逻辑。

总结

Prompt 是指令本身;Function Call 让模型能调用受控能力;Agent 在循环中规划与执行;Skill 把领域做法封装成可复用资产;MCP 一类标准则让工具与上下文以统一方式接入。它们是递进关系而非互斥名词。选型时从问题复杂度出发:能单轮解决就用 Prompt,要碰系统就加工具调用,要多步决策再上 Agent,要复用与治理就沉淀 Skill,要规模化接入再采用统一上下文协议。把层级划清,智能体应用才能既灵活又可控。

发表评论

活动