Function Calling、MCP与Agent Skill的层级区别
作者:demo2026.11.16 11:36浏览量:1简介:很多人把 Function Calling、MCP、Agent Skill 看作相互竞争的技术方案,其实它们是自底向上的三层架构。本文系统梳理三者的定义、层级关系、工作原理与典型场景,并结合 Prompt 说明如何正确选型与组合,帮你构建思路清晰的智能体系统。
一、先厘清一个常见误区
很多开发者第一次接触 Function Calling、MCP(Model Context Protocol,模型上下文协议)和 Agent Skill(智能体技能)时,会本能地把它们当成”三选一”的技术选型——仿佛要在某家平台的方案和另一家平台的方案之间做取舍。这恰恰是最容易踩的坑。
实际上,三者并不处于同一维度,也不是相互竞争的关系。它们分别工作在调用协议、工具标准化、任务编排三个不同层次,构成一个自底向上的三层架构。理解这一点,是正确构建智能体(Agent)系统的前提。
二、三个概念(加一个贯穿项)的定义
Function Calling:模型调用外部能力的最底层协议
Function Calling 解决的核心问题是”模型如何表达调用意图”。大模型本质上只会生成文本,它并不能真正执行代码或访问数据。Function Calling 通过让模型输出一段结构化的调用描述(通常是 JSON 形式,包含函数名与参数),告诉外层程序”我想调用哪个能力、传入什么参数”,真正的执行由外部程序完成。因此,Function Calling 是一套”调用语言”,是整个智能体工具链的地基。
MCP:面向工具标准化的中间层
MCP 解决的核心问题是”工具如何被标准化地暴露给模型”。在没有统一规范时,每一个外部数据源、API 都需要单独写一套对接逻辑,模型侧也要针对不同工具分别做适配,重复且难以复用。MCP 定义了一套标准协议,把数据库、文件系统、各类 API 等外部能力统一封装成”可被模型发现与调用的服务”,一次实现、多处复用,让工具从”散装对接”走向”标准接入”。
agent-skill-">Agent Skill:封装任务知识与流程的最上层
Agent Skill 解决的核心问题是”拿到工具之后,按什么流程、什么标准去完成一个任务”。它把某个领域的操作步骤、注意事项、脚本、模板、参考资料等打包成一个可复用的技能模块。它不是工具本身,而是”如何使用这些工具达成目标”的知识与流程集合。同一个工具,配上不同的 Skill,就能面向不同任务场景被复用。
Prompt:贯穿各层的指令输入
Prompt(提示词)是把用户意图、角色设定、任务约束、上下文等信息组织成模型可读的输入。它不是与上面三者并列的一层架构,而是贯穿始终的”输入接口”:模型理解调用意图、读取 MCP 接入的工具描述、加载并触发 Skill,都依赖 Prompt 的引导与组织。
三、为什么会出现这三层
从演进时间线看,三者的出现顺序也印证了它们的层级关系。
- 最底层:最早的痛点是”模型只会说、不会做”。于是 Function Calling 出现,让模型能够触发外部调用,这是最基础的一层能力。
- 中间层:当接入的外部工具越来越多,各家都自定义一套对接方式,重复劳动与兼容问题浮现。MCP 层因此出现,把工具接入标准化,降低集成成本。
- 最上层:即便有了工具,模型也常常”不知道怎么按正确流程把事做成”,尤其是复杂、多步骤、有明确规范的任务。Agent Skill 层随之出现,把领域知识和操作流程沉淀为可复用模块。
四、一句话记住它们的关系
Function Calling 是”语言”,MCP 是”工具箱”,Agent Skill 是”操作手册”,Prompt 是”下达的指令”。 模型说”我要调这个函数”(Function Calling),工具服务说”我能提供这些能力”(MCP),操作手册说”用这些工具按这个流程做”(Skill),而这一切都由 Prompt 来引导和组织。
五、工作原理串联
一次完整的智能体任务,通常是三层协同的结果:
- 用户通过 Prompt 表达任务;
- 模型基于上下文判断需要调用哪些工具,并按 Function Calling 的格式输出调用意图;
- 这些工具由 MCP 层标准化地暴露和发现,模型无需关心每个工具的具体对接细节;
- Agent Skill 在过程中提供流程指引,告诉模型先做什么、后做什么、遵循什么标准;
- 外部程序执行实际调用,把结果返回模型,模型继续推理直至完成任务。
六、典型应用场景
- 智能问答与知识检索:通过 MCP 接入数据库或知识库,用 Skill 定义检索与整理流程。
- 企业流程自动化:把报表生成、数据同步等任务封装为 Skill,复用标准化工具。
- 客服与运营辅助:Prompt 设定角色,Skill 固化服务话术与处理步骤,工具负责查询与操作。
- 复杂多步骤任务:依赖 Skill 的编排能力,保证流程规范与可复用。
在云环境下,这类能力往往还会与身份认证、消息队列、数据库、日志服务、监控告警等通用云产品组合使用,以支撑系统的稳定性、安全与可观测性。
七、选型与使用注意事项
- 分清层次,不要三选一:它们通常协同使用,而非互相替代。
- 重视标准化带来的复用收益:优先用 MCP 这类标准协议降低工具接入成本。
- Skill 要沉淀可复用知识:避免把一次性流程硬编码进模型提示。
- Prompt 需要清晰约束:明确角色、目标、边界与输出格式。
- 安全与权限:工具调用涉及外部系统时,务必做好身份认证、最小权限与操作审计。
- 可观测性:结合日志与监控,追踪每次工具调用的输入输出,便于问题排查。
八、总结
Function Calling、MCP 和 Agent Skill 不是三个相互竞争的方案,而是从底到顶的三层架构:Function Calling 是调用语言,MCP 是工具标准化的工具箱,Agent Skill 是任务知识与流程的封装;Prompt 则贯穿各层,作为组织意图与上下文的入口。厘清它们各自解决的问题与层级关系,才能在构建智能体系统时做出正确的架构选择与组合。

登录后可评论,请前往 登录 或 注册