引言
在 AI 应用开发的浪潮中，Skill、MCP 和 Function Call 这几个术语频繁出现，但很多人容易混淆它们的边界。简单来说，它们分别代表了能力调用的基础机制、产品化封装以及标准化的通信协议。
Function Call：交互的基石
Function Call 是最底层的机制，由 OpenAI 在 2023 年普及。它让大语言模型能够智能地决定何时调用开发者预定义的函数。 工作流程很清晰：
- 定义：开发者描述可用函数的名称、参数和类型。
- 决策：模型根据用户意图判断是否需要调用函数及参数。
- 响应：模型输出结构化 JSON，而非自然语言。
- 执行：应用层接收 JSON 并实际运行代码。
- 回复：将结果反馈给模型生成最终回答。
这已成为行业标准，是 AI 连接外部世界的入口。比如问'北京天气'，模型会调用你定义的
get_weather函数，而不是瞎猜。
Skill：能力的封装
Skill 更偏向产品化，常见于 Agent 平台如 Coze 或 Dify。它是一个封装好的功能模块，内部可能包含提示词、知识库或多个 Function Call。 构建时通过可视化配置打包完整能力；用户触发后，Agent 自动匹配并执行整个流程。它的优势在于易用性和可组合性，对终端用户透明，隐藏了底层逻辑。例如安装一个'全网搜索'Skill，Bot 就能直接处理新闻查询，无需用户关心背后的 API 细节。
MCP：标准化的新协议
MCP（Model Context Protocol）由 Anthropic 主导，旨在解决工具交互的标准化问题。它是 Function Call 的进化版，采用客户端 - 服务器架构。 服务器端暴露资源和工具，客户端（如 IDE 或 AI 应用）动态发现并连接。通过 JSON-RPC 通信，不仅支持工具调用，还引入了'资源'概念（如文件读取）。相比传统方式，MCP 更安全（本地化连接），且避免了硬编码，让不同模型能统一接入各类服务。
对比与趋势
| 维度 | Function Call | Skill | MCP |
|---|---|---|---|
| 层级 | 基础机制（原子操作） | 产品模块（功能集合） | 通信协议（基础设施） |
| 目标 | 调用单个外部函数 | 提供完整复用能力 | 标准化交互方式 |
| 面向对象 | 开发者 | 终端用户 / 低代码开发者 | 工具与应用开发者 |
| 互操作性 | 低（格式各异） | 中（依赖框架） | 高（统一标准） |
| 类比 | 单个积木 | 乐高套装 | 积木接口标准 |
三者关系紧密：Skill 建立在 Function Call 之上，而 MCP 正在成为实现 Function Call 能力的标准通道。短期看，Function Call + Skill 仍是主流；长期来看，MCP 有望像 HTTP 一样成为 AI 访问世界的基础设施。
