AI 核心概念解析：Skill、MCP 与 Function Call
在构建 AI 应用时，我们常听到 Skill（技能）、MCP（模型上下文协议） 和 Function Call（函数调用） 这三个词。它们听起来很像，但层级和用途其实完全不同。
简单来说，你可以这样理解它们的定位关系：
- Function Call 是基础的'能力调用机制'，让模型知道何时调用工具。
- Skill 是面向用户的'功能产品'，把复杂逻辑打包成一个可复用的模块。
- MCP 则是连接 AI 与外部资源的'新一代通信协议'，解决标准化问题。
Function Call：最基础的交互机制
这是目前大模型生态中最广泛使用的概念，主要由 OpenAI 在 2023 年引入并普及。它本质上是一种机制，让大语言模型能够智能地决定在何时、以何种参数调用开发者预先定义好的函数。
它不是直接执行代码，而是输出一个结构化的调用请求。
实际工作流程通常是这样的：
- 定义：开发者向模型描述一系列可用的函数，包括函数名、描述、参数列表及类型。
- 决策：用户提问后，模型根据上下文判断是否需要调用函数，以及调用哪个、参数是什么。
- 响应：模型返回一个结构化的 JSON 对象（例如
{"name": "get_weather", "arguments": {"location": "Beijing"}}），而不是自然语言。 - 执行：应用程序收到 JSON 后，在本地或服务器端实际执行对应的代码，获取结果（如调用天气 API）。
- 回复：将执行结果返回给模型，模型再组织成自然语言回复给用户。
特点：
- 标准化：已成为众多模型（OpenAI, Anthropic, 国内大模型等）支持的标准特性。
- 核心机制：是实现 AI 与外部世界交互的基石。
- 开发层：主要面向开发者，普通用户感知不强。
举个例子，你问'北京天气怎么样？'，模型不会瞎猜，而是'调用'了你定义的 get_weather(location) 函数，拿到真实数据后再告诉你。
Skill：封装好的功能模块
这是一个更高层、更产品化的概念，常见于 AI 智能体（AI Agent）和 AI 应用平台（如 Coze, GPTs, Dify）。
什么是 Skill？ 它是一个封装好的、可重复使用的功能模块或 AI 能力。一个 Skill 内部可能包含提示词、知识库、一个或多个 Function Call，甚至是工作流。
如何工作：
- 构建：在平台上通过可视化或配置化方式，将一个完整的能力打包。比如一个'订机票'Skill，可能包含查询航班、获取价格、填写订单等多个步骤。
- 调用：用户通过自然语言触发（如'我想去上海'），AI 智能体自动识别并调用最匹配的 Skill。
- 执行：Skill 作为一个整体在后台运行，可能串联多个动作，最终返回结果。
特点：
- 产品化：终端用户可以直接理解和使用（如'翻译技能'、'画图技能'）。
- 可组合性：可以在智能体中安装多个 Skills，让它具备多种能力。
- 封装性：隐藏了底层复杂的函数调用和逻辑，提供端到端的体验。
比如在 Coze 平台上安装了一个'全网搜索'Skill。当用户问'最近有什么科技新闻？'时，Bot 会自动使用这个 Skill 去搜索并返回结果。其底层其实就是通过 Function Call 来调用搜索 API。
