Skill（技能）、**MCP（模型上下文协议）和Function Call（函数调用）**是构建现代 AI 应用时绕不开的三个核心概念。简单来说，它们分别代表了能力调用的基础机制、面向用户的功能产品以及连接 AI 与外部资源的新一代通信协议。
Function Call（函数调用）
这是最基础且广泛使用的概念，主要由 OpenAI 在 2023 年 6 月引入并普及。它本质上是一种让大语言模型智能决定何时、以何种参数调用开发者预定义函数的机制。
工作原理：
- 定义：开发者向模型描述可用函数，包括名称、描述及参数类型。
- 决策：模型根据对话上下文判断是否需要调用函数，确定具体参数。
- 响应：模型返回结构化的 JSON 对象（如
{"name": "get_weather", "arguments": {"location": "Beijing"}}），而非自然语言。 - 执行：应用程序接收 JSON 后，在本地或服务器端实际执行代码并获取结果。
- 回复：将执行结果反馈给模型，由模型组织成自然语言回复给用户。
特点：标准化程度高，已成为众多模型支持的特性；它是实现 AI 与外部世界交互的基石，但主要面向开发者，普通用户感知不强。
Skill（技能）
这是一个更高层、更产品化的概念，常见于 AI 智能体和 AI 应用平台（如 Coze、GPTs、Dify）。
是什么：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、多个 Function Call 以及工作流。
如何工作：
- 构建：通过可视化或配置化方式打包完整能力。例如'订机票'Skill 可能串联查询航班、获取价格等多个步骤。
- 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匹配的 Skill。
- 执行：Skill 作为整体在后台运行，串联多个动作，最终返回结果。
特点：产品化强，终端用户可直接理解和使用；具备可组合性，可在智能体中安装多个 Skills；封装性好，隐藏了底层复杂的逻辑。
MCP（Model Context Protocol，模型上下文协议）
这是由 Anthropic 提出并主导的开放协议，旨在标准化 AI 模型与外部资源（服务器、数据库、API 等）的交互方式，可以看作是 Function Call 的进化版。
是什么：一套客户端 - 服务器协议。它定义了标准，让任何兼容 MCP 的'服务器'都能被任何兼容 MCP 的'客户端'使用。
如何工作：
- 服务器：工具（如文件系统、数据库）实现为 MCP 服务器，宣告提供的资源和工具。
- 客户端：AI 应用（如 Claude Desktop、Cursor IDE）作为客户端，启动时连接一个或多个 MCP 服务器。
- 通信：双方通过标准的 JSON-RPC 消息通信。当需要时，客户端获取资源列表或调用工具，并将结果提供给 AI 模型。
特点：解决了不同 AI 模型和工具之间各自为政的问题；支持动态发现，无需硬编码；引入了'资源'概念，不仅限于工具；安全性更高，连接通常本地化。
对比总结
| 特性 | Function Call | Skill | MCP |
|---|---|---|---|
