在构建现代 AI 应用时，我们常听到 Skill、MCP 和 Function Call 这三个词。它们听起来相似，但实际处于不同的抽象层级。
简单来说：Function Call 是基础的调用机制，Skill 是面向用户的功能产品，而 MCP 则是连接 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、最广泛使用的概念，主要由 OpenAI 在 2023 年引入并普及。
是什么：一种让大语言模型能够智能地决定何时、以何种参数调用开发者预先定义好的函数的机制。它不是直接执行代码，而是输出一个结构化的调用请求。
如何工作：
- 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，以及调用哪个函数、参数是什么。
- 响应：模型返回一个结构化的 JSON 对象（如
{"name": "get_weather", "arguments": {"location": "Beijing"}}），而不是自然语言。 - 执行：应用程序收到这个 JSON 后，在本地或服务器端实际执行对应的代码，获取结果。
- 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，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，并将 API 返回的真实数据告诉你。
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、一个或多个 Function Call、工作流等。
如何工作：
- 构建：在平台上通过可视化或配置化的方式，将一个完整的能力打包。例如，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：是终端用户可以直接理解和使用的东西（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，你安装了一个'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。这个 Skill 底层就是通过 Function Call 来调用搜索 API。
MCP（Model Context Protocol，模型上下文协议）
这是一个由 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 的进化版或标准化版本。
是什么：一个客户端 - 服务器协议。它定义了一套标准，让任何兼容 MCP 的'服务器'（提供资源的工具）都能轻松地被任何兼容 MCP 的'客户端'（AI 应用或 IDE）使用。
如何工作：
- ：任何工具（如文件系统、数据库、日历 API）都可以实现为 MCP 服务器，它向客户端宣告自己提供哪些'资源'和'工具'。
