AI 核心概念解析：Skill、MCP 与 Function Call
在构建现代 AI 应用时，我们常听到 Skill、MCP 和 Function Call 这三个词。它们虽然都涉及模型与外部世界的交互，但层级和定位截然不同。
简单来说，Function Call 是底层的原子能力调用机制；Skill 是面向用户封装好的功能产品；而 MCP 则是连接 AI 与外部资源的新一代通信协议。
Function Call：基础调用机制
这是最广泛使用的概念，主要由 OpenAI 在 2023 年引入并普及。它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。
工作原理
- 定义：开发者向模型描述可用函数（名称、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，以及具体参数。
- 响应：模型返回结构化 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，获取结果。
- 回复：将执行结果返回给模型，模型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：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。
示例：你问'北京天气怎么样？'，模型不是瞎猜，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：封装的功能模块
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 以及工作流。
如何工作
- 构建：在平台上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，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，串联多个动作，最终返回结果。
特点
- 产品化：终端用户可直接理解和使用的东西（如'翻译技能'、'画图技能'）。
- 可组合性：可在智能体中安装多个 Skills，让它具备多种能力。
- 封装性：隐藏底层复杂的函数调用和逻辑，提供端到端的体验。
示例：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。底层依然是通过 Function Call 调用搜索 API。
MCP：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'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、日历 API）实现为 MCP 服务器，宣告自己提供的资源和工具。
