MCP 协议详解：与 Function Call 的区别及实战基础

什么是 MCP？

MCP 全称为 Model Context Protocol，中文译为'大模型上下文协议'。2025 年由 Anthropic 提出，旨在为 AI 大模型与外部工具（如信息查询、本地文件操作等）之间的交互提供一个统一的处理标准。如果把 USB-C 接口统一了物理连接方式，那么 MCP 协议则统一了大模型与工具的对接逻辑。

该协议采用 C/S 架构，支持客户端调用远程 Server 提供的服务，同时也支持 stdio 流式传输模式，允许在客户端本地启动 MCP 服务端。只需在配置文件中注册 MCP 服务端，即可利用其提供的各类工具，显著提升了大模型调用外部能力的便捷性。

作为开源协议，MCP 鼓励所有 AI 厂商和工具将其集成到客户端中。生态越丰富，协议的生命力就越强，这也是推动大模型能力扩展的关键。

了解 Function Call

在 MCP 普及之前，AI Agent 开发若要调用外部工具，往往需要针对不同的模型 SDK 编写适配代码。其中最为成熟且广泛使用的方案是 OpenAI 提出的 Function Call 机制。

配置工具，让 AI 提供参数

调用 Chat Completions 接口时，可以通过 tools 参数传入可供使用的外部工具定义。这包含了工具的作用描述、所需参数及其释义。其中 tool_choice 字段设为 auto 代表让大模型自动选择是否调用工具，设为 none 则禁止调用。

import openai
import json

def main():
    client = openai.OpenAI(
        api_key="xxxxx",
        base_url="https://api.siliconflow.cn/v1"
    )
    tools = [{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名"}
                },
                "required": ["city"]
            }
        }
    }]

    res = client.chat.completions.create(
        model=,
        messages=[{
            : ,
            : 
        }, {
            : ,
            : 
        }],
        tools=tools,
        tool_choice=
    )

    (, res.choices[].message.content)
    (, res.choices[].message.tool_calls)
    (, res.choices[].message.to_dict())

 __name__ == :
    main()