MCP 协议详解：与 Function Call 的区别及 Python 实现

1. 什么是 MCP？

Model Context Protocol（MCP），即大模型上下文协议，由 Anthropic 近期提出。它的核心目标是为 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 协议就是统一了大模型与工具的对接逻辑。它采用 C/S 架构，支持客户端调用远程 Server 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。只需在配置文件中新增 MCP 服务端，即可让大模型便捷地使用各种工具。

作为开源协议，MCP 旨在让所有 AI 厂商和工具都能集成其中。用户越多，协议生态越丰富，技术迭代也越快。

2. 理解 Function Call 机制

在 MCP 普及之前，AI Agent 开发若要调用外部工具，通常需要针对不同的 SDK 编写适配代码。OpenAI 提供的 Function Call 是最为常见的处理逻辑之一。

2.1 Function Call 实战演示

配置工具与参数

调用 Chat Completions 接口时，通过 tools 参数传入外部工具定义。这包含了工具的描述、所需参数及其释义。tool_choice 字段控制模型行为：设为 auto 表示自动选择工具，none 则禁止调用。

import openai
import json

def main():
    # 初始化客户端，请替换为你的实际 API Key
    client = openai.OpenAI(
        api_key="YOUR_API_KEY",
        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="Qwen/Qwen2.5-32B-Instruct",
        messages=[
            {: , : },
            {: , : }
        ],
        tools=tools,
        tool_choice=
    )

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

 __name__ == :
    main()

MCP 协议详解：与 Function Call 的区别及 Python 实现