深入理解 MCP 协议：与 Function Call 的区别及实战使用

对应的 Python SDK 实现如下。我们将工具列表放入一个字典列表中，作为 create 函数的 tools 参数。这里以硅基流动提供的 Qwen2.5 模型为例进行演示，实际运行时请替换正确的 API Key。

import openai
import json

def main():
    # 初始化客户端，注意 base_url 需根据实际服务商调整
    client = openai.OpenAI(
        api_key="YOUR_API_KEY_HERE",
        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=[
            {"role": "system", "content": "你是一个天气查询助手"},
            {"role": "user", "content": "帮我查询上海的天气"}
        ],
        tools=tools,
        tool_choice="auto"
    )

    print("content:", res.choices[0].message.content)
    print("tools:", res.choices[0].message.tool_calls)
    print("message:", res.choices[0].message.to_dict())

if __name__ == "__main__":
    main()

运行后，大模型会根据用户问题和提供的工具定义，生成所需的参数。此时 content 通常为空，而 tool_calls 中会包含调用的工具名称及参数。

输出示例：

❯ uv run main.py
content: 
tools: [ChatCompletionMessageToolCall(id='...', function=Function(arguments='{"city": "上海"}', name='get_weather'), type='function')]
message: {'content': '', 'role': 'assistant', 'tool_calls': [...]}

这对应标准的 JSON 响应格式，明确指出了函数名和参数字符串。

执行工具并二次处理

拿到模型返回的参数后，我们需要在本地执行该函数，并将结果反馈给大模型，让它基于真实数据生成最终回答。这一步需要维护对话上下文：首先插入第一次请求的助理回复，然后插入工具调用的结果数据。

上下文结构如下：

[
  { "role": "user", "content": "帮我查询上海的天气" },
  { "role": "assistant", "content": null, "tool_calls": [...] },
  { "role": "tool", "content": "{\"temperature\": 25, \"city\": \"上海\"}" }
]

通过这种方式，大模型能结合工具返回的真实数据完成后续的逻辑推理。这种模式虽然有效，但每次接入新工具都需要重新定义 Schema 和适配逻辑，缺乏统一的传输层标准。

三、MCP 带来的改变

相比传统的 Function Call，MCP 的优势在于将工具调用从应用层下沉到了协议层。它定义了标准化的通信格式和传输通道，使得不同的大模型可以复用同一套工具服务，无需重复开发适配代码。

简单来说，Function Call 是'应用内'的工具调用方案，而 MCP 则是'跨应用'的工具互联协议。对于开发者而言，这意味着一次开发，多处调用，极大地降低了构建复杂 Agent 系统的门槛。