MCP 协议详解：与 Function Call 的区别及实战使用

1. 什么是 MCP？

MCP 全称为 Model Context Protocol，即大模型上下文协议。它的核心目标是为 AI 大模型与外部工具之间的交互提供一个统一的处理标准。这就好比 USB-C 接口统一了物理连接方式，MCP 协议旨在统一大模型与各类工具的对接规范。

MCP 采用了 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种工具能力，显著提升了大模型调用外部资源的便捷性。

作为一个开源协议，MCP 鼓励所有 AI 厂商和工具将其集成到客户端中。用户基数越大，协议迭代越快，生态也就越完善。

2. 了解 Function Call

在 MCP 普及之前，开发 AI Agent 调用外部工具通常需要针对不同的大模型 SDK 编写适配代码。其中最为成熟且广泛使用的方案是 OpenAI 提供的 Function Call 机制。

2.1. Function Call 实战演示

2.1.1. 配置工具与参数生成

调用 Chat Completions 接口时，可以通过 tools 参数传入外部工具的定义。这包括工具的描述、所需参数及其类型。tool_choice 字段控制模型是否自动选择工具：设为 auto 表示自动选择，设为 none 则禁止调用。

import openai
import json

def main():
    # 初始化客户端，base_url 可根据实际服务商调整
    client = openai.OpenAI(
        api_key="YOUR_API_KEY",
        base_url="https://api.example.com/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())