大模型外挂MCP教程(4):一图看懂Function calling和MCP的区别和联系，代码讲解流程小白教程-CSDN博客

本文链接：https://blog.csdn.net/2401_84380512/article/details/147623738

大家好，我是程序员寒山。

今天我们来聊聊大模型的两个关键技术——Function Calling和MCP。它们都能让AI调用外部工具，但究竟有什么区别？又该如何选择？3分钟带你搞懂！

1. Function Calling：AI的“基础工具包”

Function Calling就像给AI装上一套“基础工具包”，让它能直接调用单个函数，比如查天气、算汇率。

核心能力：模型识别用户需求，生成结构化调用指令（如{"function": "get_weather", "city": "北京"}），由外部程序执行。
优点：简单直接，适合单一任务（如实时数据查询）。
局限：工具多了就混乱，比如同时管理几十个API，提示词会臃肿，效率暴跌。
代码实例：

# 示例函数1：获取天气（模拟实现）
def get_current_weather(location, unit="celsius"):
   """
   模拟天气API调用
   实际应用时应替换为真实API调用
   """
   # 这里模拟可能的返回结果
   mock_data = {
       "location": location,
       "temperature": "22" if unit == "celsius" else "72",
       "unit": unit,
       "forecast": ["sunny", "cloudy"],
       "humidity": 65,
       "timestamp": datetime.now().isoformat()
   }
   return {
       "success": True,
       "data": mock_data,
       "error": None
   }

# 示例函数2：查询股票（模拟实现）
def get_stock_price(symbol, period="1d"):
   """
   模拟股票API调用
   返回示例：
   - 成功时返回股票数据
   - 符号无效时返回错误
   """
   valid_symbols = ["AAPL", "MSFT", "GOOGL"]
   if symbol not in valid_symbols:
       return {
           "success": False,
           "error": "Invalid stock symbol",
           "data": None
       }
   
   # 模拟数据
   return {
       "success": True,
       "data": {
           "symbol": symbol,
           "price": 185.32,
           "currency": "USD",
           "period": period,
           "history": [182.1, 184.5, 185.3]
       },
       "error": None
   }

# 定义可用函数工具集
tools = [
   {
       "type": "function",
       "function": {
           "name": "get_current_weather",
           "description": "获取指定位置的当前天气信息",
           "parameters": {
               "type": "object",
               "properties": {
                   "location": {"type": "string", "description": "城市名称"},
                   "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
               },
               "required": ["location"]
           }
       }
   },
   {
       "type": "function",
       "function": {
           "name": "get_stock_price",
           "description": "获取股票价格信息",
           "parameters": {
               "type": "object",
               "properties": {
                   "symbol": {"type": "string", "description": "股票代码"},
                   "period": {"type": "string", "enum": ["1d", "1w", "1m"]}
               },
               "required": ["symbol"]
           }
       }
   }
]
# 第一步：模型判断是否需要调用函数
       response = openai.ChatCompletion.create(
           model="gpt-3.5-turbo-0613",
           messages=[{"role": "user", "content": user_input}],
           tools=tools,
           tool_choice="auto"
       )
       
       # 解析模型响应
       action = process_function_call(response)
  
       
       # 情况1：需要执行函数调用
       if action["type"] == "function":
           print("\n[系统] 检测到函数调用请求：")
           print(json.dumps(action, indent=2, ensure_ascii=False))
           
           # 执行对应函数
           if action["name"] == "get_current_weather":
               result = get_current_weather(**action["args"])
           elif action["name"] == "get_stock_price":
               result = get_current_weather(**action["args"])
           else:
               result = {"error": "未知函数"}
           
           print("\n[系统] 函数执行结果：")
           print(json.dumps(result, indent=2, default=str))
           
           # 第二步：将结果返回给模型生成最终回复
           second_response = openai.ChatCompletion.create(
               model="gpt-3.5-turbo-0613",
               messages=[
                   {"role": "user", "content": user_input},
                   {"role": "function", "name": action["name"], 
                    "content": json.dumps(result)}
               ]
           )
           
           print("\n[最终回复] " + 
                 second_response.choices[0].message["content"])

2. MCP：AI的“万能插座”

MCP（Model Context Protocol）则是更高级的“万能插座”，它标准化了AI与工具的交互协议，让模型不用关心细节，只管提需求！

核心能力：统一接入多工具（如CRM、邮件、日历），动态调度服务。比如AI只需说“查Acme公司的销售合同”，MCP自动协调CRM、文件搜索等模块。
优点：解耦工具依赖，扩展性强，适合企业级复杂场景。
现状：腾讯云、Anthropic等已支持，生态正在壮大。

3. 关键区别：单兵作战 vs. 军团协作

维度	Function Calling	MCP
定位	基础函数调用	多工具调度中枢
复杂度	低（少量工具）	高（大规模工具集成）
标准化	厂商自定义（如OpenAI）	统一协议（如JSON-RPC）
典型场景	查天气、算汇率	跨系统自动化流程