Prompt、Agent、Function Call、Skill、MCP你真的分得清吗

前言

AI 这个词如今铺天盖地，伴随着它的还有一堆新概念：Prompt、Agent、Function Call、Skill、MCP……听起来都像那么回事，可真要问它们到底有什么区别、怎么连在一起的，很多人就卡壳了。这期咱们就掰开揉碎，用最直白的方式把这些词串起来，保证你看完心里有数。

其实可以把它们看作是搭建一个智能应用（比如一个虚拟助手）的不同层次和组件——从最基础的指令到高层的交互协议，一层层叠上去，就像搭积木一样。

1. 核心概念定义

Prompt（提示词/提示工程）

• 是什么
  ：这是你与AI模型对话的最基本单元。说白了，就是你发给大语言模型（LLM）的一段文字，用来引导它生成你想要的回复。

• 本质
  ：可以理解为

  写给AI的“使用说明书”或“指令”
  。它本身不执行任何动作，只是告诉模型该扮演什么角色、输出什么格式、回答什么问题。

• 示例
  ：你问“法国的首都是哪里？”——这就是一个简单的Prompt。稍微复杂点的：“你是一位专业旅游顾问，请为我规划一个为期3天的巴黎行程，并用列表输出。”

Agent（智能体/袋里）

• 是什么
  ：Agent是一个更复杂的系统，它把LLM当作“大脑”或“决策引擎”，来

  自主地完成一个相对复杂的任务
  。它通常自带规划、记忆和调用工具的能力。

• 本质
  ：Agent是一个

  能“行动”的实体
  。它不只是被动回答问题，而是会主动琢磨：要实现这个目标，得先做什么？第一步怎么走？万一失败了怎么办？

• 工作流程示例
  ：你对它说“帮我订一张下周五从北京到上海的机票”。Agent会：

  1. 规划
     ：需要查航班、比价格、选航班、下单。

  2. 调用工具
     ：它会调用一个“查询航班”的工具（Function Call）。

  3. 执行与反馈
     ：拿到结果后，整理信息，再问你选哪个，最后帮你下单。整个过程可能包含多次“思考-行动-观察”的循环。

Function Call（函数调用）

• 是什么
  ：这是LLM的一种能力。你在请求模型时，可以事先描述一系列函数（包括功能、参数等）。当用户的问题需要执行特定操作或获取实时信息时，模型不会自己去写代码，而是

  返回一个“调用某个函数”的请求
  ，并附上相应参数。

• 本质
  ：可以看作是

  连接LLM与外部世界（数据、系统、API）的“桥梁”
  。它让LLM从只能“说话”进化到可以“动手”的接口。

• 示例
  ：你问“北京天气怎么样？”
  1. 你在Prompt中向模型描述了一个 get_weather(city: string) 函数。
  2. 模型判断需要调用这个函数，于是返回一个特殊格式的回复：{ "function": "get_weather", "parameters": {"city": "北京"} }。
  3. 你的程序收到这个请求，去执行真实的天气API调用，拿到数据后返回给模型，模型再用自然语言告诉你“北京今天晴，10-20度”。

Skill（技能）

• 是什么
  ：这是个偏产品和应用层的概念。一个Skill可以理解为

  赋予Agent的一种特定能力或“插件”
  。它通常封装了一系列用于完成特定领域任务的Prompt、工作流和Function Call。

• 本质
  ：可以看作是Agent的

  “应用程序”
  。装一个“音乐技能”，Agent就能放歌；装一个“办公技能”，Agent就能帮你处理文档。

• 示例
  ：在智能音箱里，“闹钟技能”包含了设置、取消、查询闹钟等功能。对Agent来说，一个Skill往往对应一个或多个底层的Function Call，还可能结合特定的Prompt模板来指导Agent如何使用这些功能。

MCP（模型上下文协议 / Model Context Protocol）

• 是什么
  ：这是一个

  开放的、标准化的协议
  ，由Anthropic提出。它要解决的核心问题是：如何让AI模型（尤其是Agent）能够

  以一种统一、安全的方式，动态地发现和使用各种外部工具和数据源
  。

• 本质
  ：可以看作是

  AI世界的“USB-C接口”
  。想象一下，以前每个外设（打印机、键盘、显示器）都需要不同的接口和驱动。MCP想成为那个通用的标准接口——只要你的AI应用支持MCP，就能即插即用地连接到任何也支持MCP的数据源或工具服务器。

• 工作流程
  ：一个支持MCP的Agent可以通过MCP客户端，连接一个MCP服务器（比如Google Drive服务器或本地文件服务器）。服务器会告诉客户端：“我有这些工具：list_files、read_file、search_docs”。Agent就可以像调用本地Function Call一样去调用这些远程工具。

2. 区别与联系

接下来，我们用一张关系图和一段类比来把这些概念串起来。

关系图

核心区别与联系

3. 综合类比：一个智能厨房

为了让你印象更深，咱们把这个过程比作一个智能厨房：

1. Prompt（指令）
   ：你对厨房机器人说：“我饿了，给我做一份番茄炒蛋。”这就是Prompt，是你下达的初始指令。

2. Agent（智能厨房机器人）
   ：机器人本身就是Agent。它听到你的话，开始思考：做番茄炒蛋需要先洗番茄、切番茄、打鸡蛋、炒菜……这是一个有规划的过程。

3. Function Call（具体动作）
   ：机器人的手臂开始执行具体动作：“拿起番茄”（这是一个Function Call）、“打开水龙头”（另一个Function Call）、“开启炉灶”（又一个Function Call）。LLM本身不会做这些，但它会决定何时调用这些动作。

4. Skill（烹饪技能包）
   ：机器人内部安装了一个“中式烹饪技能包”，这个技能包里包含了“洗菜”、“切菜”、“炒菜”等一系列相关的Function Call的说明书和操作流程。如果装的是“西式烘焙技能包”，那它就会调用和面、烤箱相关的功能。

5. MCP（通用厨房接口标准）
   ：假设你的厨房还有一个独立的智能冰箱和智能烤箱，它们各自有不同的接口。如果它们都遵循MCP标准，那么你的厨房机器人就可以通过标准的“查询库存”接口访问冰箱，通过标准的“设置温度”接口控制烤箱，无需为每个设备单独写一套连接代码。

总结

• Prompt
  是语言，告诉AI

  “要什么”
  。

• Function Call
  是工具，赋予AI

  “怎么做”
  的能力接口。

• Skill
  是技能包，将相关工具打包，让AI的能力

  模块化
  。

• Agent
  是执行者，利用大脑（LLM）规划，使用手脚（Function Call/Skill）去

  自主完成任务
  。

• MCP
  是标准接口，让AI能

  通用、便捷地连接
  任何外部工具，是整个生态的“基础设施”。