73. AI Agent 中 Function Call 和 MCP 的区别是什么？

难度 P1 高频 · 岗位应用 · 频率 ★★★ · 预计阅读 5 min

本题阅读地图
💡 简要回答
📝 详细解析
🎯 面试总结

👔 面试官：Function Call 和 MCP 都能让 Agent 调工具，有啥区别？

🙋 我：MCP 是新出来的，比 Function Call 更先进？

👔 面试官：「更先进」说明你没想清楚它们解决的是不同层次的问题。你能说清楚两者的关系吗？

这道题考的是分层思维，不是时间先后。

💡 简要回答

Function Call 和 MCP 解决的是不同层次的问题，不是替代关系，而是层叠关系：

Function Call：解决的是「LLM 如何结构化地表达调用意图」——让模型输出 JSON 而不是自然语言来描述工具调用。
MCP：解决的是「工具如何被标准化暴露给任意 Agent」——在 Function Call 的基础上，定义了工具发现、通信、传输的完整标准协议。

可以这样理解：Function Call 是大脑发出的指令格式，MCP 是连接大脑和手脚的神经系统标准。

📝 详细解析

从问题出发理解两者

Function Call 解决的问题：LLM 只会输出文字，怎么让它「告诉」我要调哪个工具、参数是什么？

答案是：训练模型识别工具调用意图，并以结构化 JSON 格式输出调用请求，而不是自然语言。这是模型侧的能力，是 LLM 学会的一种「语言」。

MCP 解决的问题：工具越来越多，每个框架接每个工具都要写适配代码，生态碎片化怎么办？

答案是：制定标准协议，让工具提供方按标准开发 Server，Agent 框架按标准实现 Client，两者通过协议互通，不需要点对点适配。

层叠关系可视化

用户意图
    ↓
LLM 推理 + Function Call  ← 「我要调 get_weather，参数是北京」（JSON 格式）
    ↓
MCP Client 发起请求      ← 「通过 MCP 协议，找到对应的 Server 并发请求」
    ↓
MCP Server 执行工具      ← 「调天气 API，返回结构化结果」
    ↓
结果回到 LLM

Function Call 发生在「LLM 决策层」，MCP 发生在「工具接入层」。两者协同工作，前者负责「想清楚要调什么」，后者负责「找到工具并调通」。

对比速查

维度	Function Call	MCP
解决问题	LLM 如何表达调用意图	工具如何被标准化暴露
所在层次	LLM 能力层（模型侧）	工具集成层（架构侧）
关键产出	结构化 JSON（tool_calls）	统一通信协议（JSON-RPC）
发明方	OpenAI（2023）	Anthropic（2024）
关系	基础能力	在 FC 基础上的上层规范

🎯 面试总结

别说「MCP 取代了 Function Call」，这两者根本不在同一层。答题时要点出层叠关系：Function Call 是模型学会的「调用语言」，MCP 是行业制定的「接入标准」，两者配合才构成完整的工具调用闭环。能画出上面那个调用链路图，这道题就答满了。

章节首页 · ← Q72 · Q74 →

73. AI Agent 中 Function Call 和 MCP 的区别是什么？ ​

本题阅读地图 ​

💡 简要回答 ​

📝 详细解析 ​

从问题出发理解两者 ​

层叠关系可视化 ​

对比速查 ​

🎯 面试总结 ​