function-calling

Shadowlover
95 阅读4分钟

* function calling

  • function calling
  • ai agent
  • Claude
  • 脚本
  • C/S 架构
  • JavaScript

MCP（Model Context Protocol），作为热门领域 AI Agent 衍生出来的东西，function calling 的协议升级版，虽说是一种统一协议，但如果从应用层直接理解，可以简单解释为为让 AI 像人类一样更好地使用工具的一种方法。用大白话来说，MCP 就是给 AI 提供了一个更好的"工具箱"和使用说明书。

早期的 Function Calling 需开发者手动注册所有工具函数，导致请求冗余和扩展性差。这种局限性催生了 MCP 协议的诞生，它一定程度上改变了 AI 与工具交互的方式。

基础概念：agent

最简单的实现方式是多个大模型+function calling，比如我想做一个能跑终端命令和网络搜索的 agent，可以准备三个大模型，一个大模型负责调配任务、一个负责配合 fc 跑终端命令和网络搜索、最后一个负责收集上面大模型的输出进行总结。

从“单把 ⛏️”到“工具箱”

  • Function Calling：AI 像一个只会单一技能的学徒，拿着一把 ⛏️，只能重复单一动作
  • MCP 增强的 Agent：AI 可以像一位经验丰富的工匠，不仅掌握各种工具的使用方法，还能根据任务需求灵活组合工具，制定最优方案

MCP 的工作原理

当您向 agent 提出请求时，它 会：

  1. 分析您的需求
  2. 查看它的"工具箱"中有哪些可用工具
  3. 选择合适的工具并按正确的方式使用它们
  4. 整合各个工具的结果给您最终答案

MCP 协议优势解析（使用者视角）

特性Function CallingMCP 协议
工具增减❌ 工具固定，需要提前设定✅ json 配置就完事了
任务执行方式❌ 只能按固定步骤执行✅ agent 自动组合工具完成任务
开发难易度❌ 需要重复写模版代码✅ json 配置就完事了
跨设备兼容❌ 需针对不同系统调整✅ 配置是统一了，实现细节不关我事
功能扩展能力❌ 添加新功能较困难✅ json 配置就完事了
日常维护❌ 麻烦✅ json 配置就完事了

制作 MCP 服务（开发者视角）

下面我们将以 cursor，nodejs 来实现一个案例展示如何构建简单的 MCP 服务，帮助大家深入理解

或自行参考官方文档

创建项目文件夹

mkdir see-girl-mcp-server cd see-girl-mcp-server

初始化npm项目

npm init -y

安装对应mcp依赖

npm i @modelcontextprotocol/sdk zod

创建主文件

copy nul index.mjs

然后将下面代码写入 index.mjs

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js"; import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js"; import { exec } from 'child_process'; import { z } from 'zod';

/** @return {MCP服务器} */ const server = new McpServer({ name: "see-girl", version: "0.0.1"

/** @return {随便找的免费接口} */ const url = "api.kuleu.com/api/MP4_xia…";

/** @return {获取视频，返回mp4格式} */ const getVideo = async () => { const response = await fetch(${url}?type=json); const data = await response.json(); return data.mp4_video;

/** @注册工具给agent用 */ server.tool( "get-video", async () => { try { const video = await getVideo(); // 启动后直接浏览器启动 return { content: [{ type: 'text', text: video, isError: false, } catch (error) { console.warn(error); return { content: [{ type: 'text', text: error.message, isError: true,

/** @浏览器启动妹子视频 */ server.tool('open-video', { url: z.string().describe('妹子视频的url') }, async ({ url }) => { // 区分mac和windows if (process.platform === 'darwin') { exec(open ${url}, { shell: true }); } else { exec(start ${url}, { shell: true }); return { content: [{ type: 'text', text: 'ok', isError: false,

/** @启动服务器 */ async function main() { try { // 日志服务器启动信息 console.log("启动MCP服务器...");

// 使用标准输入/输出作为传输方式
const transport = new StdioServerTransport();
await server.connect(transport);

console.log("MCP服务器已启动并等待连接");

} catch (error) { console.error("启动服务器时出错:", error); process.exit(1);

main();

一个简单的 mcp 服务脚本就写好了，这里包含两个工具，我们可以运行看一下效果

接下来我们尝试将其给 cursor 的 agent 用,打开 cursor settings，选择左边的 mcp 菜单

然后右上角 add new mcp server，将下面那段代码复制进去，刷新看一下就有了

args 那里不论 mac 还是 window 都需要绝对地址,路径为对应脚本的绝对路径，自行替换。

"mcpServers": { "see-girl": { "name": "查询妹子视频服务", "key": "see-girl", "command": "node", "args": ["D:\code\nodeJS\weather-mcp-server\index.mjs"]

粘贴完后会自动尝试启动服务，如图即配置成功

最后我们再对话框尝试一下 agent 的运行

随后会自动在浏览器打开网页预览视频

注意：此处的脚本宿主环境不是浏览器，而是 nodejs

铺一份function calling 代码

基于 mcp 协议包来开发工具，相对之前 function calling 时代，很大程度上减少了开发量，通过本文案例可见，mcp 协议将 AI 工具化能力提升到新高度。使用者无需再硬编码复杂逻辑，而是通过声明式工具注册，即可构建出智能的 AI 服务生态。随着 Claude、Cursor 等平台对 mcp 的原生支持，这种"智能工具箱"模式正在成为 AI 应用开发的新范式

ps：本文仅代表笔者的粗略见解，如有不同意见，可评论留言

本文由mdnice多平台发布

avatar
文章
阅读
粉丝