从openai的Function_calling到mcp_原创Title: 从openai的Function calli

关键要点

从 OpenAI 的函数调用到模型上下文协议（MCP），技术发展似乎主要集中在标准化和扩展功能上。
研究表明，这包括从专有方法转向开放标准，促进 AI 模型与外部系统的互操作性。
证据倾向于表明，MCP 提供了更全面的功能，如工具、资源和提示，超越了函数调用的局限。

概述

从 OpenAI 的函数调用到模型上下文协议（MCP），技术发展反映了 AI 模型与外部系统交互方式的演进。以下是主要方面的详细解释，适合普通读者理解。

什么是 OpenAI 的函数调用？

OpenAI 的函数调用是其 API 的一部分，允许 AI 模型根据用户输入生成函数调用。这些调用由开发者处理，用于连接模型与外部工具或服务，例如天气 API 或数据库查询。它于 2023 年 6 月引入，基于 gpt-3.5-turbo-0613 模型。

什么是模型上下文协议（MCP）？

MCP 是 Anthropic 于 2024 年 11 月提出的开放标准，旨在连接 AI 助手与外部数据源，如内容库、业务工具和开发环境。其目标是帮助前沿模型提供更相关、更准确的响应。MCP 包括工具（模型可调用的函数）、资源（数据源）和提示（指导模型行为的预定义消息）。

技术发展的关键点

标准化：从 OpenAI 的专有函数调用，发展到 MCP 的开放标准，促进了不同 AI 提供商之间的协作和互操作性。
功能扩展：MCP 不仅支持函数调用，还包括数据访问和提示管理，使其更全面。例如，MCP 可用于 SQLite 数据库交互，而函数调用主要专注于生成函数调用。
架构改进：MCP 采用客户端-服务器架构，增强了模块化和可扩展性，相比之下，函数调用更集成在 OpenAI 的 API 生态系统中。
社区驱动：作为开放标准，MCP 鼓励社区贡献，推动创新和更广泛的采用。

一个意想不到的细节

MCP 的发展不仅限于技术进步，还涉及政策和社区协作的推动，例如欧盟 AI 法案等监管框架可能间接影响了标准化需求。

详细报告

以下是关于从 OpenAI 的函数调用到 MCP 技术发展的全面分析，旨在像专业文章一样详细记录所有相关信息。

背景与时间线

研究表明，OpenAI 的函数调用功能于 2023 年 6 月引入，基于 gpt-3.5-turbo-0613 模型。这允许 AI 模型生成函数调用，开发者可据此调用外部工具，如天气 API 或数据库查询。相比之下，Anthropic 于 2024 年 11 月 24 日推出了模型上下文协议（MCP），这是一个开放标准，旨在连接 AI 助手与外部数据源和工具。

时间范围为 2023 年 6 月至 2024 年 11 月，期间 AI 技术经历了显著发展，包括新模型发布和功能增强。

技术发展的具体内容

证据倾向于表明，从函数调用到 MCP 的发展包括以下几个方面：

标准化与开放性
- 最初，OpenAI 的函数调用是其 API 的专有功能，限制了与其他 AI 提供商的互操作性。MCP 的引入则是一个开放标准，旨在统一 AI 模型与外部系统的交互方式。例如，MCP 支持多种模型如 OpenAI、Google Gemini 和 Meta Llama 3.3 70B，通过客户端-服务器架构实现统一访问。
- 这促进了社区协作，鼓励开发者贡献工具和资源服务器，推动创新。例如，GitHub 上有多个 MCP 客户端项目，如 mcp-openai，支持本地推理引擎如 vLLM 和 Llama.cpp。
功能扩展与全面性
- 函数调用主要专注于模型生成函数调用，开发者需手动处理这些调用。而 MCP 提供了更全面的功能，包括：
  - 工具：模型可调用的函数，如搜索天气或执行 SQL 查询。
  - 资源：数据源如文件、数据库或 API，例如通过 MCP 服务器访问 SQLite 数据库。
  - 提示：预定义消息，指导模型行为，如系统提示优化。
- 这使 MCP 更适合构建复杂工作流和安全代理。例如，MCP 可用于自然语言接口与 MySQL 数据库交互，而函数调用更多用于特定任务如电子邮件生成。
架构与可扩展性
- MCP 采用客户端-服务器架构，AI 代理作为客户端，与提供工具和资源的服务器通信。这与函数调用的集成式 API 设计形成对比。例如，MCP 服务器可远程运行，支持动态扩展，而函数调用依赖 OpenAI 的 API 生态系统。
- 这种架构增强了模块化，例如，MCP 服务器可为不同模型提供统一接口，支持远程服务器和认证（仍在开发中）。
安全性和隐私
- MCP 的标准化协议允许定义更好的安全措施，如认证和授权。例如，MCP 服务器可实现企业级安全，保护数据隐私，这在函数调用中依赖开发者自行实现。
- 这对大规模部署尤为重要，例如在医疗或金融领域，需确保数据安全。
社区驱动与创新
- 作为开放标准，MCP 鼓励社区贡献，如 GitHub 上的 MCP 服务器项目，支持 Bitrefill API 或文档提取。这些项目扩展了 MCP 的应用场景，如生成图像或管理 Xano 数据库。
- 相比之下，函数调用的创新更多依赖 OpenAI 的更新，如 GPT-4 Turbo 或 Assistants API 的发布。

对比分析

以下表格详细对比函数调用和 MCP 的关键差异：

特征	OpenAI 的函数调用	模型上下文协议（MCP）
定义	AI 模型生成函数调用，开发者处理执行	开放标准，连接 AI 模型与外部数据源和工具
架构	集成在 OpenAI API 中，基于 JSON Schema	客户端-服务器架构，支持工具、资源和提示
组件	主要为工具调用，依赖开发者实现	包括工具、资源（如数据库）和提示
示例使用	用于天气查询或电子邮件生成	用于 SQLite 数据库交互或文档提取
安全与隐私	依赖开发者实现，安全性有限	支持企业级安全，如认证（开发中）
社区支持	依赖 OpenAI 生态系统	开放标准，鼓励社区贡献，如 GitHub 项目

意想不到的细节

一个意想不到的细节是，MCP 的发展不仅受技术驱动，还受到政策和社区需求的推动。例如，欧盟 AI 法案等监管框架可能间接促进了标准化需求，而社区项目如 mcp-openai 的出现展示了开发者对开放标准的热情。

结论

从 OpenAI 的函数调用到 MCP，技术发展体现了从专有到开放、从单一功能到全面系统的演进。这不仅提升了 AI 模型的实用性，还为未来 AI 代理和复杂工作流的开发奠定了基础。

从openai的Function_calling到mcp_原创