Function Calling
agent
我们知道了大模型在很多时候具有局限性，我们再来回顾一下大模型的几个缺点： 会产生“幻觉”。 缺乏垂直领域数据的训练，无法回答专业性很强的问题。 对实时了解有限或一无所知。 对于复杂的数学计算，无法完成。
因此，我们使用大模型的 Function Calling 能力，让其借助工具完成了简单的加法减法任务。
MCP 主要是为了解决当前 AI 模型因数据孤岛限制，无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
*以前产品都是对外提供 OpenAPI，未来可以提供 MCP Server，让使用者通过自然语言调用。
MCP 提供了“一个将任何 API 转化为 LLM 工具插件的标准接口”，从而实现了“以超低摩擦的方式丰富 LLM 的上下文”。 *
MCP的技术架构由三个核心组件构成：
MCP Host （执行环境） 就像是企业的办公环境和基础设施。 它提供了高管办公和秘书工作的场所，是一切活动的发生地。在实际应用中，Claude Desktop、Cursor这类AI应用就是典型的Host，它们提供了用户与AI交互的界面和环境，同时也为Agent和MCP Client提供了运行空间。
MCP Client （通信枢纽） 像是秘书（Agent）使用的标准化供应商。 它不参与决策，不理解任务本质，只负责按照秘书的指示，以正确的格式和协议与各种服务提供商通信。MCP Client是一个纯技术组件，处理通信协议、数据格式转换和连接管理等底层问题。
MCP Server （服务终端） 就像是各个专业部门或外部服务提供商，每一个都负责特定类型的服务。 有的提供数据分析（如财务部），有的提供信息检索（如资料室），还有的提供内容生成（如市场部）。在MCP架构中，每个Server提供特定类型的功能：工具、资源或提示。
