AI 智能体全景指南：从 LLM 到 MCP，融合 RAG，一文打通七大核心要素

超爱柠檬
97 阅读13分钟

摘要

在 2026 年的今天，构建能真正干活的 AI 应用，早已不是单纯调个大模型写个提示词那么简单。我们需要一套完整的“智能体技术栈”。本文将深度解析 LLM（大语言模型）、Agent（智能体）、Prompt（提示词）、Function Calling（函数调用）、Skills（技能）、MCP（模型上下文协议）以及新增的核心要素 RAG（检索增强生成）。通过清晰的层级架构和生动的实战案例，助你从底层原理到架构设计全面通关，掌握开启 AGI 应用时代的钥匙。

第一部分：核心概念深度拆解

如果把构建 AI 应用比作组建一支特种部队，那么这七大要素分别扮演着不可或缺的角色：

1. LLM (Large Language Model) —— “超级大脑”

  • 定义：基于海量数据训练的基础模型，具备强大的语言理解、逻辑推理和生成能力。
  • 角色：系统的认知核心。它负责“想”，但不负责“做”（除非借助工具）。
  • 关键点：它是所有能力的基石，但没有记忆、无法联网、不能操作外部系统是其原生短板。此外，它的知识有“保质期”，只能回答训练数据截止日期前的内容，且容易产生“幻觉”（胡说八道）。
  • 比喻：一个智商极高但刚出生、没有工作经验、且记忆停留在过去的“天才婴儿”。

2. RAG (Retrieval-Augmented Generation) —— “外挂资料库”

  • 定义：检索增强生成技术。让 LLM 在回答问题前，先去指定的外部资料库（如企业知识库、最新网页、数据库）中检索相关信息，将检索到的内容作为上下文提供给模型，从而生成更准确的回答。

  • 角色：知识的实时补给站和事实核查员。

  • 核心价值：

    • 解决时效性问题：让模型能回答训练数据之后的最新事件。
    • 接入私有知识：让模型能理解公司内部文档、个人笔记等非公开数据。
    • 减少幻觉：答案基于检索到的事实依据（“开卷考试”），而非模型凭空捏造，并可提供来源引用。

  • 比喻：给天才婴儿递上一本随时更新的“百科全书”或“小抄”，让他从“凭记忆瞎聊”变成“有理有据的开卷学霸”。

3. Prompt (提示词) —— “交互接口”

  • 定义：用户或系统发送给 LLM 的文本指令，用于引导模型输出特定内容。
  • 角色：人机沟通的桥梁。
  • 演进：从简单的“请帮我写代码”，进化为包含角色设定、思维链（CoT）、少样本学习（Few-Shot）的复杂结构。
  • 局限：Prompt 是“一次性”的，难以复用复杂的业务逻辑，且容易受上下文长度限制。
  • 比喻：老板随口对天才婴儿说的一句话：“去把那个红色的球拿过来。”

4. Function Calling (函数调用) —— “原子级行动力”

  • 定义：一种让 LLM 能够结构化输出外部函数名称和参数的技术能力。LLM 不直接执行代码，而是告诉系统：“我需要调用 get_weather(city='Beijing')”。

  • 角色：手脚的神经末梢。它将 LLM 的意图转化为机器可执行的指令。

  • 核心价值：

    • 打破封闭：让 LLM 能查询实时数据、操作数据库、发送邮件。
    • 结构化输出：强制模型输出 JSON 格式，便于程序解析，避免了正则提取的不稳定性。

  • 比喻：指挥官喊出“开火！”这个具体的动作指令。

5. Skills (技能) —— “封装的业务流”

  • 定义：Prompt + Function Calls + 逻辑控制的组合体。它将解决某个特定领域问题（如“SEO 优化”、“代码重构”）的一整套流程固化下来。

  • 角色：可复用的专家模块。

  • 与 Function Calling 的区别：

    • Function Calling 是原子动作（如：查天气、查库存）。
    • Skill 是战术组合（如：“促销活动策划”技能 = 查库存 -> 查历史销量 -> 生成文案 -> 调用邮件发送）。
    • Skill 内部可能包含多次 Function Calling，以及条件判断（如果库存<10，则停止推荐）。

  • 比喻：一本《特种作战手册》，里面详细规定了遇到 A 情况该按什么顺序执行哪几个动作。

6. MCP (Model Context Protocol) —— “万能连接器”

  • 定义：由 Anthropic 主导推出的开放协议，旨在标准化 LLM 与外部数据源/工具的连接方式。

  • 角色：基础设施层的 USB 接口。

  • 核心价值：

    • 解耦：开发者只需编写一次 MCP Server，任何支持 MCP 的 Agent 都能连接，无需为每个模型单独适配。
    • 统一视图：无论后端是 Slack、Google Drive 还是本地 SQL，对 Agent 来说都是统一的资源描述。
    • 生态繁荣：解决了以往不同模型、不同工具间接口不统一（M×N 复杂度）的问题，实现“即插即用”。

  • 比喻：USB-C 接口。不管你是鼠标、键盘还是硬盘，插上就能被电脑识别。

7. Agent (智能体) —— “自主执行官”

  • 定义：以 LLM 为核心，集成了记忆、规划、工具使用（Function Calling/Skills）、知识检索（RAG）和感知能力的自主系统。
  • 角色：最终的产品形态。
  • 工作循环：感知 (Perceive) -> 思考 (Think/Plan) -> 检索知识 (Retrieve via RAG) -> 行动 (Act via Function Calling/Skills) -> 观察 (Observe) -> 反思 (Reflect)。
  • 比喻：这支整编的特种部队，能自主规划、查阅资料、执行并完成任务。

第二部分：层级关系与协作逻辑（可视化详解）

这是理解整个架构最关键的部分。我们可以将这七大要素看作一个 “智能体金字塔” 。从底层的物理连接，到中间的原子动作，再到上层的业务技能，最后由顶层的智能体进行统筹。

1. 智能体技术栈金字塔 (The Agent Stack)

       ▲
       │  【第 5 层：自主决策层】
       │  🤖 Agent (智能体)
       │  职责：感知环境 -> 规划任务 -> 记忆上下文 -> 调度技能 -> 反思结果
       │  核心：LLM (大脑) + 规划器 (Planner)
       │
       ├─────────────────────────────────────────
       │  【第 4 层：知识增强层】
       │  📚 RAG (检索增强生成)
       │  职责：动态检索外部知识库，为决策提供实时/私有事实依据
       │  作用：解决幻觉，注入最新数据和私有数据
       │
       ├─────────────────────────────────────────
       │  【第 3 层：业务封装层】
       │  📚 Skills (技能包)
       │  职责：将复杂的业务流程固化 (SOP)
       │  构成：Prompt 模板 + 多个 Function Calls + 逻辑判断 + 错误处理
       │  例子："代码审查技能"、"财报分析技能"
       │
       ├─────────────────────────────────────────
       │  【第 2 层：原子执行层】
       │  🛠️ Function Calling (函数调用)
       │  职责：将自然语言意图转化为结构化的机器指令 (JSON)
       │  特点：原子性、单一职责 (如：查天气、查库存)
       │
       ├─────────────────────────────────────────
       │  【第 1 层：标准连接层】
       │  🔌 MCP (Model Context Protocol)
       │  职责：统一通信协议，屏蔽底层差异
       │  作用：让 LLM/Agent 能像插 USB 一样连接任何数据源/工具
       │
       ▼─────────────────────────────────────────
       │  【基础资源层】
       │  🌐 外部世界 (数据库 / API / 文件系统 / 搜索引擎 / SaaS 应用 / 知识库)
       └─────────────────────────────────────────

💡 图解说明：

  • 向下依赖：Agent 依赖 RAG 获取准确信息，依赖 Skills 来执行复杂任务，Skills 依赖 Function Calling 来执行具体动作，Function Calling 依赖 MCP 来连接真实世界。
  • 向上抽象：越往上，业务逻辑越强，离用户意图越近；越往下，技术细节越多，离硬件/网络越近。
  • LLM 的位置：LLM 贯穿所有层级，它是每一层的“驱动引擎”，但在架构图中通常作为核心组件嵌入在 Agent 层、RAG 层（重排序/生成）和 Skills 层 中。

2. 动态协作流程：从“一句话”到“一件事”

为了让大家彻底看懂它们是如何动起来的，我们用一个 “自动处理客户投诉并退款，同时查询最新政策” 的真实案例，演示数据流如何在金字塔中穿梭。

🎬 场景剧本 用户输入 (Prompt) ：“客户李四反馈收到的手机屏幕碎了，要求紧急退款。另外，我想确认一下公司上周是否更新了碎屏赔付的最新政策？”

⚙️ 协作步骤拆解

  • Step 1: 意图识别与规划 (Agent + LLM + Prompt)

    • 输入：用户 Prompt。

    • 处理：Agent 调用 LLM，结合系统预设的 Prompt（“你是一个客服专家，遇到破损需走退款流程，且需核实最新政策”）。

    • 决策：LLM 分析后认为这是一个复合任务：

      1. 需要查询“最新赔付政策”（涉及私有知识库，触发 RAG）。
      2. 需要执行“售后处理”（涉及复杂流程，触发 Skills）。

  • Step 2: 知识检索增强 (RAG)

    • 动作：针对“上周最新政策”这一子问题，Agent 暂停执行，先启动 RAG 流程。
    • 检索：系统在向量数据库中检索“2026年 碎屏 赔付 政策 更新”相关的文档片段。
    • 增强：找到文档片段：“2026-05-20 更新：碎屏情况无需寄回检测，直接全额退款。”
    • 输入 LLM：将检索到的片段作为上下文，连同用户问题再次喂给 LLM。
    • 结果：LLM 现在“知道”了最新政策，消除了幻觉，确定可以直接退款，无需检测。

  • Step 3: 加载业务逻辑 (Skills)

    • 动作：Agent 激活 AfterSales_Skill。

    • 内部逻辑：该 Skill 内部定义了一套 SOP（标准作业程序）：

      1. 查询订单详情。
      2. 验证是否符合退款政策（利用 RAG 获取的最新规则）。
      3. 执行退款操作。
      4. 记录故障日志到数据库。
      5. 发送安抚邮件。

    • 作用：Skill 告诉 LLM：“别慌，按这 5 步走，每一步该调什么函数我都写好了。”

  • Step 4: 生成原子指令 (Function Calling)

    • 执行第 1 步：LLM 根据 Skill 指引，决定查询订单。

    • 输出：LLM 不直接查库，而是输出一个标准的 Function Call 指令：

      {
  "name": "get_order_details",
  "arguments": { "user_id": "LiSi", "order_type": "mobile" }
}

    • 意义：这是“神经信号”，告诉系统我要做什么，但还没真正动手。

  • Step 5: 统一路由与执行 (MCP)

    • 传输：系统接收到 Function Call 指令，通过 MCP 协议 进行路由。
    • 连接：MCP Client 发现 get_order_details 对应的是一个连接公司 ERP 系统的 MCP Server。
    • 执行：MCP 将请求转换为 ERP 系统能听懂的 API 调用，获取数据（“订单存在，确认为碎屏”）。
    • 回传：结果通过 MCP 原路返回给 LLM。

  • Step 6: 循环与闭环 (Agent Loop)

    • 观察：LLM 收到“确认为碎屏”的结果，并结合 RAG 提供的“免检测”政策。
    • 下一步：Skill 逻辑触发第 3 步（执行退款）。LLM 再次生成 process_refund 的 Function Call。
    • 再执行：MCP 再次介入，调用支付网关完成退款。
    • 结束：所有步骤完成后，Agent 汇总结果，生成最终回复给用户：“李四先生，已确认您的手机碎屏情况。根据公司上周最新政策（免检测），退款 5000 元已原路返回，故障已记录。抱歉给您带来不便。”

3. 为什么这个架构如此重要？

通过这个金字塔结构，我们解决了传统 AI 开发的四大痛点：

  1. 准确性问题 (RAG 的作用) ：

    • 以前只靠模型训练数据，容易过时或胡说八道。
    • 现在有了 RAG，实现了“开卷考试”，答案有据可查，且能利用私有数据。

  2. 稳定性问题 (Skills 的作用) ：

    • 以前只靠 Prompt，模型容易“发疯”或漏步骤。
    • 现在有了 Skills，把专家的经验固化成代码逻辑，保证了每次执行的一致性。

  3. 扩展性问题 (MCP 的作用) ：

    • 以前每接一个新数据库都要改代码。
    • 现在有了 MCP，新增一个工具就像给电脑插个 U 盘，Agent 自动就能识别并使用，无需修改上层逻辑。

  4. 复杂度管理 (Function Calling 的分层) ：

    • 将复杂的业务拆解为原子的 Function Calls，让 LLM 只需要关注“什么时候调用”，而不需要关注“怎么实现连接”，降低了模型的认知负担。

第三部分：核心概念对比速查表

为了彻底理清思路，请看这张对比表：

概念层级核心作用粒度是否可复用典型例子
Prompt交互层传达意图单次对话低 (需重复构造)"帮我写个请假条"
RAG知识层事实检索与增强知识片段高 (知识库通用)查询公司内部文档、最新新闻
Function Calling执行层单个动作执行原子级 (函数)中 (函数本身可复用)get_weather(), search_db()
Skills业务层复杂任务封装流程级 (多步逻辑)高 (资产化)"SEO 优化技能", "代码审查技能"
MCP基础设施层标准化连接协议/接口极高 (通用标准)连接 Slack, GitHub, 本地文件的统一接口
LLM核心层推理与决策--GPT-4, Claude 3.5, Qwen-Max
Agent系统层自主统筹全局完整系统-自动编程助手, 个人旅行规划师

关键辨析

  • Function Calling vs Skills:

    • Function Calling 是“砖块”。
    • Skills 是用砖块盖好的“房间”（包含了砖块怎么砌的逻辑、Prompt 引导、错误处理）。
    • 场景：如果你只需要查个天气，用 Function Calling 就够了；如果你要做一个“出差行程规划”，就需要一个包含查天气、订酒店、查机票的 Skill。

  • Function Calling/Skills vs MCP:

    • Function Calling/Skills 决定了 “做什么” （What to do）。
    • MCP 决定了 “怎么连” （How to connect）。
    • 以前，每个 Function Call 都要写特定的 HTTP 请求代码；现在，Function Call 通过 MCP 协议统一分发，实现了 “一次开发，处处连接” 。

  • LLM vs RAG:

    • LLM 是“大脑”，负责理解和生成，但知识是静态的。
    • RAG 是“图书馆”，负责提供动态的、私有的事实依据。
    • 关系：LLM 是发动机，RAG 是燃油（高质量数据），没有 RAG 的 LLM 在特定领域容易“空转”（产生幻觉）。

第四部分：未来展望

随着 MCP 协议的普及、RAG 技术的成熟以及 Skills 生态的建立，AI 开发的范式正在发生根本性转变：

  1. 从“写 Prompt”到“造 Skills”与“建知识库” ：未来的核心竞争力不再是谁能写出更巧妙的 Prompt，而是谁能将行业专家的隐性知识固化为高质量的 Skills，以及谁能构建结构化、高价值的私有知识库（RAG 的基础）。
  2. 从“定制集成”到“即插即用” ：MCP 将消除 AI 应用与外部世界连接的摩擦成本。未来的 Agent 可以像手机安装 App 一样，瞬间获得连接企业微信、SAP、Notion 的能力。
  3. 从“通用闲聊”到“垂直专家” ：RAG 使得通用大模型能瞬间变身为企业内部的财务专家、法律顾问或医疗助手，且数据不出域，安全可控。
  4. Function Calling 的隐形化：随着协议标准化，开发者将更少关注底层的 Function Call 实现细节，而更多关注 Agent 的编排逻辑和 Skills 的业务价值。

🚀 总结一句话

LLM 是大脑，Prompt 是口令，RAG 是外挂知识库，Function Calling 是手脚动作，Skills 是专业套路，MCP 是神经网络，而 Agent 就是那个能独当一面、有理有据、手脚麻利的数字员工。

掌握这七要素的组合拳，你就掌握了开启 AGI 应用时代的钥匙。

欢迎关注的我的公众号《码上未来》，一起交流AI前沿技术!

码上未来.jpg

扫码二维码加我微信进群聊AI

image.png

avatar
文章
阅读
粉丝