🚀 省流助手 (速通结论)
- Function Calling：是 JS 裸传对象。你给 AI 描述个函数，它给你吐个 JSON 参数。痛点是每个模型格式不一，换个模型就得重写联调逻辑。
- MCP (Model Context Protocol) ：是 TypeScript + 标准协议。它定义了一套通用的“插槽”标准。
- 核心价值：一次开发，到处挂载。你写一个 MCP Server（工具包），Cursor 能用，Claude Desktop 能用，你自己的 App 也能用，不用再为每个模型手动适配 JSON 格式。
一、 Function Calling：本质就是“AI 版的 JSONP”
别被名字唬住了。在前端眼里，它就是一种异步回调机制：
- 你发个请求给 AI，顺便带上一份函数说明书（Schema）。
- AI 根据你的需求，“填”好参数，吐回一个 JSON。
- 你在前端拿到 JSON，去执行本地的 JS 函数。
务实评价： 这玩意儿能跑，但很难维护。
就像早期的 JSONP，你得手动约定回调函数名。一旦你从 OpenAI 换到 Claude，或者模型版本升级，那个 tools 的描述格式可能就变了。作为前端，你最讨厌的就是 “为了对齐后端字段改一下午业务逻辑” 。
二、 MCP：它是平行宇宙里的“标准 Service 层”
如果说 Function Calling 是在代码里硬编码接口描述，那 MCP 就是把这些描述抽离出来，做成了标准协议。
它的工程逻辑非常前端：
- 解耦：以前你的工具函数是写死在某个 AI 请求里的。现在 MCP 让你写一个独立的 MCP Server（你可以理解为一个专门跑工具函数的微服务）。
- 自发现（类似 TS 定义） ：支持 MCP 的客户端（比如 Cursor）连上你的 Server，会自动发一个
list_tools请求。Server 直接把“说明书”交出去。 - 类型安全：协议规定了参数怎么传、报错怎么回。你不需要再为 GPT 拼一套 JSON，再为 Claude 拼另一套。
三、 为什么前端开发者要关注 MCP？
作为务实的前端，我们不看大饼，看提效：
- Cursor 深度集成：
你写个 MCP Server 连接本地数据库。在 Cursor 里，AI 就能直接根据你的表结构写 SQL、改 Bug，不再需要你手动复制表字段给它。 - 避免重复造轮子：
你写好的“自用工具库”（比如：查 Jira、发钉钉、跑脚本），只要符合 MCP 协议，就能无缝接入任何主流 AI 编辑器或对话客户端。 - 调试成本降低：
MCP 有标准的状态码和数据流。联调时，你不再是猜 AI 为什么吐不出 JSON，而是有标准的 Protocol Log 可以看。
四、 总结：它不是新架构，是新规范
Function Calling 是“发力点” （AI 具备了传参能力）；
MCP 是“标准插座” （让这个能力在不同模型、不同 App 之间通用）。
对于前端来说，这就像是从 “手写每个 Ajax 请求的配置” 进化到了 “基于一套 TS 接口定义自动生成 API 调用” 。虽然底层还是那些东西，但工程爽感完全不同。
想看怎么用 Node.js 快速撸一个 MCP Server 吗？ 只要你会写 Express 或 Fastify，半小时就能跑通。
下一步： 建议你去 GitHub 搜一下 @modelcontextprotocol/sdk，你会发现它提供的 TypeScript 类型定义，简直就是为前端量身定做的。
