function call 是让大模型在一次对话里，按你提供的 函数 schema 生成“该调用哪个函数、传什么参数”；
MCP 是一个 统一协议，让模型客户端和外部系统之间，能标准化地发现并使用 工具、资源、提示词/工作流。换句话说，function call 更像“调用动作”，MCP 更像“接入标准”。
核心区别有 5 个：
- 抽象层级不同
function call 是 API 层能力，重点是“模型如何调用一个工具/函数”；OpenAI 官方把它定义为一种 tool，函数由 JSON Schema 描述参数。MCP 则是协议层标准，规定客户端和服务器如何初始化、协商能力、列出并调用能力。 - 能力范围不同
function call 主要解决“调用函数/工具”。MCP 不只包含 tools，还包含 resources（上下文/数据）和 prompts（模板化提示与工作流）。所以 MCP 覆盖面更大。 - 发现方式不同
function call 通常是你在代码里提前把工具列表直接传给模型。MCP 则支持客户端通过协议去 发现 服务器暴露出来的工具、资源、提示，并且服务器能力还能动态变化。 - 生态目标不同
function call 更适合“我的应用里有几个自定义函数，我想让模型调用”。MCP 的目标是“一次实现，到多个 AI 客户端/代理里复用”，官方把它类比成 AI 的 USB-C 接口。 - 关系不是替代，而是包含/配合
在今天的生态里，两者可以一起用。比如 OpenAI 官方文档把 function calling 和 remote MCP servers 并列为可用工具能力；也就是说，MCP 服务器可以给模型提供工具，而模型最终依然会发生“调用工具”这个动作。
你可以用一句话记忆：
- function call：我已经知道有哪些函数，让模型选一个来调。
- MCP：我先按统一协议把外部世界接进来，再让模型去发现和使用这些能力。
落到你的开发场景里：
- 你只是做“文件按后缀分类”“调用本地 move_file()”“查一个数据库接口”这类单应用内工具，优先用 function call。
- 你要把文件系统、Git、数据库、Notion、Calendar 这类能力做成可复用接入，或者希望不同客户端都能接同一套能力，优先考虑 MCP。MCP 官方示例服务器就包括 filesystem、git、memory、time 等。
