前言

隨著 AI 的迅速崛起，有很多詞匯你可能會(huì)經(jīng)常聽到，但是讓你來詳細(xì)地說一下它們各自的區(qū)別與聯(lián)系，有很多人還是回答不上來的，這期咱們就來詳細(xì)地講解一下它們各自的區(qū)別與聯(lián)系，讓你對(duì)它們有更多的了解。

可以把它們想象成構(gòu)建一個(gè)智能應(yīng)用（比如一個(gè)智能助手）的不同層次和組件，從最基礎(chǔ)的指令，到高級(jí)的交互協(xié)議。

1. 核心概念定義

Prompt（提示詞/提示工程）

• 是什么：這是用戶與 AI 模型交互的最基本形式。它是你輸入給大語言模型（LLM）的一段文本，用來引導(dǎo)模型生成你想要的回復(fù)。
• 本質(zhì)：可以看作是寫給 AI 的“使用說明書”或“指令” 。它本身不執(zhí)行動(dòng)作，只是告訴模型應(yīng)該做什么、扮演什么角色、輸出什么格式。
• 示例：你問“法國的首都是哪里？”，這就是一個(gè)簡單的 Prompt。復(fù)雜的 Prompt 可能包括：“你是一個(gè)專業(yè)的旅游顧問，請(qǐng)為我規(guī)劃一個(gè)為期 3 天的巴黎行程，并以列表形式輸出。”

Agent（智能體/代理）

• 是什么：Agent 是一個(gè)更復(fù)雜的系統(tǒng)，它利用 LLM 作為核心“大腦”或“決策引擎”，來自主地完成一個(gè)相對(duì)復(fù)雜的任務(wù)。它通常具備規(guī)劃、記憶、以及使用工具的能力。

• 本質(zhì)：Agent 是一個(gè)能“行動(dòng)”的實(shí)體。它不僅僅是被動(dòng)地回答問題，而是會(huì)主動(dòng)思考：要實(shí)現(xiàn)這個(gè)目標(biāo)，我需要做哪些步驟？第一步該做什么？如果失敗了怎么辦？

• 工作流程示例：你讓它“幫我預(yù)訂一張下周五從北京到上海的機(jī)票”。Agent 會(huì)：

  1. 規(guī)劃：需要查詢航班、比較價(jià)格、選擇航班、然后下單。
  2. 調(diào)用工具：它可能會(huì)調(diào)用一個(gè)“查詢航班”的工具（Function Call）。
  3. 執(zhí)行與反饋：拿到查詢結(jié)果后，它會(huì)整理信息，再詢問你要選哪個(gè)，最后幫你下單。整個(gè)過程中，它可能需要進(jìn)行多次“思考-行動(dòng)-觀察”的循環(huán)。

Function Call（函數(shù)調(diào)用）

• 是什么：這是 LLM 的一種能力。在請(qǐng)求模型時(shí)，你可以向它描述一系列函數(shù)（包括函數(shù)的功能、參數(shù)等）。當(dāng)用戶的問題需要執(zhí)行特定操作或獲取實(shí)時(shí)信息時(shí)，模型不會(huì)自己去執(zhí)行代碼，而是返回一個(gè)“調(diào)用某個(gè)函數(shù)”的請(qǐng)求，并附帶好相應(yīng)的參數(shù)。

• 本質(zhì)：這是連接 LLM 與外部世界（數(shù)據(jù)、系統(tǒng)、API）的“橋梁” 。它讓 LLM 從只能“說話”升級(jí)為可以“動(dòng)手”的接口。

• 示例：你問“北京天氣怎么樣？”。

  1. 你在 Prompt 中向模型描述了一個(gè) get_weather(city: string) 函數(shù)。
  2. 模型判斷出需要調(diào)用這個(gè)函數(shù)，于是返回一個(gè)特殊格式的回復(fù)，內(nèi)容類似于：{ "function": "get_weather", "parameters": {"city": "北京"} }。
  3. 你的程序收到這個(gè)請(qǐng)求，然后去執(zhí)行真正的天氣 API 調(diào)用，獲取數(shù)據(jù)，最后把數(shù)據(jù)返回給模型，讓模型用自然語言告訴你“北京今天晴，10-20度”。

Skill（技能）

• 是什么：這是一個(gè)偏產(chǎn)品和應(yīng)用層的概念。一個(gè) Skill 可以理解為賦予 Agent 的一種特定能力或“插件” 。它通常封裝了一系列用于完成特定領(lǐng)域任務(wù)的 Prompt、工作流和 Function Call。
• 本質(zhì)：可以看作是 Agent 的 “應(yīng)用程序” 。安裝一個(gè)“音樂技能”，Agent 就能放歌；安裝一個(gè)“辦公技能”，Agent 就能幫你處理文檔。
• 示例：在一個(gè)智能音箱里，“鬧鐘技能”包含了設(shè)置鬧鐘、取消鬧鐘、查詢鬧鐘等功能。對(duì)于 Agent 來說，一個(gè) Skill 可能對(duì)應(yīng)著一個(gè)或多個(gè)底層的 Function Call，也可能結(jié)合了特定的 Prompt 模板來指導(dǎo) Agent 如何使用這些功能。

MCP（模型上下文協(xié)議 / Model Context Protocol）

• 是什么：這是一個(gè)開放的、標(biāo)準(zhǔn)化的協(xié)議，由 Anthropic 提出。它旨在解決一個(gè)問題：如何讓 AI 模型（特別是 Agent）能夠以一種統(tǒng)一、安全的方式，動(dòng)態(tài)地發(fā)現(xiàn)和使用各種外部工具和數(shù)據(jù)源。
• 本質(zhì)：可以看作是 AI 世界的“USB-C 接口” 。想象一下，以前每個(gè)外部設(shè)備（打印機(jī)、鍵盤、顯示器）都需要不同的接口和驅(qū)動(dòng)。MCP 就是想成為一個(gè)通用的標(biāo)準(zhǔn)接口。只要你的 AI 應(yīng)用支持 MCP，它就能即插即用地連接到任何也支持 MCP 的數(shù)據(jù)源或工具服務(wù)器。
• 工作流程：一個(gè)支持 MCP 的 Agent 可以通過 MCP 客戶端，去連接一個(gè) MCP 服務(wù)器（比如一個(gè) Google Drive 服務(wù)器，或一個(gè)本地文件服務(wù)器）。服務(wù)器會(huì)告訴客戶端：“我有這些工具：list_files、read_file、search_docs”。Agent 就可以像使用本地 Function Call 一樣，去調(diào)用這些遠(yuǎn)程工具。

2. 區(qū)別與聯(lián)系

現(xiàn)在，我們用一張圖和一個(gè)類比來串聯(lián)它們。

關(guān)系圖

核心區(qū)別與聯(lián)系

3. 綜合類比：一個(gè)智能廚房

為了更好地理解，我們把這個(gè)過程比作一個(gè)智能廚房：

1. Prompt（指令） ：你對(duì)廚房機(jī)器人說：“我餓了，給我做一份番茄炒蛋。” 這就是 Prompt，是你下達(dá)的初始指令。
2. Agent（智能廚房機(jī)器人） ：機(jī)器人本身就是 Agent。它聽到你的話，開始思考：做番茄炒蛋需要先洗番茄、切番茄、打雞蛋、炒菜……這是一個(gè)有規(guī)劃的過程。
3. Function Call（具體動(dòng)作） ：機(jī)器人的手臂開始執(zhí)行具體動(dòng)作：“拿起番茄”（這是一個(gè) Function Call）、“打開水龍頭”（另一個(gè) Function Call）、“開啟爐灶”（又一個(gè) Function Call）。LLM 本身不做這些，但它會(huì)決定何時(shí)調(diào)用這些動(dòng)作。
4. Skill（烹飪技能包） ：機(jī)器人內(nèi)部安裝了一個(gè)“中式烹飪技能包”，這個(gè)技能包里包含了“洗菜”、“切菜”、“炒菜”等一系列相關(guān)的 Function Call 的說明書和操作流程。如果裝的是“西式烘焙技能包”，那它就會(huì)調(diào)用和面、烤箱相關(guān)的功能。
5. MCP（通用廚房接口標(biāo)準(zhǔn)） ：假設(shè)你的廚房還有一個(gè)獨(dú)立的智能冰箱和智能烤箱，它們各自有不同的接口。如果它們都遵循 MCP 標(biāo)準(zhǔn)，那么你的廚房機(jī)器人就可以通過標(biāo)準(zhǔn)的“查詢庫存”接口訪問冰箱，通過標(biāo)準(zhǔn)的“設(shè)置溫度”接口控制烤箱，無需為每個(gè)設(shè)備單獨(dú)寫一套連接代碼。

總結(jié)

• Prompt 是語言，告訴 AI “要什么” 。
• Function Call 是工具，賦予 AI “怎么做” 的能力接口。
• Skill 是技能包，將相關(guān)工具打包，讓 AI 的能力模塊化。
• Agent 是執(zhí)行者，利用大腦（LLM）規(guī)劃，使用手腳（Function Call/Skill）去自主完成任務(wù)。
• MCP 是標(biāo)準(zhǔn)接口，讓 AI 能通用、便捷地連接任何外部工具，是整個(gè)生態(tài)的“基礎(chǔ)設(shè)施”。

到此這篇關(guān)于Prompt、Agent、Function Call、Skill、MCP的文章就介紹到這了,更多相關(guān)Prompt、Agent、Function Call、Skill、MCP內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持腳本之家！

最新評(píng)論