每天打开手机，各种 AI 相关的名词就像潮水一样涌来 —— agent、MCP、function calling… 这些词看起来高深莫测，仿佛在说某种加密语言。作为一个曾经对着这些术语犯迷糊的人，今天我想用最接地气的方式，带你把这些AI世界的"黑话"彻底搞明白。

从简单的聊天开始：Prompt 的前世今生

2023年OpenAI发布GPT时，AI还只是个简单的聊天框。我们发消息给它，它回复我们——这些消息有个专业叫法，叫user prompt（用户提示词），说白了就是我们的问题或想说的话。

但很快有人发现不对劲：同样问"肚子疼"，我妈会让我去医院，我爸会催我上厕所，女朋友可能直接怼回来"滚远点，老娘也疼"——可AI只会给个四平八稳的标准答案，无趣得很。

问题出在哪？AI 没有"人设"。于是有人想到：把人设塞进提示词里试试？比如发一句"你扮演我女朋友，我肚子疼"，AI果然就会怼人了。但这样总觉得有点怪，毕竟"扮演女朋友"不是我们真正想说的内容。

聪明的开发者们干脆把人设信息单独拎出来，做成了system prompt（系统提示词）。它就像给AI写的"剧本"，规定了AI的角色、性格、说话语气——所有不是用户直接说的内容，都能塞进去。每次我们发 user prompt 时，系统会自动把这两份提示词一起发给AI，对话瞬间就自然多了。

现在很多聊天机器人里，system prompt 都是预设好的，但像 ChatGPT 会提供 “customize ChatGPT” 功能，让我们写的偏好自动变成 system prompt 的一部分，相当于给AI定制"个性"。

让 AI 自己动手：Agent 和 Tool 的诞生

光会聊天还不够，能不能让AI真的帮我们做事？第一个吃螃蟹的是开源项目 AutoGPT。它像个小助手，能帮你管理电脑文件——但前提是你得先给它准备好工具：比如listFiles（列目录）、readFiles（读文件）这些函数。

把这些工具注册给 AutoGPT 后，它会生成一个特殊的 system prompt ，告诉AI：“你有这些工具，用法是这样，想用的话得按这格式说”。当你让它找"原神安装目录"时，AI 会按格式要求调用工具，AutoGPT 解析后执行操作，再把结果返回给 AI，直到任务完成。

这种在模型、工具和用户之间当"传话筒"的程序，就叫AI agent；那些可供调用的函数或服务，就是agent tool。不过AI毕竟是概率模型，偶尔会"不听话"——返回的格式不对。所以很多agent会自动重试，一次不行就来第二次，像个执着的小助理。

更规范的协作：Function Calling 的进化

反复重试总归有点不靠谱。于是 ChatGPT、Jina AI 这些大模型厂商推出了 function calling（函数调用）功能，核心就俩字：规范。

以前用 system prompt 描述工具时，怎么写全凭感觉，只要 AI 看得懂就行。现在 function calling 要求所有工具都用 JSON 对象定义：name 字段写工具名，description 写功能，parameters 列参数——就像给每个工具发了张"身份证"。

更妙的是，这些 JSON 对象从 system prompt 里独立出来，有了自己的专属位置；AI调用工具的回复格式也被统一规定。这样一来，开发者能更有针对性地训练AI，就算AI犯错，服务器也能自动检测并重试，用户完全感觉不到。

不过这功能也有小遗憾：没有统一标准。各家大厂的 API 定义五花八门，不少开源模型还不支持，想做个跨模型通用的 agent，还是有点头疼。

AI世界的"USB协议"：MCP 是什么？

聊完 agent 和模型的沟通，再看看 agent 和工具怎么协作。最早大家把 agent 和 tool 写在同一个程序里，直接调用就行。但后来发现，很多工具是通用的——比如网页浏览工具，好几个 agent 都要用，总不能每个里面都抄一遍代码吧？

这就像每个设备都得装专属驱动，太麻烦了。于是MCP协议诞生了（Modle Context Protocal），你可以把它理解成 AI 世界的 “USB协议” ——专门规范 agent 和 tool 服务之间的通信。

运行工具的服务叫 MCP Server，调用工具的 agent 叫 MCP Client。MCP 规定了它们怎么通信，Server 要提供哪些接口（比如查询有哪些工具、参数格式是什么）。除了普通的 tool（函数调用形式），MCT Server 还能直接提供数据、文件读写服务 或为 agent提供提示词模板。

有意思的是，MCP 虽然是为 AI 定制的，但它本身和 AI 模型一点关系都没有——不管 agent 用的是 GPT 还是别的模型，MCP 只管帮它管好工具、资源和提示词。

串起来看：AI 协作的完整链条

说了这么多，这些概念到底怎么一起工作？举个例子你就明白了：

当我问 AI agent "女朋友肚子疼该怎么办"时，整个流程是这样的：

1. 我的问题变成 user prompt 传给 agent
2. agent 通过 MCP 协议从 MCP Server 拿到所有 tool 的信息
3. 这些信息被转换成 system prompt 或 function calling 格式，和 user prompt 一起发给AI模型
4. AI 模型发现有个 Web Browser（网页浏览工具），于是通过 function calling 格式生成调用请求
5. agent 通过 MCP 协议调用 MCP Server 的 Web Browser 工具
6. 工具访问指定网站后，将内容返还给 agent，再转发给 AI 模型
7. AI 模型结合网页内容"头脑风暴"，得出"多喝热水"的结论
8. 最后由 agent 把结果展示给我

这些概念就像一个个齿轮，环环相扣构成了 AI 自动化协作的完整体系。它们不是谁取代谁，而是各司其职，一起让 AI 变得更聪明、更能干。

写在最后

现在再看那些 AI 术语，是不是清晰多了？其实技术名词背后，都是让 AI 更好服务人类的努力。有人说AI的进步让人焦虑，但我更多感受到的是激动——毕竟能亲眼见证并参与这样的技术变革，本身就是件幸运的事。

如果说时代的洪流注定要呼啸而过，那不如清醒地迎上去，从搞懂这些"黑话"开始。毕竟，理解技术，才能更好地驾驭未来。