目录

一、引言：从“对话”到“行动”的进化

二、System Prompt —— Agent 的“人格与使命”

三、User Prompt —— 用户的即时任务指令

四、AI Agent —— 从“回答者”到“执行者”

五、Agent Tool —— AI 的“行动能力”

六、Function Calling —— 模型调用函数的“中间语言”

七、MCP（Model Context Protocol）—— 新一代 Agent 通用协议

八、知识总结表

九、总结

一、引言：从“对话”到“行动”的进化

过去我们使用 ChatGPT 时，AI 只能回答问题；
而今天的 AI Agent（智能体），已经能理解任务、规划行动、调用工具完成复杂目标。

比如说一句：「帮我查xxx学院就业率并生成图表」，
AI Agent 会：

1. 调用搜索接口；

2. 抓取网页数据；

3. 调用可视化工具生成饼图；

4. 将结果返回。

这背后依托的，就是一整套 Agent 架构体系，包括 Prompt、Tool、Function Calling、MCP 等概念。
下面我们逐个拆解。

二、System Prompt —— Agent 的“人格与使命”

System Prompt 是 AI Agent 的核心设定，决定它“是谁”和“如何做事”。

例如：你是一名资深的 Java 后端开发专家，擅长代码优化与架构设计。

这相当于：

• 给 AI 设定了角色（开发专家）

• 定义了语气与输出风格（专业、简洁）

• 限定了任务领域（Java 后端）

需要理解的是

• System Prompt 通常在模型初始化时设置；

• 它不随用户输入而改变；

• 是整个 Agent “人格”的根基。

三、User Prompt —— 用户的即时任务指令

User Prompt 是用户发给 AI 的具体需求。

例如：请帮我用 Spring Boot 写一个登录接口。

Agent 会结合 System Prompt（身份）+ User Prompt（任务）进行理解与执行。

需要理解的是

• User Prompt 属于动态输入；

• 它触发 Agent 的推理与工具调用；

• 多轮对话中，User Prompt 与 Memory 共同影响上下文。

四、AI Agent —— 从“回答者”到“执行者”

AI Agent 是一种 能自主思考与行动 的智能系统。
相比普通 ChatBot，Agent 不只是聊天，而是“做事”。

典型功能模块：

1. System Prompt —— 人格设定

2. User Prompt —— 用户任务

3. Memory —— 记忆系统（短期 + 长期）

4. Tool / Function —— 外部工具

5. Controller / Planner —— 决策与任务规划器

运行机制示意图：

[用户指令]
   ↓
[Agent 解析目标]
   ↓
[规划执行步骤]
   ↓
[调用工具/函数完成任务]
   ↓
[返回结果]
 

例如（自然语言 → 自动调用函数）：

用户：帮我获取重庆天气
Agent：调用 queryWeather(city="重庆")
返回：今日重庆多云 18~25℃

五、Agent Tool —— AI 的“行动能力”

Tool（工具） 是 Agent 能够执行任务的关键。
它让模型从“纯文本输出”变为“真实世界执行者”。

在框架中（如 Spring AI），你可以这样定义一个 Tool：

@Tool
public String queryWeather(String city) {
    return weatherApi.getWeather(city);
}

AI 模型理解指令后，会自动调用这个工具。

需要理解的是

• Tool 是外部函数、API、数据库、计算模块等；

• 每个 Tool 都有描述信息，供模型理解调用；

• 工具越多，Agent 的“能力边界”越广。

六、Function Calling —— 模型调用函数的“中间语言”

Function Calling 是让大模型「安全、准确」地调用函数的一种机制。
它由 OpenAI 在 GPT-4 API 中提出，也被 LangChain、Spring AI 广泛采用。

简单理解：模型并不会直接执行函数，而是“返回一个函数调用计划”，由程序执行。

例如：

模型输出：

{
  "name": "queryWeather",
  "arguments": {
    "city": "重庆"
  }
}
程序执行：

String result = queryWeather("重庆");

再反馈回模型:

{
  "result": "重庆今日晴天 20~28℃"
}

这样做的好处是：

• 模型不会直接运行危险代码；

• 人类开发者可以安全审核调用；

• 支持复杂的多函数调用流程。

七、MCP（Model Context Protocol）—— 新一代 Agent 通用协议

MCP（Model Context Protocol） 是 OpenAI 在 2024 年推出的新标准，
它定义了模型与外部工具、数据源之间的统一通信方式。

你可以理解为「AI 世界的 USB 接口标准」。

它的使命：

让不同的 Agent / 工具 / 应用之间可以：

• 安全通信；

• 标准化调用；

• 共享上下文与记忆。

主要功能：

功能	说明
Tool 注册	向模型注册外部工具接口
Context 注入	统一管理上下文（记忆 / Prompt）
数据安全	限制模型访问范围，防止越权
多模型协作	不同 Agent / 模型之间可协作执行任务

它是连接 “模型能力” 与 “真实世界系统” 的 桥梁标准。
未来的大模型生态（包括 Spring AI、LangChain、OpenAI API）都会支持 MCP。

八、知识总结表

概念	作用	示例 / 类比
System Prompt	定义身份与行为准则	“我是Java专家”
User Prompt	用户发出的即时任务	“帮我写登录接口”
AI Agent	有记忆、能执行任务的智能体	ChatGPT + Tool
Tool	让模型能调用外部功能	@Tool queryWeather()
Function Calling	模型到函数的安全调用机制	模型生成JSON → 程序执行
MCP	模型与外部系统的通信协议	类似USB标准

九、总结

从 Prompt → Agent → Tool → Function Calling → MCP，
我们正见证 AI 从“语言智能”迈向“行动智能”的进化。

未来的 AI 系统，将不再只是“聊天机器人”，
而是“懂你意图、会自己执行任务”的 数字员工（Digital Agent）。

如果这篇文章对你有帮助，请你留下点赞和关注，你的点赞就是我更新的动力