简介:面对Prompt、Agent、Function Call、Skill、MCP这五个概念,很多开发者和架构师容易混淆,甚至误以为它们是同一层级的平行选项。本文从分层视角系统拆解五者的定义、相同点与核心差异,并结合架构、接入、扩展、安全、运维等维度做结构化对比,最后给出条件化选型建议与迁移注意事项,帮助读者理清"它们分别解决什么问题、又该如何组合使用"。
在和大模型打交道的实际工程里,我们经常会听到这样一句话:”这个功能用 Prompt 就能搞定””让 Agent 去调用这个能力””先给它挂个 Function Call””把它封装成一个 Skill””要不要接个 MCP”。
于是很多人产生了一个直觉:既然它们经常被放在一起讨论,是不是就可以互相替代、二选一?这正是最大的误区。
真相是:Prompt、Function Call、Skill、MCP、Agent 并不是同一层级的平行概念,而是分布在不同抽象层次上的组件。 它们不是”选哪个”的关系,更多是”如何叠起来一起用”的关系。理解这一点,是搞懂它们区别的前提。
下面先分别定义,再从”分层”角度做真正的对比。
Prompt(提示词):使用者或开发者输入给大模型的自然语言指令与上下文。它是最基础、最底层的交互入口,直接决定了模型这一次输出的方向和质量。Prompt 解决的是”如何把意图表达清楚给模型”的问题。
Function Call(函数调用):大模型的一项基础能力。模型根据用户意图,判断需要触发哪个预定义的函数,并生成一份结构化的调用参数(通常是 JSON),交由外部程序去真正执行,再把执行结果回填给模型。它解决的是”模型本身只能生成文本、不能直接执行动作”的问题,是模型与应用之间的桥梁。
Skill(技能):对某一类能力的封装单元。它可能是一个函数、一组提示词、一段固定流程,或者几者的组合,通过统一的方式暴露出来,供上层按需调用。Skill 解决的是”能力如何模块化、可复用、可管理”的问题,抽象层次比单个函数更高。
MCP(模型上下文协议):一类开放的标准化协议,用于规范 AI 应用/模型如何与外部数据源和工具进行标准化连接。正如原文所说,MCP 可以理解为 AI 世界的”USB 接口”——过去每接一个工具都要写一套定制适配器,接十个工具就是十套胶水代码;有了统一接口标准后,一次接入、多处复用。它解决的是”连接方式如何标准化、避免重复造轮子”的问题,属于协议标准层。
Agent(智能体):能够感知环境、自主规划任务、调用工具、进行多步推理,并根据反馈动态调整行动,从而完成较复杂目标的 AI 系统。它是整个体系里最上层的”应用形态”,通常会整合 Prompt、Function Call、Skill、MCP 等底层能力。Agent 解决的是”如何把一个复杂目标端到端自动完成”的问题。
尽管层级不同,这五者在根本目标上是高度一致的:
这是全文最关键的部分。差异不在于”谁更强”,而在于”各自站在哪一层、负责什么”。
从技术架构(分层)看:
| 层次 | 概念 | 核心职责 |
|---|---|---|
| 输入/指令层 | Prompt | 表达意图、提供上下文 |
| 调用能力层 | Function Call | 让模型能触发外部动作 |
| 能力封装层 | Skill | 把能力模块化、可复用 |
| 连接协议层 | MCP | 标准化模型与工具/数据的连接 |
| 应用编排层 | Agent | 自主规划并端到端完成任务 |
从接入方式看: Prompt 几乎零接入成本,写一段文字即可;Function Call 需要在模型侧注册函数签名与参数 Schema,有一定开发量;Skill 需要对能力做标准化封装;MCP 需要引入协议并遵循接口规范,前期投入较高,但换来的是接入的标准化;Agent 则是最重的,需要设计规划、记忆、工具调度、异常处理等整套编排逻辑。
从扩展性看: Prompt 的可扩展性最弱,本质是单次文本;Function Call 依赖注册的函数数量;Skill 具备良好的复用性;MCP 的价值恰恰在于”一次接入、多处复用”,横向扩展新工具时边际成本最低;Agent 的扩展性取决于其编排能力和所集成的底层能力。
从安全与合规看: 越往上、越是”会真正执行动作”的层,安全要求越高。Prompt 主要涉及内容安全与注入风险;Function Call 及其上层涉及权限控制、参数校验、操作审计;MCP 作为连接协议,需要重点关注身份认证、数据隔离与访问边界,因为它可能触达外部数据源。
从运维成本看: Prompt 几乎无需运维;Function Call 需要维护接口与版本;Skill 需要管理能力清单;MCP 涉及协议版本兼容与连接监控;Agent 的运维最复杂,涉及链路追踪、失败重试、可观测性等一整套体系。
示意性的调用流程(通用伪代码,非任何具体产品):
用户意图 → Prompt 组织上下文→ 模型判断需要触发哪个 Function Call→ 通过 MCP 标准接口连接到对应的 Skill/工具→ 工具执行并返回结构化结果→ Agent 根据结果规划下一步,或向用户输出结论
一句话:不要为了用概念而用概念,要从”你的任务处在哪个复杂度层级”出发选择对应能力,再按需叠加。
Prompt、Agent、Function Call、Skill、MCP 之所以让人”傻傻分不清楚”,根本原因是它们常被并列提及,但本质分属不同抽象层次:Prompt 是入口,Function Call 是让模型动手的能力,Skill 是能力的封装,MCP 是连接的标准,Agent 是编排一切的应用形态。
真正专业的理解,不是问”它们有什么区别该选哪个”,而是理解”它们各自站在哪一层、解决什么问题、又该如何有机组合”。抓住”分层”这条主线,你就能在具体的技术选型中,把每一层能力用在合适的位置,构建出既可靠又可维护的 AI 应用体系。