Prompt、Agent与MCP怎么区分

作者:JC2026.11.16 10:48浏览量:0

简介:本文从能力分层角度对比Prompt、Function Call、Agent、Skill与MCP:厘清各自职责、相同点、架构差异、适用场景与选型边界,并给出Java示意与迁移注意,帮助开发者避免概念混用、减少接入与运维成本。

在大模型应用从“能聊天”走向“能办事”的过程中,开发者常把Prompt、Function Call、Agent、Skill、MCP放在同一句话里讨论,却很难说明白它们各自解决什么问题、边界在哪里、何时该叠加使用。本文把这五者作为同一技术栈上的五层能力进行对比:它们都服务于“让模型按业务意图产出可靠结果”,但所处抽象层次、控制方式、扩展成本与风险完全不同。读完后应能回答:有什么区别、怎么选、哪些场景不该上、从一层迁到另一层要注意什么。

对比背景:为什么要把五个概念放在一张图里

早期接入大模型,多数系统只做一件事:把用户输入拼进一段文本,调用对话接口,再把生成内容展示出来。这条链路足够支撑问答、摘要、文案改写。一旦业务要求“查库、改状态、调内部接口、跨系统协作”,纯文本对话就会暴露三类问题:模型不知道系统里有哪些可执行能力;即使知道,也缺少稳定的参数契约;多步任务缺少规划、校验与失败回退。于是行业逐步补上工具调用、自主规划、可复用技能包以及标准化工具接入协议。这些能力不是互相替代的产品,而是同一应用从“对话”到“行动”时逐层加厚的接口与运行时。把它们混为一谈,常见后果是:用超长Prompt硬扛本该由函数契约完成的事;把一次性脚本包装成所谓Agent却没有状态机;为每个工具写一套私有协议,后续无法复用。因此有必要按职责分层对比。

对象定义:五层分别解决什么问题

Prompt是人与模型之间的自然语言约定。它包含系统角色、任务目标、约束、示例与上下文。它不执行外部动作,只塑造生成分布。适用问题是:表达意图、约束风格、提供少量示例、注入当前会话事实。

Function Call(工具调用)是把模型的“想做事”变成“按约定调用系统能力”。模型输出的不再只是自然语言,而是结构化的函数名与参数;由业务运行时真正执行查询、写入或计算,再把结果回灌给模型。它解决的是动手问题:让模型触达数据库、工单、检索、计算等确定性能力,同时用JSON Schema一类契约降低胡编参数的概率。

Agent是在多步不确定任务上增加规划、选择、观察与循环的控制面。它会根据目标拆解步骤,决定下一步调用哪个工具或是否结束,并处理中间失败。它解决的是“思考规划”:不是单次问答,而是带状态的决策循环。注意:循环本身会放大延迟、费用与不可控性,因此Agent不是默认选项。

Skill是面向某一类岗位或领域的能力封装:提示词模板、工具集合、校验规则、输出格式、少量领域知识的打包。它更像“职业技能证书”或可分发的能力包,解决复用与治理:同一套“对账技能”“工单分类技能”可被多个Agent或会话加载,而不是把规则散落在各处Prompt里。

MCP(模型上下文协议一类的标准化接入)解决的是工具与上下文的“插拔”问题。不同运行时、不同模型网关、不同内部系统,如果各自定义工具描述、鉴权、传输与结果格式,集成成本会随工具数量指数上升。标准化协议相当于AI侧的通用接口:工具提供方按约定暴露能力,消费方按约定发现与调用。它不替代Prompt或Agent,而是降低“把能力接进来”的摩擦。

相同点:它们为何经常被一起提起

五者都围绕同一目标:把不确定的语言模型输出,约束到业务可接受的范围内。共同点包括:都以模型为推理核心;都需要把业务语义翻译成模型可理解的描述(无论是自然语言还是Schema);都涉及权限与审计(即使纯Prompt也可能泄漏上下文);都可以在同一应用中叠加——典型路径是Prompt定角色,Skill打包领域规则,Function Call提供动作,Agent编排循环,MCP统一工具接入。它们都不是“模型本身的替代品”,也都不自动保证正确性:缺少校验时,Prompt会跑题,工具会调错,Agent会循环空转。

核心差异:按架构与工程维度拆开

从系统边界看,Prompt主要发生在调用模型之前的文本装配层;Function Call跨越模型与业务运行时,必须有执行沙箱、超时与幂等;Agent再叠加循环控制器、记忆与终止条件;Skill是配置与资产层,偏治理;MCP是集成与发现层,偏协议与生态。

从功能覆盖看,Prompt覆盖表达与约束,几乎所有场景都需要;Function Call覆盖确定性动作;Agent覆盖多步、分支、依赖外部反馈的任务;Skill覆盖可复用的领域组合;MCP覆盖跨系统工具标准化。功能越往上,能力越强,失败模式也越复杂。

从接入与改造量看:改Prompt通常只动模板;加Function Call需要定义函数、鉴权、参数校验、结果截断;上Agent需要会话状态、步数上限、人工确认点;做Skill需要版本管理与灰度;接MCP需要协议适配、服务发现与网络安全策略。改造量大致随抽象升高而升高。

从性能与稳定性看:Prompt单次调用延迟最低;工具调用增加往返;Agent可能多次模型推理加多次工具,尾延迟与费用显著上升。稳定性上,Prompt失败多为质量问题;工具失败是业务副作用风险;Agent失败可能是部分成功导致的数据不一致。不得用未经证实的数字比较快慢,但工程上必须按“调用次数×单价×失败回滚成本”评估。

从安全与合规看:Prompt要防注入与敏感上下文外泄;Function Call必须最小权限、参数白名单、写操作二次确认;Agent要限制可调用工具集与最大步数;Skill要审核内置工具是否越权;MCP要鉴权、传输加密、审计日志与租户隔离。协议标准化不会自动等于安全,只是让安全控制点更一致。

从运维成本看:Prompt要管模板版本与评测集;工具要监控成功率、超时、错误码;Agent要监控循环次数、终止原因、人工介入率;Skill要兼容性测试;MCP要管注册中心健康度与协议版本升级。

对比表格

| 维度 | Prompt | Function Call | Agent | Skill | MCP类协议 |
| 能力定位 | 意图与约束 | 单次/有限次动手 | 多步规划执行 | 领域能力打包 | 工具与上下文插拔 |
| 是否执行副作用 | 否 | 是 | 通常是 | 取决于内含工具 | 由后端工具决定 |
| 典型输入 | 文本与上下文 | 函数名+结构化参数 | 目标+状态+观察 | 技能标识+业务上下文 | 标准描述与调用帧 |
| 失败形态 | 跑题、幻觉 | 参数错、调用失败 | 死循环、部分提交 | 版本不兼容 | 发现失败、协议不匹配 |
| 改造量 | 低 | 中 | 高 | 中 | 中高(一次协议、多次复用) |
| 更适合 | 生成与解释 | 查改明确系统 | 流程不确定 | 规模化复用 | 多工具多运行时 |

示意性代码:同一业务在不同层的落点

以下为中立Java示意,不绑定具体框架名称。重点是分层,而非可运行SDK。

Prompt层只组装消息:

  1. public String ask(String question) {
  2. String system = "你是Java架构师,用通俗语言解释概念,不要编造接口。";
  3. String user = question;
  4. return chatClient.complete(system, user);
  5. }

Function Call层增加契约与执行器:

  1. public interface Tool {
  2. String name();
  3. String schema(); // 参数约定的文本或结构化描述
  4. String execute(Map<String, Object> args);
  5. }
  6. public String callWithTools(String question, List<Tool> tools) {
  7. ModelDecision d = chatClient.decide(question, tools);
  8. if (d.isTool()) {
  9. String result = find(tools, d.toolName()).execute(d.args());
  10. return chatClient.completeWithObservation(question, result);
  11. }
  12. return d.text();
  13. }

Agent层增加循环与终止:

  1. public String runAgent(String goal, List<Tool> tools, int maxSteps) {
  2. String state = "";
  3. for (int i = 0; i < maxSteps; i++) {
  4. ModelDecision d = chatClient.plan(goal, state, tools);
  5. if (d.shouldStop()) return d.text();
  6. String obs = find(tools, d.toolName()).execute(d.args());
  7. state = state + "\n" + obs;
  8. }
  9. return "达到步数上限,请人工复核。";
  10. }

Skill层把提示、工具集、校验绑在一起:

  1. public final class SkillPack {
  2. public final String instruction;
  3. public final List<Tool> tools;
  4. public final Predicate<String> outputGuard;
  5. }

MCP层强调“按协议发现与调用”,业务代码依赖标准描述而非每个系统私有SDK。实现上应把鉴权、超时、审计放在协议适配器,而不是散落在每个Agent里。

典型场景怎么选

客服话术、知识问答、代码解释:优先打磨Prompt与检索上下文,不必上Agent。

明确的“查订单、改地址、算税费”:用Function Call,写操作加确认与幂等。任务步骤固定时,用工作流引擎编排往往比自由Agent更稳。

调研类、多源核对、步骤事先说不清:再考虑Agent,同时设步数上限、工具白名单、关键步骤人审。

多个业务线都要“对账+催办+摘要”:抽成Skill,统一评测与版本,避免Prompt分叉。

工具来自多个内部系统、未来还要换模型网关:用MCP一类标准接入,避免N×M适配。若工具极少且永不扩展,私有函数描述也可以,不必为标准化而标准化。

选型建议(条件化,不做绝对判断)

团队刚起步、任务以生成为主:把预算花在Prompt结构、评测集与上下文质量上。已有稳定内部API、需要模型选择调用:上Function Call,并把Schema与权限当作一等公民。任务分支多、外部反馈决定下一步:Agent才有性价比,前提是可观测与可熔断。组织内重复出现同一领域组合:Skill降低复制粘贴。工具与运行时持续增加:协议层(MCP这类思路)降低长期集成成本。若运维人力有限,优先减少循环次数,用托管化程度更高的模型调用与统一网关,而不是一上来做复杂多智能体。

迁移与使用注意

从纯Prompt迁到工具调用:先盘点副作用接口,补鉴权、审计、幂等与超时;把原Prompt里的“请调用某某系统”改成真正的函数描述,避免模型用自然语言假装已执行。从单次工具迁到Agent:先定义成功标准与最大步数,防止无限推理;对数据库写入做补偿或两阶段确认。引入Skill:要有版本号与兼容策略,旧会话不要 silently 换新规则。引入标准协议:评估网络暴露面、租户隔离、协议版本共存;不要在适配器里偷偷放宽权限。任何一层都不要编造不存在的接口能力;评测应用业务样本,而不是只看通顺程度。

总结

Prompt管“怎么说”,Function Call管“怎么动手”,Agent管“多步怎么想和怎么走”,Skill管“领域能力怎么复用和治理”,MCP一类协议管“工具怎么标准地插上”。它们共享“约束模型为业务服务”这一目标,但在系统边界、失败模式、改造量与安全控制点上逐层加码。选型应顺着任务确定性、副作用强度、复用规模和集成复杂度往上叠加,而不是用更高层概念包装本可用模板或工作流解决的问题。先把职责画清,再决定加哪一层,通常比争论名词更能降低返工。