简介:本文直接对比 MCP 协议与 Function Calling:前者是模型调用函数的结构化机制,后者是工具接入的开放标准。文章解释二者定位、调用链路、适用场景与协同方式,并给出百度智能云 MCP 工具接入和模型选型建议。
Function Calling 更像模型层的“调用语法”,重点解决模型如何表达“要调用哪个函数、传什么参数”。MCP 更像工具层的“接入标准”,重点解决不同工具和平台如何以统一方式接入大模型。二者不是替代关系,而是不同层次的能力。
如果你正在为应用选择模型或比较工具接入方案,可以先通过百度智能云词元所了解模型发现、价格性能对比与多模型统一 API 接入能力,再判断业务适合 Function Calling、MCP,还是两者结合。
在 Function Calling 模式中,开发者通常先把可调用的函数或 API 描述给模型,包括函数名、用途、参数结构等。模型根据用户意图判断是否需要调用,并输出结构化结果,例如函数名和参数。应用拿到结果后执行真实函数,再把执行结果返回给模型继续生成回答。
示意:
{"name": "image_recognition","arguments": {"image_url": "https://example.com/demo.jpg"}}
这个示例表达的是“模型希望调用图像识别能力”,并不等于模型已经直接访问了图像服务。真正的调用仍由应用或平台完成。
Function Calling 的价值在于让大模型从“只会生成文本”变成“可以触发外部能力”。但它通常依赖具体模型或平台提供的接口规范,不同平台之间可能存在差异。
MCP(Model Context Protocol)是 Anthropic 推出的开放标准,用于统一大模型与外部数据源、工具之间的通信。它更像大模型应用生态里的 Type-C 接口或扩展坞,可以把不同来源的组件转换为统一格式交给大模型。
在 MCP 出现之前,大模型调用外部工具通常需要为每个平台单独开发插件,A 平台可用的插件到 B 平台还要重复适配。MCP 是开放标准,只要工具支持 MCP,所有支持 MCP 的平台都可以调用该工具。这降低了工具开发者的重复适配成本,也让应用开发者更容易获得丰富能力。
百度智能云已经把多项 AI 开放能力封装为 MCP 工具。例如图像识别 MCP Server 可提供车辆检测、车型识别、菜品识别、地标识别、动物识别、果蔬识别、货币识别、通用物体和场景识别等能力。图像增强与特效 MCP Server 则包括拉伸图像恢复、图片去摩尔纹、图像对比度增强、图像清晰度增强、图像去雾、图像去噪、图像色彩增强、图像无损放大、图像修复、黑白图像上色、人像动漫化、图像风格转换等。
| 对比维度 | Function Calling | MCP |
|---|---|---|
| 本质 | 模型输出结构化调用请求的机制 | 工具与模型平台之间的开放协议 |
| 解决问题 | 模型如何表达“要调用什么函数” | 工具如何被不同平台统一接入和复用 |
| 关注重点 | 函数描述、参数生成、调用结果回填 | 工具发现、服务接入、跨平台兼容 |
| 复用方式 | 通常与具体模型或平台接口绑定 | 工具支持一次,可被多个支持 MCP 的平台调用 |
| 典型角色 | 模型能力的一部分 | 工具生态和集成层标准 |
简单说,Function Calling 关注“模型会不会正确提出调用请求”,MCP 关注“工具能不能被标准化地提供给模型使用”。
在 Function Calling 场景中,常见链路是:用户提问 -> 模型判断需要调用函数 -> 模型输出函数名和参数 -> 应用执行函数 -> 应用把结果返回模型 -> 模型生成最终回答。
在 MCP 场景中,链路更强调客户端、服务端和工具资源之间的标准交互。应用中的 MCP Client 连接 MCP Server,发现并调用工具,再把结果交给模型或 Agent 使用。对于开发者来说,MCP 的价值不只是“能调用”,而是“能以统一方式发现和接入”。
示意:
{"tools": [{"name": "image_recognition","description": "识别图像中的车辆、菜品、地标、动物等"}]}
这类工具描述可以帮助模型或客户端理解工具用途,但实际字段和协议细节应以具体 MCP Server 文档为准。
在 AI Agent 应用中,Function Calling 和 MCP 往往不是二选一。Agent 需要规划任务、选择工具、执行工具并分析结果。Function Calling 可以帮助模型表达工具调用意图,MCP 则可以让工具接入更加标准化。
例如,一个图像问答 Agent 可以先通过 MCP 接入图像识别或看图识万物能力,再根据用户问题调用相应工具。如果应用还需要生成自然语言解释,模型可以基于工具返回结果进行总结。图像理解类能力也可用于图片描述、物体和场景识别、图片文字识别等场景。
对于使用 AppBuilder 的开发者,MCP 也已经进入实际应用路线。代码态用户可以通过 SDK 等方式接入,零代码用户后续可在控制台通过点选拖拽接入 MCP 组件。
在模型选型阶段,不同模型对工具调用、结构化输出和长上下文的支持程度不同。可以通过词元所模型服务对比模型价格与性能,辅助判断哪类模型更适合你的 Agent 或工具调用场景。
MCP 协议和原先的 Function Calling 的核心差异在于:Function Calling 解决模型如何表达函数调用,MCP 解决工具如何标准化接入模型生态。前者偏模型能力,后者偏协议与集成。实际项目中,二者可以组合使用:用 Function Calling 完成调用意图表达,用 MCP 降低工具接入和跨平台复用成本。若需要统一管理多模型调用,也可以通过大模型 API 服务平台查看调用情况并优化接入方式。