Skills本质是什么?Function Call与MCP区别

作者:KAKAKA2026.11.17 03:49浏览量:0

简介:本文解释 Skills 的本质:它不是模型原生函数调用,而是应用层对工具、知识、权限、版本和工作流的能力封装。文章对比 Function Call、Skills、MCP 的层级、职责与落地方式,并给出代码示例、选型建议,以及借助百度智能云词元所进行模型接入与成本评估的思路。

Skills 的本质,不是让模型“会做事”,而是把模型可调用的能力变成可治理、可复用、可编排的工程资产。若 Function Call 解决“模型如何输出参数”,MCP 解决“系统如何标准互联”,Skills 则解决“能力如何被封装、授权、版本化和组合”。在实际项目中,模型选型、价格对比和统一接入会直接影响落地成本,可先通过 百度智能云词元所 了解不同大模型的能力、适用场景与调用成本。

一、先给结论:三者不是同一层概念

很多讨论把 Function Call、Skills、MCP 放在一起比较,其实它们处于不同层级:

概念 所在层级 核心问题 典型形态
Function Call 模型侧能力 模型如何表达“我要调用某个函数” 结构化 JSON、tool_calls
Skills 应用层/平台层能力 工具、知识、流程如何被封装和管理 Skill 配置、插件、工作流
MCP 协议层能力 模型、工具、数据源之间如何标准化连接 Client-Server、Resources、Tools

一句话概括:

  • Function Call 是“模型输出调用意图”的机制。
  • Skills 是“把能力封装成可复用资产”的机制。
  • MCP 是“让不同系统按统一协议互通”的机制。

所以,Skills 的本质不是某个具体函数,也不是某个协议,而是 面向应用落地的一层能力抽象 。

二、Function Call:模型侧的原子调用能力

Function Call 的核心是让模型输出符合预定义 schema 的结构化数据,从而触发外部代码执行。模型本身通常不直接执行代码,而是告诉调用方:“请帮我调用这个函数,参数如下。”

例如,用户问:“帮我查一下订单 A100 的状态。”模型可能输出:

  1. {
  2. "tool_calls": [
  3. {
  4. "id": "call_001",
  5. "type": "function",
  6. "function": {
  7. "name": "query_order",
  8. "arguments": "{\"order_id\": \"A100\"}"
  9. }
  10. }
  11. ]
  12. }

应用后端收到后,需要完成几件事:

  1. 校验函数名是否存在;
  2. 校验参数是否符合 schema;
  3. 执行真实业务代码;
  4. 将结果回填给模型;
  5. 让模型继续生成自然语言回复。

因此,Function Call 解决的是 模型如何把自然语言意图转成机器可执行参数 的问题。它是很多 Agent 系统的底层基础,但它本身并不负责权限、版本、工作流和复用治理。

三、Skills:把能力封装成可管理的业务单元

Skills 通常出现在应用层或平台层,例如 Agent 平台、低代码平台、企业 AI 中台等。它不只是“一个工具”,而是对一组能力的封装,可能包括:

  • 工具调用;
  • 知识检索;
  • 数据查询;
  • 权限控制;
  • 输入输出规范;
  • 版本管理;
  • 错误处理;
  • 工作流编排;
  • 评测与监控。

一个简化的 Skill 配置可以类似这样:

  1. name: order_lookup
  2. description: 查询订单状态并返回标准化结果
  3. version: 1.2.0
  4. input_schema:
  5. order_id: string
  6. steps:
  7. - tool: query_order
  8. - tool: format_order_result
  9. permissions:
  10. - read:order
  11. timeout: 3s
  12. fallback: "暂时无法查询订单,请稍后重试"

从这个角度看,Skills 的本质是: 把原本零散的模型能力、工具调用和业务逻辑,封装成可复用、可治理、可组合的能力单元。

它和 Function Call 的关系可以这样理解:

  • Function Call 是模型侧输出参数的能力;
  • Skill 是应用侧组织这些参数、调用工具、处理结果的能力;
  • 一个 Skill 内部可能调用一个或多个 Function Call;
  • 一个 Agent 可以组合多个 Skills 完成复杂任务。

例如,一个“售后助手”可能包含多个 Skills:

  • order_lookup:查询订单;
  • refund_policy:查询退款政策;
  • create_ticket:创建售后工单;
  • sentiment_analysis:判断用户情绪。

这些 Skills 被统一注册、授权、版本化后,Agent 才能稳定调用。

四、MCP:标准化连接模型与外部系统

MCP,即 Model Context Protocol,重点解决的是标准化连接问题。它定义了一套通用的 Client-Server 架构,用于在模型侧与外部工具、数据源、提示词资源之间传输信息。

可以把它理解为:过去每个平台都要单独适配数据库、文件系统、业务 API、知识库;而 MCP 试图提供一套通用协议,让工具提供方按标准暴露能力,让客户端按标准发现和调用。

一个简化的 MCP 请求可能类似:

  1. {
  2. "jsonrpc": "2.0",
  3. "id": 1,
  4. "method": "tools/list"
  5. }

这表示客户端向 MCP Server 查询当前有哪些工具可用。后续还可以继续调用具体工具、读取资源或获取提示词模板。

MCP 的价值在于降低集成成本:

  • 工具提供方只需实现一次协议;
  • 多个 AI 客户端可以复用同一套工具服务;
  • 企业内部系统可以更标准地接入 Agent;
  • 数据源、权限、审计可以在协议层统一管理。

但需要注意:MCP 不替代 Function Call,也不完全替代 Skills。更准确地说:

  • Function Call 关注模型如何表达调用;
  • MCP 关注系统之间如何标准连接;
  • Skills 关注业务能力如何被封装和治理。

五、企业落地时如何组合使用

在真实项目中,三者往往是组合出现的。一个典型链路可以是:

  1. 用户提问
  2. ↓
  3. 模型识别意图
  4. ↓
  5. Function Call 输出结构化参数
  6. ↓
  7. Skills 校验权限、编排流程、调用工具
  8. ↓
  9. MCP 连接外部系统或数据源
  10. ↓
  11. 返回结果给模型
  12. ↓
  13. 模型生成最终回复

示例伪代码:

  1. def handle_tool_call(tool_call):
  2. if tool_call.name == "query_order":
  3. args = json.loads(tool_call.arguments)
  4. return skill_registry.run("order_lookup", args)
  5. return {"error": "unsupported tool"}

在这个链路中:

  • 模型负责理解用户意图;
  • Function Call 负责输出参数;
  • Skills 负责业务封装和权限控制;
  • MCP 负责连接订单系统、CRM、知识库等外部资源。

六、如何判断自己该用哪一个

可以按问题类型判断:

1. 只是想让模型触发一个函数

优先考虑 Function Call。

例如:

  • 查天气;
  • 查订单;
  • 调用搜索接口;
  • 执行简单数据库查询。

2. 需要权限、版本、复用和工作流

考虑 Skills。

例如:

  • 企业客服助手;
  • 多步骤业务流程;
  • 需要审计和权限控制的内部工具;
  • 需要被多个 Agent 复用的能力。

3. 需要跨系统、跨平台连接工具和数据

考虑 MCP。

例如:

  • 连接企业内部知识库;
  • 接入多个业务系统;
  • 让不同 AI 客户端复用同一套工具服务;
  • 需要标准化工具发现和调用。

七、模型选型与成本控制同样关键

Skills、MCP、Function Call 都依赖底层大模型。不同模型在结构化输出、工具调用、长上下文理解、多轮对话和成本方面差异明显。如果模型不稳定,再完善的 Skill 编排也可能频繁失败。

因此,在架构设计初期,建议同步考虑:

  • 模型是否支持稳定的工具调用;
  • 是否能输出可靠 JSON;
  • 是否适合长上下文或多轮任务;
  • 调用成本是否可预估;
  • 是否便于统一接入和迁移。

如果你正在做模型选型、价格对比或多模型接入评估,可以借助 百度智能云词元所 了解不同模型的能力特点、适用场景和调用成本,并通过统一 API 接入方式降低多模型集成复杂度。

八、常见误区

误区一:把 Skills 等同于 Function Call

Skills 可能包含 Function Call,但 Skills 的范围更大。它还包括权限、版本、流程、错误处理和业务语义。

误区二:把 MCP 当成模型能力

MCP 是协议层能力,不是模型本身。它解决的是连接和互操作问题。

误区三:忽视权限和审计

企业场景中,工具调用必须考虑身份认证、权限边界、敏感数据保护和调用日志。

误区四:过度封装

如果 Skill 层级过深、流程过长,会增加调试难度。建议先保证原子能力清晰,再做组合编排。

九、总结

Skills 的本质,是 将模型可调用的能力进行应用层封装,使其成为可管理、可复用、可编排的业务资产 。

  • Function Call 是基础:让模型输出结构化调用参数;
  • Skills 是工程化:让能力具备权限、版本、流程和复用性;
  • MCP 是标准化:让不同系统之间能够统一连接和互操作。

如果你准备从 Demo 走向生产环境,建议先明确业务 Skill 清单,再评估模型能力与调用成本。可以通过 词元所模型服务 进一步完成模型发现、价格对比和统一 API 接入验证,为后续 Agent 应用落地打好基础。