FC（Function Calling）和MCP详解（区别、作用、运用场景）
前言
我之所以记录这一块的内容，是因为在开始学习MCP的时候，网络上的各路教程我感觉都不太成熟。
在之前有过学习SpringAI的实战经验，对FunctionCalling有过研究和使用经验，在接触MCP之后，发现两者的功能和使用场景上有很多相似之处
同时，之前的笔记，我记录过对两者的理解
而现在正式开始学习MCP的时候，又有了新的理解，由此记录一下
开头直接给总结
FC是功能，MCP是协议
FC是指大模型拥有可以调用函数Tools去解决用户问题的功能
而Tools分为本地的和外部的，我之前SpringAI项目的FC就是调用本地的Tool
MCP呢就是把Tools的设计做了规定
打包到MCP Server当中，也就是抽取出来，单独的进行分布式的部署的一个外部工具的服务
用于解决，大模型应用开发，设计Tools的工作量，以及单个大模型应用的信息孤岛问题
Function Calling（后写作FC）
在通过网络上资料的具体学习之后，我对FC的整体流程有了新的理解
来看看我之前笔记对FC的理解
而在我具体项目的实现过程中，对FC的使用，可以把链路总结为以下步骤（如果对之前项目感兴趣的朋友可以看我之前的笔记）
这里简单介绍一下，我的FC主要是实现了一个可以提供用户选修课推荐，并且帮助用户挑选合适选修课，以及帮助预约的AI助手
主要工作链路如下：
用户客户端输入对话内容，传给服务器
服务器拿到对话内容，结合SystemPrompt的设置，组织好发送给大模型
大模型会先判断，对话内容需要做的任务，自己的知识库能不能完成，很明显不能完成
在不能完成的时候，大模型会通过组织好的prompt去判断调用哪个Function函数，然后去调用服务器的函数
服务器调用函数之后，获取返回值，再次发送给大模型
大模型通过函数返回值组织语言回复给用户
这里的几个关键点在于，大模型如何知道自己有哪些函数可以调用，以及什么时候去调用函数，又以什么方式入参？
这里就需要涉及到Prompt的设计以及description的设计了
Prompt设计
我们可以在Prompt当中，设计好整个服务流程，引导大模型去服务，同时，也需要处理好各种特殊情况，在Prompt当中就设计好，各种情况下，让大模型去调用具体哪个函数
@Tool、@ToolParam注解
ElectiveCourseQuery具体入参详情
Tool注解可以把每个函数，打包在提问时，组装到Prompt里面传给大模型，为后续大模型提供选择，里面的description参数可以告诉大模型，当前函数的作用
结合Prompt的设计，可以让大模型知道，具体什么情况下可以调用这个函数
ToolParam注解，可以设置description，告诉大模型，从Prompt当中通过哪些关键字去获取参数，然后设计入参
这就是FC的一个实现链路过程，但是这个过程当中，具体哪一块是属于FC的呢？
它和MCP的区别还有各自的运用场景在哪呢？不急我会继续讲
MCP（Model Context Protocol）
全称叫做模型上下文协议
看着很高大上，其实你看完就知道，他本质上不能称之为一项技术，而是一个规定
首先，我们要知道，MCP这个协议里面，规定的几个特殊名词
MCP服务器：MCP Server
首先，请各位把传统网络协议那一块的联想打住，这个Server我觉得取名其实是有一点误导性的，它其实和传统意义上的联网的服务器不是一个东西，如果要让我自己找个相似的东西，它可能叫做MCP Project更合适一点，也就是一个项目，然后这个项目符合MCP的协议
举个例子，我上面FC写的是一个可以提供查询、推荐、预约选修课的项目，这个整体，如果能让它符合MCP协议，那它就是一个MCP Server了，我们可以取名叫做 ElectiveCourseServer
也就是说，MCP Server本质上是一个独立的项目/程序/应用，相信老练的同学已经闻到了，微服务、RPC相关的气味了
Tool：MCP Server里的模块
这个Tool是什么呢？和FC里面的Tool什么关系呢？你没有想错，这俩其实是一个东西，就是函数
一个项目里面，肯定有多个函数，每个函数对应各自的功能模块，还是拿我上面的FC举例子，一个Tool是根据条件查课程、另一个Tool是根据条件查校区、还有一个Tool是帮用户预约课程，信息落库.....
一个Server里面有这个领域相关的多个Tool，例如一个天气相关的Server，可能包含根据经纬度查询天气、根据省市查询天气 等等Tool，总而言之，使用这个Server，本质上是去调用Server里面的某个Tool，设置好入参，然后获取出参，你看，是不是和FC一模一样
综上所述，我们就知道MCP是干什么的了
本质上来说，就是一个符合MCP协议的项目，之所以符合MCP协议，其实就是为了让不同的大模型，或者不同的业务模块，都可以去调用这个服务，或者说调用这个服务当中的某个Tool
FC和MCP的对比
上面简单讲了FC和MCP的理解
可能还是不太清楚两者的区别是什么
我用一张视频的截图来解释
首先我们要知道，FC去调用大模型，本质上是调用大模型提供的API
这里的OpenAI服务器，和我自己写的项目的后端服务器，本质是一个东西
用户开始会话，会话内容会和Prompt、Tool组装好，交给大模型
大模型自身知识库无法解决，提取会话内容里面的信息，按照Tool设置的description组装参数，返回给服务器，让服务器调用某个Tool
Tool返回信息后，重新交给大模型
所谓的Function Calling，本质上是一种功能
指的是，某个大模型支持接受由Prompt和Tool等信息组装好的内容
然后分析Prompt的内容，Tool里面的要求，组装参数进行返回的这个功能
也就是图中蓝色框的区域
但是，各种大模型，以及每个人的编码习惯不统一，写项目以及项目里各个模块的章法不同，开发和复用率就很低
MCP就是一个规范的协议
还是拿上面我自己写的选修课这个服务来说，是按照SpringAI的规则来写的，也只支持本地调用，本质上是一个本地的Service
如果我其他项目，想要这个服务，需要把代码copy过去，包括各种配置啥的，复用性差
而如果我的这个选修课服务，满足MCP的规范，那么其他项目就可以通过调用MCP的方式，去调用我这个写好的服务
也就是说，其实我自己写的选修课服务，本质上也是个Server，只不过不是MCP Server
一个MCP Server，满足MCP协议，可以让其他项目复用
现在网上也有各种各样的开源MCP Server，学习了如何使用就可以复用了
还有一个好消息，SpringAI的FC开发，其实很多东西和MCP的协议是一模一样的，所以说，只需要稍微学一下，MCP就可以掌握了