聊一聊Tool、MCP和Agent来龙去脉 | 大白话技术科普系列

将与 Jomy 共同完成一系列技术科普，让最一线的工程师、用通俗的语言、讲最前沿的技术。这是系列第一篇，主题是最近大火的 MCP 和 Agent。

读完本文，你一定会感叹：终于搞懂了！原来！竟然！这么简单！

文 | Jomy @302.AI

编 | 南乔River @ShowMeAI

✦✦✦

我们 302.AI 做 MCP 和 Agent 相关开发有一段时间了，期间一直与开发者和用户们保持着密切的交流。

有一个普遍的感受：尽管行业内几乎所有人都听过 MCP、Agent 这些术语，但只有极少数人真正理解它们的本质。

今天，我就基于 302.AI 的实践和成果，分享一些自己的见解，帮大家厘清概念的来龙去脉，并大胆预测一下未来的发展方向。

1. 缸中之脑：只能说不能做的大模型

让我们先从大语言模型（Large Language Model，LLM）说起。

大语言模型，顾名思义，就是一个只能处理和输出文字的系统。

早期的大语言模型，输出非常不稳定，准确率很低，经常「一本正经地胡说八道」。所以，人们最多把它当成一个顾问：咨询意见，但不敢让它直接拍板决策或上手干活。

这个时期的大模型，有点像被限制在「缸」里的「大脑」（借用哲学上的「缸中之脑」假说）。

它能思考、能滔滔不绝地输出观点。但它没手没脚，不能对「缸」外的物理世界/数字世界直接做点什么。

✦✦✦

但是，AI 技术发展飞快。

随着模型参数规模的扩大和训练方法的革新，语言模型的「智力」得到了肉眼可见的提升。人们惊喜地发现，AI 写出的文案、给到的建议、生成的代码，几乎不需要修改就能直接使用了！

眼看着 AI 越来越靠谱，一种想法自然而然地浮现出来：既然大模型这么能干，是时候解开 AI 的禁锢，让它不只能「动动嘴」，也能「动动手」了？

2. 调用工具：大模型学会了「动手」

怎么解开 AI 的「禁锢」呢？

答案就是**让大模型能够自行使用工具，**也就是我们常说的 Function Call（函数调用）或 Tool Use（工具使用）。

✦✦✦

那么，一个只会输出文字的模型，是如何调用工具的呢？

这里需要做一个必要的澄清：模型调用工具，并不是模型真的「动手」去操作工具。

本质上，还是模型生成文本（结构化的文本），然后配套的程序接收到指令，再去调用工具。而所谓的「工具」，就是各种各样的程序接口（API）或者软件操作，例如搜索、编辑数据库、编辑文件等。（下图是 gpt-4o 调用工具的命令(JSON 格式)）