一句话总结：Function Calling 解决"模型如何提出一次结构化工具调用"，MCP 解决"AI 应用如何用统一协议连接/发现/复用外部能力"——两者不同层级非替代；MCP（Anthropic 2024.11 开源，JSON-RPC 2.0）是 AI 应用层 USB-C，三大原语 Tools/Resources/Prompts。

MCP vs Function Calling（面试默写）

维度	Function Calling	MCP
本质	LLM API 特性：输出结构化工具请求	开放协议：统一连接/发现/复用
工具逻辑位置	应用代码内	独立 MCP Server 进程
发现机制	每次请求内联手动定义	连接时 tools/list 自动发现
可移植性	锁单应用/单厂商 schema	任何 Host 连任何 Server
传输	进程内 API	stdio（本地）/ Streamable HTTP（远程）
资源/提示/订阅	不支持	内置

三大原语（拉分点）

原语	是什么
Tools	可调用函数（有副作用），Server 侧定义、Client 动态发现
Resources	只读数据源（文件系统概念），可列出/读取
Prompts	可复用提示模板

架构与服务端开发

LLM Agent → MCP Client → MCP Server → 实际工具（API/DB/脚本）

• 开发流程：注册工具/资源/提示 → 选传输层（stdio 本地 / Streamable HTTP 远程）→ 鉴权（OAuth 2.1）
• 优势：模型无关（GPT/Claude/开源都支持）、工具热插拔/版本管理、上下文感知（按用户身份动态暴露工具）
• 选型：单一应用+少量固定 API → Function Calling；同组工具多 Host 复用/文件数据库 → MCP

面试要点

• 能说 MCP vs Function Calling 是不同层级
• 能默写三原语（Tools/Resources/Prompts）
• 能画 MCP 架构链路
• 能报传输（stdio/Streamable HTTP）与鉴权

相关概念

• AI基础概念-MCP协议 — 概念层
• AI基础概念-LLM-API与Function-Calling — 对比对象
• [AI-Agent-浏览器Agent与网页交互](/学习笔记/AI技术/AI Agent/AI-Agent-浏览器Agent与网页交互) — Playwright MCP 实例
• [AI-Agent-工具调用](/学习笔记/AI技术/AI Agent/AI-Agent-工具调用) — 调用层