本文详细解析了大模型的核心能力Function Calling、MCP和Skills。Function Calling是模型直接调用预定义函数的能力MCP是一种开放标准协议用于实现LLM与外部数据源的无缝集成而Skills则通过自定义文档和脚本指导模型按照特定流程执行任务。三者共同提升了模型的任务执行能力和开发效率对于想要了解和学习大模型的小白或程序员来说本文提供了实用的入门指南。1. FunctionCall- AI 的基本功Function Call是指大模型直接调用预定义函数的能力允许模型生成请求参数并整合结果。例如模型可以通过Function Call查询天气或执行简单的数学计算。它的本质是“代码级工具”通常与模型绑定部署。LLM 收到来自用户的提示。LLM 决定它需要的工具。程序员实现过程以接受来自 LLM 的工具调用请求并准备函数调用。函数调用带参数将传递给将处理实际执行的后端服务。通俗的来说就是由模型判断用户的问题应该调用哪个函数或者API然后从用户的问题中提取参数再将所有参数传入对应的函数或API最终调用执行这一切都是由LLM来判断执行。所以LLM的Function Calling的能力至关重要Function Calling能力越强执行任务的能力也就越强。2. MCP - AI 的高速公路了解了Fuction Calling那什么是MCP呢2.1 什么是MCPMCPModel Context Protocol模型上下文协议是由 Anthropic 推出的一种开放标准协议旨在实现大型语言模型LLM 应用与外部数据源、工具和服务之间的无缝集成。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型一个中间协议层就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准使 AI 应用程序的开发和集成变得更加简单和统一。主机Host负责接收你的提问并与模型交互。客户端Client客户端是主机与服务器之间的桥梁。服务器Server服务器是提供外部数据和工具的组件。它通过工具、资源和提示模板为大型语言模型提供额外的上下文和功能。例如一个服务器可以提供与Gmail、Slack等外部服务的API调用。基础协议Base Protocol基础协议定义了主机、客户端和服务器之间如何通信。它包括消息格式、生命周期管理和传输机制等。2.2 mcp的流程架构当用户提出一个问题时客户端将你的问题发送给LLM。LLM分析可用的工具并决定使用哪一个或多个。客户端通过 MCP Server 执行所选的工具。工具的执行结果被送回给 LLM。LLM结合执行结果构造最终的 prompt 并生成自然语言的回应。回应最终展示给用户。总结一下可以看到MCP最终也是由大模型选择调用的函数其实这也说明了MCP协议的能力是基于模型的Fuction Calling的能力的。原先的Function Call能解决从自然语言到调用函数的能力但是开发者在实际开发中发现函数或者API的集成成本太高。开发者需要针对每个功能都要去写对应的函数或者API开发的成本大大提高。MCP可以让既有的系统可以快速集成到LLM中并且他人的函数如果通过MCP转化我们也可以访问使用。比如高德地图、12306都在ModelScope - MCP 广场通过MCP开放了自己的一些函数。3. SKillsFunction Calling可以解决调用函数MCP在此基础上通过标准协议可以解决工具集成的问题那SKills又是什么呢它是解决了什么问题呢3.1 什么是Skills这里贴一张官方指南中的关于Skills的解释。简单来说Skills就是通过自定义的md文档和脚本让模型可以按照想要的流程或者顺序去调用函数。原先的Functinon Calling和MCP在处理具体的问题时往往会出现一个问题当前模型很难仅依靠自身能力做出最优的工具调用步骤很多任务需要特定的执行顺序、规则和约束。而这就是SKills要解决的问题在尽可能准确的前提下通过自然语言指导模型去按照特定的流程执行任务。就像官方指南中说的那样用厨房做类比MCP提供的是工具、原料、设备而Skills提供的是配方。3.2 Skills的构建这里也放一张官方指南里有关的如何构建一个Skills的注意事项详细的可以参考官方指南。这里放上官方文档的链接https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLangen相信看到这的你已经对Function Calling、MCP和Skills有了比较深刻的认识如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取