摘要：大语言模型（LLM）的世界正在快速演变。如今，它不再仅仅是提问和回答的问题。如今的大语言模型正在协调工具、自动化流程以及协调多步骤操作。
大语言模型（LLM）的世界正在快速演变。如今，它不再仅仅是提问和回答的问题。如今的大语言模型正在协调工具、自动化流程以及协调多步骤操作。
要构建严谨的 AI 基础设施，是时候了解两种基础方法之间的关键区别了：
函数调用就像语言和逻辑之间的翻译器。
它将自然语言提示转换为结构化的 API 请求。比如：“天气怎么样？” → [调用 getWeather(location)]。
尽管它很强大，但它也有局限性：
无状态：每次调用都是一次性的；没有长期记忆。预定义：工具必须提前硬编码。线性：对之前或之后发生的事情没有意识。紧密耦合：一切都必须存在于一个应用程序中。最适合：简单任务、快速原型设计或即插即用的用户界面。
MCP 是为协调而设计的——不仅仅是执行。
它就像给你的 AI 提供了一个通用控制面板和持久记忆，因此它不仅仅运行任务——它管理整个系统。
它有什么不同？
✅ 有状态上下文：智能体在会话之间保留记忆。
✅ 动态工具发现：工具不需要提前硬编码——只需要可用。
✅ 多智能体协作：智能体之间相互协作，而不仅仅是单独行动。
✅ 资源处理：内置内存、可重用提示和上下文存储。
✅ 客户端 - 服务器架构：大语言模型和应用程序之间真正的模块化。
最适合：构建自主智能体、工具链和企业级 AI 系统。
AI 的未来不会是单次提示，而是关于能够了解发生了什么——以及接下来会发生什么的智能系统。
来源：软件架构