你和朋友在一个陌生城市旅行，想知道明天最早的公交几点发车：
朋友A说：“我猜是7点吧。” 朋友B掏出手机查了App：“6点半。”你当然信B——他用了工具。
这就是我们希望AI能做到的：
不只说个大概，而是知道去哪查、怎么查、拿着查完的确切信息来回答。AI如果真的能查公交，就得能调用工具。
为了解决这个问题，很多平台都用上了Function Call——让大模型不仅能“动嘴”，还能“动手”。
Function Call：AI第一次学会找工具展开剩余87%Function Call是一个让 AI 能够调用函数或API的机制。
你对AI说：“查下明天早上的公交时间。”它识别出你的意图，然后执行一个内置函数，比如：
getBusSchedule()并把结果塞回回答里。
这让AI不再是胡说八道，开始具备了动手能力。
但问题也随之而来：
每个函数都要手动接入，接一个写一套规则，很累 每个平台（OpenAI、Anthropic、Google等）Function Call的语法不统一 想用别人的工具？对不起，重新接一次当工具越来越多，Function Call就像你背了一堆不同厂商的遥控器，出门得带个工具箱。
所以我们需要一个通用规范，让工具接一次，哪儿都能用。
于是，MCP来了。
MCP是什么？不是一个工具，是一套让AI会用工具的标准MCP，全称Model Context Protocol，是一套让AI像人一样使用工具的统一语言。
它的核心目的就是解决工具太多，接起来太烦的问题。
你可以把它想象成AI版的USB插口：
插哪都行，不用再找特定品牌的线。举个例子：
插上地图服务，它会导航 插上公交API，它知道车什么时候来 插上新闻摘要服务，它能快速告诉你今天发生了啥AI不用每次都“重新学一套工具怎么用”，MCP让所有工具都说同一种语言，统一接入。
MCP是怎么工作的？三个角色一台戏我们用最简化的方式理解MCP生态里的三种角色：
1. MCP Host（舞台）
你和AI交互的地方，比如手机、网页、办公系统。
2. MCP Client（翻译官）
把你的自然语言请求翻译成MCP规范的请求格式。
3. MCP Server（工具提供者）
真正提供服务的工具方，比如：
天气预报 API 搜索引擎 翻译服务 邮件管理 地图和定位工具这些服务像一个个“插件”，AI通过MCP统一语言调用它们，就能完成跨工具操作，不用重新学习每个工具的独特用法。
MCP能帮AI做什么？MCP定义了三类能力模块，每种能力背后都对应着AI“更像助手”的进化方向：
Tools（工具）：执行操作型任务。比如你说“翻译一下这段话”，AI会调用翻译插件；你说“分析下这段文字情绪”，它能调起情感分析。 Resources（资源）：读取信息型内容。比如你上传一个PDF文档，AI能提取里面的内容；或者你问“这个网页有什么重点”，它就去读网页结构。 Prompts（提示）：提供结构化指令模板，辅助AI更好理解任务。比如你说“请总结这篇文章”，它背后其实是在用一个经过调优的“内容总结”提示，确保回答更有逻辑。举个例子：你说“帮我检查一下这篇文章是否信息完整”， AI在背后会：
调用 Prompt 模板生成“内容完整性分析”任务结构 使用 Resource 模块读取原文内容 结合 Tool 插件查缺补漏（比如搜索、推荐系统） 最后返回一个补全后的版本你不用教它每一步操作，它会自己识别意图并调动模块，就像一个熟练的内容编辑助手。
那它和Function Call有什么区别？如果你不熟Function Call，这里可以理解成：
Function Call 是AI会“打一个指定电话”MCP是：
所有电话现在都换成了“智能通讯录”，而且还能多方通话、自动记录、结果翻译、报销发票。换句话说，Function Call是“AI能打电话”，MCP是“AI知道怎么拨世界上所有号码”。
MCP不是取代Function Call，而是给它加了一个标准化的外壳，方便跨平台、多服务调用。
MCP如何赋能法律AI？在幂律智能的实践中，我们基于MCP协议构建了标准化的法律AI能力接口：
拆解每一个功能，变成可以独立调用的“小服务” 给每个服务定义MCP接口规范 接入平台只需支持MCP，就能直接调用我们的法律AI“联名款”： 在扣子空间，Agent可以直接调用我们提供的合同审查 / 法律问答 / 文书起草服务 在Kimi智能助手上，我们的合同服务也能被无缝接入使用结语：工具不是答案，但它让问题开始有了解法从最开始的“查公交时间”到复杂任务链的调用，AI正在变得越来越能干，但能干≠好用。
Function Call让它能动手，MCP让它动得标准、调得通、接得稳。
对开发者来说，它是统一接口的规范； 对产品人来说，它是能力复用的钥匙； 对用户来说，它是AI从“会说”迈向“会做”的转折点。
我们之所以在产品里引入它，是因为我们相信：
未来的AI助手，不应该只是一个好聊的朋友，而是一群会自己动手干事的队友。所以这不是为了追一个技术热词，也不是为了多造一个新词。 是为了让工具真正融入系统、服务真正落到流程，能力真正变得可用。
我们还会继续用MCP构建更多“能上手、能拆卸、能配合”的AI能力，就像搭一套越来越复杂也越来越清晰的工程积木。
MCP不是终点，它是我们从一个真实业务痛点出发，走向可落地、可协作的大胆原型的第一步。
发布于：北京市配资专业门户登录入口提示：文章来自网络，不代表本站观点。
