Prompt、Agent、MCP 到底是啥？

“Agent 是智能实体？MCP 是 AI 时代的 USB 协议？” 最近刷到 AI 相关内容，不少人都会被这些专业术语绕晕。别慌，今天就用最通俗的语言，把 Prompt、Agent、Function Calling、MCP 这几个关键概念讲清楚，让你轻松跟上 AI 潮流。

从 “聊天” 说起：Prompt 原来分两种

2023 年 OpenAI 刚推出 GPT 时，AI 更像个普通聊天框 —— 我们发消息，它给回复。我们发的这些消息，就是User Prompt（用户提示词） ，列如 “我肚子疼怎么办”“帮我写个工作总结”。

可细心的人会发现，AI 聊天总少点 “人情味儿”。就像你说 “肚子疼”，妈妈会问 “要不要去医院”，爸爸可能让 “去趟厕所”，女朋友或许会吐槽 “我也疼呢，别烦我”，但 AI 只会给个通用答案，列如 “多喝热水，注意休憩”。

为了让 AI 有 “人设”，大家开始想办法：把人设信息和用户消息打包成一个 Prompt。列如发 “你目前是我女朋友，我肚子疼”，AI 可能就会回复 “我也疼呢，别烦我”，这才有点内味儿。但问题来了，“你目前是我女朋友” 这句话，并不是我们真正想表达的内容，总觉得别扭。

于是，System Prompt（系统提示词） 应运而生。它专门用来设定 AI 的角色、性格、背景和语气，那些不是用户直接说的内容，都能塞进去。列如把 “你是一个温柔体贴的女朋友，说话带点小撒娇” 设为 System Prompt，之后每次发 User Prompt “我肚子疼”，系统会自动把两者一起发给 AI，聊天就自然多了。像 ChatGPT 的 “自定义 ChatGPT” 功能，实则就是让用户设置自己的 System Prompt。

让 AI “动起来”：Agent 不只是聊天机器人

有了完美人设，AI 依旧只是个 “话痨”—— 你问问题，它给答案，却没法帮你做实际事。能不能让 AI 自己完成任务？开源项目 AutoGPT 给出了早期答案，也催生了AI Agent（人工智能代理） 。

列如想让 AI 帮你找电脑里 “原神” 的安装目录，先得给 AutoGPT 写几个工具函数，像list_files（列目录）、read_file（读文件）。接着把这些函数的功能、用法告知 AutoGPT，它会生成一个 System Prompt，告知 AI 模型 “有这些工具，想用的话得按这格式说”。然后你发 User Prompt “找原神安装目录”，AutoGPT 就会把 System Prompt 和 User Prompt 一起发给 AI 模型。

如果 AI 模型够机智，会按指定格式说 “调用list_files函数”，AutoGPT 解析后调用对应函数，把结果反馈给 AI，AI 再决定下一步，直到完成任务。这里，AI Agent 就像个 “中间人”，连接用户、AI 模型和Agent Tool（代理工具） —— 那些能让 AI 做事的函数、服务，都是 Agent Tool。

不过，早期 AI Agent 有个小 bug：AI 可能会乱回复格式。列如明明要它说 “调用 XX 函数”，它却闲聊起来。为了补救，许多 Agent 会自动重试，一次不行就两次，虽然能用，但总让人不放心。

给 AI “立规矩”：Function Calling 解决格式难题

为了让 AI 回复更规范，ChatGPT、Claude、Gemini 等大模型厂商推出了Function Calling（函数调用） 功能，核心就是 “统一格式、标准化描述”。

以前用 System Prompt 告知 AI“有哪些工具、按啥格式回复”，描述全靠自然语言，怎么说都行。但 Function Calling 要求用 JSON 格式定义工具：name字段写工具名，description写功能，parameters写必填参数。而且这些工具描述会从 System Prompt 里分离出来，单独放一个字段，AI 用工具的回复格式也被固定死。

这样一来，工具描述都在一个地方，格式还统一，开发者能更有针对性地训练 AI 理解调用场景。就算 AI 偶尔出错，由于格式固定，AI 服务器能自己检测到并重试，用户完全没感觉。不仅降低了开发难度，还省了不少成本，目前越来越多 AI Agent 开始用 Function Calling 取代 System Prompt。

但 Function Calling 也有缺点：没有统一标准。每家公司的 API 定义不一样，许多开源模型还不支持，想做个能跨模型用的 AI Agent，依旧麻烦。所以目前 System Prompt 和 Function Calling 还在 “同台竞技”。

让工具 “共享”：MCP 是 AI 界的 “快递员”

聊完 AI Agent 和 AI 模型的沟通，再看看 AI Agent 怎么和 Agent Tool 打交道。一开始，大家把 AI Agent 和 Agent Tool 写在同一个程序里，直接调用，简单粗暴。但慢慢发现，许多工具是通用的，列如网页浏览工具，多个 Agent 都要用，总不能每个 Agent 里都复制一遍代码吧？

这时MCP（模型通信协议） 出现了。它就像 AI 界的 “快递员”，专门规范 AI Agent 和 Agent Tool 服务之间的沟通方式。提供工具服务的叫 “MCP Server（MCP 服务器）”，调用工具的 AI Agent 叫 “MCP Client（MCP 客户端）”。

MCP 会明确：MCP Server 和 MCP Client 怎么说话，MCP Server 必须提供哪些 “接口”—— 列如告知别人 “我这里有哪些工具”“工具怎么用”“要传什么参数”。而且 MCP Server 不只能提供工具，还能存数据（列如帮 AI 读写字节的 “Resources”）、给 AI 准备提示词模板（“Prompts”）。

更方便的是，MCP Server 可以和 AI Agent 在同一台电脑上，用 “标准输入输出” 沟通；也能部署在网上，通过 HTTP 连接。关键是，MCP 和 AI 模型没啥关系，不管 AI Agent 用的是 GPT 还是 Claude，MCP 都能帮它管好工具、数据和提示词。

完整流程演示：AI 是怎么帮我哄女朋友的

说了这么多，这些概念到底怎么配合工作？举个真实例子：女朋友说肚子疼，我问 AI Agent “女朋友肚子疼该怎么办”，看看整个过程。