100d1a06eb
- 后端 API（Flask + Gunicorn） - RAG 引擎（混合检索 + 云端 Reranker + 引用溯源） - 文档解析（MinerU + 多格式支持） - Docker 生产部署配置 - 排除前端项目、敏感配置、模型文件
351 lines
11 KiB
Markdown
351 lines
11 KiB
Markdown
# Agent 工具调用与 MCP 协议详解
|
||
|
||
## 研究目标
|
||
|
||
理解智能体（Agent）中：
|
||
1. 大模型如何准确调用工具（Function Calling 机制）
|
||
2. MCP 协议是什么，与传统工具调用的区别
|
||
|
||
---
|
||
|
||
## 一、大模型工具调用的核心原理
|
||
|
||
### 1.1 本质：结构化输出生成
|
||
|
||
工具调用本质是**让模型生成结构化的 JSON 输出**，而非自然语言：
|
||
|
||
```
|
||
用户输入 + 工具定义 → 模型推理 → 选择工具 + 生成参数(JSON)
|
||
```
|
||
|
||
模型经过特殊训练，能够：
|
||
1. **理解工具定义**：解析工具名称、描述、参数 schema
|
||
2. **判断调用时机**：根据用户输入决定是否需要调用工具
|
||
3. **生成结构化参数**：按 JSON Schema 格式输出参数
|
||
|
||
### 1.2 Claude 工具调用示例
|
||
|
||
```python
|
||
import anthropic
|
||
|
||
client = anthropic.Anthropic()
|
||
|
||
# 1. 定义工具
|
||
tools = [
|
||
{
|
||
"name": "get_weather",
|
||
"description": "获取指定城市的天气信息",
|
||
"input_schema": {
|
||
"type": "object",
|
||
"properties": {
|
||
"city": {
|
||
"type": "string",
|
||
"description": "城市名称，如：北京、上海"
|
||
}
|
||
},
|
||
"required": ["city"]
|
||
}
|
||
}
|
||
]
|
||
|
||
# 2. 发送请求
|
||
message = client.messages.create(
|
||
model="claude-sonnet-4-20250514",
|
||
max_tokens=1024,
|
||
tools=tools,
|
||
messages=[{"role": "user", "content": "北京今天天气怎么样？"}]
|
||
)
|
||
|
||
# 3. 检查模型是否要调用工具
|
||
if message.stop_reason == "tool_use":
|
||
for block in message.content:
|
||
if block.type == "tool_use":
|
||
tool_name = block.name # "get_weather"
|
||
tool_input = block.input # {"city": "北京"}
|
||
tool_id = block.id # 用于返回结果
|
||
|
||
# 4. 执行工具后，返回结果给模型继续对话
|
||
response = client.messages.create(
|
||
model="claude-sonnet-4-20250514",
|
||
tools=tools,
|
||
messages=[
|
||
{"role": "user", "content": "北京今天天气怎么样？"},
|
||
{"role": "assistant", "content": [tool_use_block]},
|
||
{"role": "user", "content": [
|
||
{
|
||
"type": "tool_result",
|
||
"tool_use_id": tool_id,
|
||
"content": "北京今天晴天，气温 18°C"
|
||
}
|
||
]}
|
||
]
|
||
)
|
||
```
|
||
|
||
### 1.3 OpenAI Function Calling 示例
|
||
|
||
```python
|
||
from openai import OpenAI
|
||
|
||
client = OpenAI()
|
||
|
||
response = client.chat.completions.create(
|
||
model="gpt-4o",
|
||
messages=[{"role": "user", "content": "北京天气怎么样？"}],
|
||
tools=[
|
||
{
|
||
"type": "function",
|
||
"function": {
|
||
"name": "get_weather",
|
||
"description": "获取城市天气",
|
||
"parameters": {
|
||
"type": "object",
|
||
"properties": {
|
||
"city": {"type": "string"}
|
||
},
|
||
"required": ["city"]
|
||
}
|
||
}
|
||
}
|
||
],
|
||
tool_choice="auto" # auto | required | none
|
||
)
|
||
|
||
# 检查是否需要调用工具
|
||
if response.choices[0].message.tool_calls:
|
||
tool_call = response.choices[0].message.tool_calls[0]
|
||
function_name = tool_call.function.name
|
||
arguments = json.loads(tool_call.function.arguments)
|
||
```
|
||
|
||
### 1.4 模型如何"准确"选择工具
|
||
|
||
```
|
||
┌─────────────────────────────────────────────────────────┐
|
||
│ 工具选择流程 │
|
||
├─────────────────────────────────────────────────────────┤
|
||
│ 1. 解析用户意图 - 理解用户想要做什么 │
|
||
│ 2. 匹配工具描述 - 根据工具名和描述进行语义匹配 │
|
||
│ 3. 验证参数可行性 - 检查是否有足够信息构造参数 │
|
||
│ 4. 生成结构化输出 - 按 input_schema 生成 JSON │
|
||
└─────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
**关键因素：**
|
||
| 因素 | 影响 |
|
||
|------|------|
|
||
| 工具描述质量 | 清晰的 description 能大幅提高匹配准确率 |
|
||
| 参数描述精确性 | 每个参数需要详细说明用途和约束 |
|
||
| 工具数量 | 工具越多，选择难度越大（建议不超过 10-20 个）|
|
||
| 用户意图清晰度 | 模糊请求可能导致错误选择 |
|
||
|
||
---
|
||
|
||
## 二、JSON Schema 工具定义详解
|
||
|
||
JSON Schema 是定义工具参数的标准格式：
|
||
|
||
```json
|
||
{
|
||
"type": "object",
|
||
"properties": {
|
||
"query": {
|
||
"type": "string",
|
||
"description": "搜索关键词"
|
||
},
|
||
"limit": {
|
||
"type": "integer",
|
||
"minimum": 1,
|
||
"maximum": 100,
|
||
"default": 10
|
||
},
|
||
"filters": {
|
||
"type": "object",
|
||
"properties": {
|
||
"category": {"type": "array", "items": {"type": "string"}}
|
||
}
|
||
}
|
||
},
|
||
"required": ["query"]
|
||
}
|
||
```
|
||
|
||
**常用类型：**
|
||
|
||
| 类型 | 说明 | 示例 |
|
||
|------|------|------|
|
||
| `string` | 字符串 | `{"type": "string"}` |
|
||
| `integer` | 整数 | `{"type": "integer", "minimum": 0}` |
|
||
| `number` | 浮点数 | `{"type": "number"}` |
|
||
| `boolean` | 布尔值 | `{"type": "boolean"}` |
|
||
| `array` | 数组 | `{"type": "array", "items": {...}}` |
|
||
| `object` | 对象 | `{"type": "object", "properties": {...}}` |
|
||
| `enum` | 枚举 | `{"type": "string", "enum": ["a", "b", "c"]}` |
|
||
|
||
---
|
||
|
||
## 三、MCP (Model Context Protocol) 协议
|
||
|
||
### 3.1 什么是 MCP
|
||
|
||
**MCP 是 Anthropic 2024 年推出的开放协议**，旨在标准化 AI 应用与外部资源的连接。
|
||
|
||
```
|
||
类比：USB-C 接口统一了外设连接
|
||
MCP 统一了 AI 与外部资源的连接
|
||
```
|
||
|
||
**核心能力：**
|
||
- 连接各种数据源（数据库、文件系统、API）
|
||
- 使用外部工具
|
||
- 访问预定义的提示词模板（Prompts）
|
||
- 保持与上下文的持久连接
|
||
|
||
### 3.2 MCP 架构
|
||
|
||
```
|
||
┌──────────────────────────────────────────────────────────┐
|
||
│ MCP 架构 │
|
||
├──────────────────────────────────────────────────────────┤
|
||
│ │
|
||
│ ┌─────────────┐ ┌─────────────┐ │
|
||
│ │ MCP Host │ ◄─────► │ MCP Client │ ◄─────► MCP │
|
||
│ │ (Claude App)│ │ (连接器) │ Server│
|
||
│ └─────────────┘ └─────────────┘ │
|
||
│ │ │
|
||
│ ▼ │
|
||
│ ┌─────────────┐ ┌──────┐│
|
||
│ │ AI Model │ │数据源/││
|
||
│ │ (Claude) │ │工具 ││
|
||
│ └─────────────┘ └──────┘│
|
||
└──────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
| 组件 | 角色 | 示例 |
|
||
|------|------|------|
|
||
| **MCP Host** | 运行 AI 应用的宿主 | Claude Desktop, IDE 插件 |
|
||
| **MCP Client** | 管理与服务器的连接 | 内置在 Host 中 |
|
||
| **MCP Server** | 提供工具、资源、提示词 | PostgreSQL Server, GitHub Server |
|
||
|
||
### 3.3 MCP 核心功能
|
||
|
||
#### Tools（工具）
|
||
```python
|
||
@server.list_tools()
|
||
async def list_tools():
|
||
return [
|
||
Tool(
|
||
name="query_database",
|
||
description="执行 SQL 查询",
|
||
inputSchema={
|
||
"type": "object",
|
||
"properties": {
|
||
"sql": {"type": "string", "description": "SQL 语句"}
|
||
},
|
||
"required": ["sql"]
|
||
}
|
||
)
|
||
]
|
||
|
||
@server.call_tool()
|
||
async def call_tool(name: str, arguments: dict):
|
||
if name == "query_database":
|
||
result = await db.query(arguments["sql"])
|
||
return [{"type": "text", "text": str(result)}]
|
||
```
|
||
|
||
#### Resources（资源）- 只读数据源
|
||
```python
|
||
@server.list_resources()
|
||
async def list_resources():
|
||
return [
|
||
Resource(uri="file:///project/README.md", name="README")
|
||
]
|
||
|
||
@server.read_resource()
|
||
async def read_resource(uri: str):
|
||
# 返回资源内容
|
||
return open(uri[7:]).read()
|
||
```
|
||
|
||
#### Prompts（提示词模板）
|
||
```python
|
||
@server.list_prompts()
|
||
async def list_prompts():
|
||
return [
|
||
Prompt(name="code_review", description="代码审查提示词")
|
||
]
|
||
```
|
||
|
||
### 3.4 MCP 传输方式
|
||
|
||
| 方式 | 适用场景 | 说明 |
|
||
|------|---------|------|
|
||
| **Stdio** | 本地工具 | 服务器作为子进程，通过 stdin/stdout 通信 |
|
||
| **HTTP + SSE** | 远程服务 | 通过 HTTP 和 Server-Sent Events 通信 |
|
||
|
||
### 3.5 MCP 配置示例
|
||
|
||
```json
|
||
// Claude Desktop 配置 (claude_desktop_config.json)
|
||
{
|
||
"mcpServers": {
|
||
"postgres": {
|
||
"command": "mcp-server-postgres",
|
||
"args": ["postgresql://localhost/mydb"]
|
||
},
|
||
"github": {
|
||
"command": "mcp-server-github",
|
||
"args": ["--token", "${GITHUB_TOKEN}"]
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
配置后，MCP 服务器**自动**：
|
||
- 向 AI 暴露可用工具
|
||
- 提供资源访问
|
||
- 无需修改应用代码
|
||
|
||
---
|
||
|
||
## 四、Function Calling vs MCP 对比
|
||
|
||
| 特性 | Function Calling | MCP 协议 |
|
||
|------|------------------|----------|
|
||
| **标准化** | 各厂商格式不同 | 统一开放标准 |
|
||
| **工具发现** | 需硬编码工具定义 | 动态发现 |
|
||
| **上下文管理** | 需手动管理 | 内置资源管理 |
|
||
| **跨平台** | 限于特定 API | 任何 MCP 兼容应用 |
|
||
| **扩展性** | 添加工具需改代码 | 插件式架构 |
|
||
| **提示词模板** | 不支持 | 内置支持 |
|
||
| **资源访问** | 需自行实现 | 标准化接口 |
|
||
| **实现复杂度** | 简单直接 | 需要服务器实现 |
|
||
|
||
### 选择建议
|
||
|
||
| 场景 | 推荐方案 |
|
||
|------|---------|
|
||
| 简单场景、单次 API 调用 | Function Calling |
|
||
| 需要资源访问、多应用复用 | MCP |
|
||
| 快速原型开发 | Function Calling |
|
||
| 生产环境、需要标准化 | MCP |
|
||
|
||
---
|
||
|
||
## 五、关键要点总结
|
||
|
||
1. **工具调用本质**：大模型生成结构化 JSON，而非直接执行代码
|
||
2. **准确性的关键**：清晰的工具描述 + 精确的参数 Schema
|
||
3. **MCP 的价值**：统一标准，实现"一次开发，处处可用"
|
||
4. **MCP 三大能力**：Tools（工具）、Resources（资源）、Prompts（提示词）
|
||
|
||
---
|
||
|
||
## 参考资源
|
||
|
||
- [Anthropic Tool Use 文档](https://docs.anthropic.com/en/docs/build-with-claude/tool-use)
|
||
- [OpenAI Function Calling 指南](https://platform.openai.com/docs/guides/function-calling)
|
||
- [MCP 官方规范](https://modelcontextprotocol.io/)
|
||
- [MCP GitHub 仓库](https://github.com/modelcontextprotocol)
|