概要

在人工智能领域，智能体作为AI与用户沟通的桥梁，通过接收和发送包含特定信息的提示词，即用户提示词-user prompt和系统提示词-system prompt，来模拟人类对话。系统提示词设定智能体的角色和行为，用户提示词则传达用户的需求。功能编码-AI tools是允许智能体调用预定义函数以执行具体任务的方法，增强了智能体的实用性。MCP（Model Communication Protocol）作为一种专为AI设计的通信协议，使得智能体能够与各种工具和服务交互，实现更复杂的功能，并支持工具的标准化管理，包括查询可用工具、参数和功能描述等。这些技术综合起来，展示了从用户询问到AI生成响应的完整流程，强调了它们在AI自动化协作中的重要性。

接下来我们通过一些场景，来学习prompt，agent、mcp以及function calling的基础概念。

场景1

现实中对话

现实生活中，当我们和不同人聊天真实，即便是完全相同的话，对方也会根据自己的经验给出不同的答案。比如我说我肚子疼，我妈可能会问病了吧？，我爸可能说吃多了吧？，我女朋友可能直接就来一句滚吧。 但是AI并没有这样的人设，所以他就只能给出一个通用的四平八稳的回答，如果感觉不适请就医。

图片

于是我们就希望给AI也加上人设，最直接的方法就是把人设信息和用户要说的话打包成一条user prompt发过去。比如你扮演我的女朋友，我说我肚子疼，然后AI就可能回复滚一边去，老娘也疼，这样就对味儿了。

图片

但问题是你扮演我温柔的女朋友这句话并不是我们真正想说的内容，显得有一点出戏。于是人们干脆把人设信息单独的拎了出来，放到另外一个里面，这就是system prompt系统提示词。

场景1总结

在AI模型与用户交互的过程中，什么是user prompt？

user prompt就是用户提示词，是我们通过聊天框发送给AI模型的消息，通常是我们提出的问题或想说的话。

为什么AI给出的答案往往显得无趣且缺乏个性？

因为AI没有人的设定，只能给出通用的回复。为了赋予AI个性，人们开始将人设信息与用户输入的内容结合，形成更自然的对话。

什么是system prompt，它在对话中起到什么作用？

System prompt是用来描述AI的角色、性格、背景、信息、语气等非用户直接说出来的内容，它与user prompt一起发送给AI模型，以使对话更加自然。

在网页端的聊天机器人中，system prompt如何设定和使用？

网页端的system prompt通常是系统预设的，但用户可以通过网站提供的设置功能自定义偏好，这些偏好会被整合进system prompt中。

场景2

即使人设设定的再完美，说到底AI还是个聊天机器人。你问一个问题它最多给你答案或者告诉你怎么做，但实际动手的还是你自己。那么能不能让AI自己去完成任务呢？

第一个做出尝试的是一个开源项目叫做auto GPT，它是本地运行的一个小程序。如果你想让auto GPT帮你管理电脑里的文件，那你得先写好一些文件的管理函数

图片

比如说list files用来列目录，read files用来读文件等等。然后你把这些函数以及它们的功能描述、使用方法注册到auto GPT中

图片

Auto GPT会根据这些信息生成一个system prompt，告诉AI模型用户给了你哪些工具，他们都是干什么的，以及AI如果想要使用它们应该返回什么样的格式。最后把这个system prompt连同用户的请求，比如说帮我找一找原神的安装目录，一起发给AI模型。

图片

如果AI模型足够的聪明，就会按照要求的格式返回一个调用某个函数的消息。Auto GPT进行解析之后就可以调用对应的函数了。然后再把结果丢回给AI，AI再根据函数调用的结果决定下一步应该做什么操作。这个过程就这样反复，直到任务完成为止。

图片

人们把auto GPT这种负责在模型工具和最终用户之间传话的程序就叫做AI agent。而这些提供给AI调用的函数或者服务就叫做agent tools

图片

不过这个架构有一个小问题，虽然我们在system prompt里面写清楚了AI应该用什么格式返回，但AI模型说到底它是一个概率模型，还是有可能返回格式不对的内容。为了处理这些不听话的情况，很多AI agent会在发现AI返回的格式不对时，自动进行重重试，一次不行我们就来第二次。但这种反复的重试总归让人觉得不太靠谱，于是大模型厂商开始出手了，纷纷推出了一个叫做function calling的新功能，这个功能的核心思想就是统一格式，规范描述

Function calling则对这些描述进行了标准化，比如每个tool都用一个Json对象来定义，工具名写在name字段，功能说明写在description字段，所需要的参数写在parameters里面等等。然后这些对象也从system prompt中被剥离了出来，单独放到了一个字段里面。

图片

最后Function calling也规定了AI使用工具时应该返回的格式，所以system prompt中的格式定义也可以删掉了。

图片

这样一来，所有的工具描述都放在相同的地方，所有工具描述也都依照相同的格式，AI使用工具时的回复也都依照相同的格式，于是人们就能更加有针对性的训练AI模型，让它理解这种调用的场景。甚至在这种情况下，如果AI依然生成了错误的回复，因为回复的格式是固定的，AI服务器端自己就可以检测到并且进行重试，用户根本感觉不到。这样一来，不仅降低了用户端的开发难度，也节省了用户端重试带来的token开销。

图片

场景2总结

auto GPT是如何实现让AI完成任务的？

auto GPT通过让用户注册一些函数及其功能描述，生成一个包含这些工具信息的system prompt，然后根据用户请求调用AI模型，AI模型按要求格式返回操作结果，auto GPT解析后执行相应函数。

什么是AI agent以及其与function calling的关系？

AI agent是负责在模型工具和最终用户之间传话的程序，而function calling是一种规范AI回复格式的新功能，旨在解决AI返回结果可能不准确的问题，并通过统一格式降低用户端开发难度和token开销。

场景3

以上我们讲的都是AI agent和AI模型之间的通信方式。接下来我们再看另一边，AI agent是怎么跟AI tools来进行通信的。

最简单的做法是把AI agent和agent tools写在同一个程序里面，直接函数调用搞定，这也是现在大多数agent的做法。

图片

但是后来人们逐渐发现有些AI tools的功能其实挺通用的。比如说一个浏览网页的工具，可能多个agent都需要，但我总不能在每个agent里面都拷贝一份相同的代码吧，太麻烦了，也不优雅。于是大家想到了一个办法，把tools变成服务统一的托管，让所有的agent都来调用，这就是MCP。

图片

MCP是一个通信协议，专门用来规范agent和tools服务之间是怎么交互的。运行tools的服务叫做MCP server，调用它的agent叫做MCP client。MCP规定了MCP server如何和MCP client通信，以及MCP server要提供哪些接口。

图片

MCP server也可以直接提供数据，提供类似文件读写的服务叫做resource，或者为agent提供提示词的模板叫做prompt。MCP server既可以和agent跑在同一台机器上，通过标准输入输出进行通信，也可以被部署在网络上，通过HTTP进行通信

图片

图片

场景3总结

AI agent与AI tools之间如何通信？

最初是直接函数调用，后来发展为将常用工具作为服务统一托管在网络上的MCP server，使得所有agent可以通过MCP协议进行交互。

MCP（Message Passing to Function）是什么？

MCP是一个通信协议，用于规范AI agent与AI tools之间的交互，它规定了MCP server（服务提供者）与MCP client（服务调用者）之间的接口和交互方式。

全文总结

最后我们梳理一下全场景的整个流程。我说：女朋友肚子疼，怎么办？于是问AI agent或者说MCP client，我女朋友肚子疼应该怎么办？Agent会把问题包装在user prompt中，然后agent通过MCP协议从MCP server里面获取所有tool的信息。AI agent会把这些tool的信息或者转化成system prompt，或者转化成function calling的格式，然后和用户请求user prompt一起打包发送给AI模型。 AI模型发现有一个叫做web browse的网页浏览工具，于是通过普通回复或者function calling格式产生一个调用这个tool的请求，希望去网上搜索答案。Agent收到了这个请求之后，通过MCP协议去调用MCP server里的web browse工具。web browse访问指定的网站之后，将内容返还给agent，agent再转发给AI模型。AI模型再根据网页内容和自己的头脑风暴，生成最终的答案，多喝热水，最后由agent把结果展示给用户之后

图片

文章来自：51CTO