目录

💡 前言

一、 核心概念逐个击破

1. Function Call（函数调用）：底层基石

2. Tool（工具）：框架层的封装

3. Skills（技能）：业务层的能力聚合

4. MCP (Model Context Protocol)：颠覆行业的连接新标准

二、 它们的区别与联系（一张图看懂）

核心流转过程：

三、 总结

---

💡 前言

随着大模型（LLM）从“只会聊天的工具”进化为“能自主做事的 Agent（智能体）”，如何让 AI 具备“手和脚”成为了当前 AI 应用开发的核心。在 Spring AI 框架中，我们经常会遇到四个容易混淆的概念：Function Call、Tool、MCP 和 Skills。

很多开发者在刚接触大模型应用开发时，经常会把这几个词混为一谈：“它们不都是让 AI 调代码的吗？”

今天这篇文章，我们就来把这四个概念掰开揉碎，从底层原理、框架抽象、业务逻辑到行业新标准，彻底讲透它们的区别、联系以及在 Spring AI 中的实际作用！干货满满，建议收藏！📌

---

一、 核心概念逐个击破

1. Function Call（函数调用）：底层基石

定义：Function Call 是大模型（如 GPT-4, Claude 3, Qwen 等）原生具备的一种能力。

作用：过去，大模型只能输出纯文本；有了 Function Call，当你向模型提供了一组“函数签名（描述函数长什么样、需要什么参数）”后，模型在推理时如果发现需要外部信息，它不会直接返回文本，而是返回一段结构化的 JSON 数据，告诉你：“请帮我执行 A 函数，并且传入参数 B 和 C”。

• 注意：大模型本身不执行代码，它只是“下达执行指令”，真正的执行动作是由你的后端程序（Java 代码）完成的。

2. Tool（工具）：框架层的封装

定义：Tool 是开发框架（如 Spring AI, LangChain）对 Function Call 的高层面向对象封装。

作用：为了让 Java 开发者不用每次都去拼装复杂的 JSON Schema，Spring AI 提供了 Tool 的概念。你可以把一段 Java 方法封装成一个 Tool，告诉大模型“我这里有一把锤子”。

在最新的 Spring AI 版本中，你可以直接使用 @Tool 注解（或 FunctionCallback），极其优雅地将 Java 方法暴露给大模型。

代码示例：

Java

// 在 Spring AI 中定义一个 Tool
@Component
public class WeatherTools {

    @Tool(description = "获取指定城市的当前天气")
    public String getWeather(@ToolParam(description = "城市名称，如：北京") String city) {
        // 实际的业务逻辑，调用气象局 API
        return "晴天，25度";
    }
}

3. Skills（技能）：业务层的能力聚合

定义：Skills 更多是一个业务架构和 Agent 设计层面的概念（在 Semantic Kernel 框架中非常核心，Spring AI 中也在逐渐引入类似理念）。

作用：如果说 Tool 是一把“螺丝刀”，那么 Skill 就是“组装电脑的技能”。一个 Skill 通常由多个 Tool 以及特定的 Prompt（系统提示词）组合而成，代表了智能体在某个特定领域的专业能力。

比如：DataAnalysisSkill（数据分析技能）可能包含了 查询数据库Tool、生成图表Tool 和 数据清洗Tool。

4. MCP (Model Context Protocol)：颠覆行业的连接新标准

定义：MCP（模型上下文协议）是由 Anthropic（Claude的母公司）最新推出的一个开源标准协议。

作用：过去，如果你想让 AI 读取 Github 的代码、查阅本地文件、或者查询 Notion 的数据，你需要为每个数据源写一堆专属的 Tool API。

MCP 的出现就像是给 AI 统一了“USB 接口”！ 它定义了标准的客户端-服务端架构。Spring AI 已经火速跟进支持了 MCP 客户端。这意味着，你只需在 Spring AI 中配置好 MCP 连接，你的 AI 就能瞬间具备访问海量现成 MCP 服务（如 Github MCP, 数据库 MCP 等）的能力，而不需要你再手动去写一个个 Tool！

---

二、 它们的区别与联系（一张图看懂）

为了让大家更直观地理解，我们打个通俗的比方——假设我们在玩一个动作类角色扮演游戏：

概念	角色扮演比喻	在 Spring AI / 大模型中的定位	侧重点
Function Call	大脑发出的神经信号。大脑决定要“挥拳”，并给出“目标是前方怪物，力度是10”的指令。	LLM 提供的底层机制（大模型原生 API 层面）。	机器与机器之间交互的协议（JSON 数据）。
Tool	实际的武器/手脚。比如一把“大剑”或一瓶“血药”。	框架级别的代码抽象（@Tool，Java 方法）。	开发者的代码实现，解决具体的单一问题。
Skills	学会的武功秘籍。比如“独孤九剑”，里面包含了多种 Tool 的组合使用规则。	业务架构层面，Agent 具备的某一类综合能力。	业务能力的封装和场景化编排。
MCP	通用的武器插槽/接口标准。只要符合这个接口的武器，都能直接插上使用。	架构层的标准化通信协议。	解决 AI 工具生态碎片化问题，实现即插即用。

核心流转过程：

1. Spring AI 应用通过 MCP 协议连接了大量的外部数据源。

2. 我们在业务代码中定义了高级的 Skills，其中包含了一些自定义的 Tool（Java 方法）。

3. Spring AI 将这些工具的信息提取出来，发给大模型。

4. 大模型通过 Function Call 机制，返回需要调用的工具名称和参数。

5. Spring AI 自动执行对应的 Java 方法，并将结果返回给大模型继续思考。

---

三、 总结

在 AI 时代，得工具者得天下。梳理清楚这四个概念，对于我们设计健壮的 Agent 架构至关重要：

• Function Call 是你必须理解的底层原理。

• Tool 是你每天写代码接触最多的实际接口。

• Skills 是你设计 Agent 时需要构思的业务模块。

• MCP 则是你未来必须要拥抱的行业生态新标准！

随着 Spring AI 的快速迭代，Java 开发者整合大模型能力的门槛正在不断降低。建议大家赶快动手实践一下最新的 @Tool 注解和 MCP 整合，感受一下“让 AI 跑 Java 代码”的魅力！

---

作者语：

如果这篇文章对你有帮助，欢迎 点赞、收藏、关注！你在用 Spring AI 开发 Agent 时遇到过什么坑吗？欢迎在评论区留言交流，我们一起探讨！👇