写在前面

2024 年，如果你还没听说过 AI，大概是从深山刚出来的。但如果你听说过 AI 却听不懂大家在聊什么——那是另一回事。

GPT、Agent、RAG、MCP、Skills、Function Calling、Tool Use、Hermes……

这些词像咒语一样从产品经理、程序员和科技博主嘴里蹦出来。你点头微笑，心里却在问：它们到底在说什么？

别慌。这篇文章就是你需要的「AI 专有名词解毒手册」。我们不堆术语、不抄百科，用一个完整的故事，把这些概念串起来。

---

LLM —— 那个会说人话的大脑

一切的起点，是 LLM。

LLM = Large Language Model，大型语言模型。最出圈的代言人：GPT（ChatGPT 背后那个模型）。

你把它想象成一个读过整个互联网的超级学霸——它吞下了维基百科、Reddit 帖子、GitHub 代码、学术论文、小说、新闻……然后学会了"人话"的规律。

你问它：“李白乘舟将欲行，下句是什么？”
它答：“忽闻岸上踏歌声。”

为什么它知道？不是因为它"背过"——而是它从数万亿个句子中学会了"李白乘舟"后面最可能接什么。

LLM 的核心能力就三样：

1. 理解你的问题（哪怕你语法混乱、语焉不详）
2. 推理（“如果 A 成立，那么 B 可能是什么？”）
3. 生成流畅的自然语言回答

但 LLM 有一个致命弱点：它只有一张嘴，没有手。

你可以跟它聊一整天，它没法帮你发邮件、查天气、订机票、操作数据库。它坐在知识的王座上，却无法触碰真实世界。

这就是为什么我们需要后面的家伙们。

---

Agent —— 不再只是"聊天"，而是"做事"

Agent（智能体/智能代理）解决了 LLM 最大的问题：光说不练。

如果 LLM 是一个大脑，Agent 就是给这个大脑装上了身体和行动力。

Agent 的工作流是这样的：

用户说："帮我订一张明天下午去上海的机票"
        ↓
Agent 收到指令 → 调用 LLM 理解意图
        ↓
Agent 决定行动计划：搜索航班 → 比价 → 下单 → 通知用户
        ↓
Agent 逐个执行，必要时向用户确认
        ↓
"已为您订好明天 14:30 北京→上海 CA1234 次航班"

Agent 和普通聊天的核心区别是什么？

普通聊天	Agent
你说一句，它回一句	它能自主规划、多步执行
依赖你不断引导	可以独立完成任务闭环
活在对话气泡里	能操作外部工具和系统
没有记忆（或记忆有限）	有短期记忆/长期记忆/上下文管理

Agent 是一个循环：感知 → 思考 → 行动 → 观察结果 → 再思考 → 再行动…… 直到任务完成。

这就是 Agent 的核心范式——ReAct（Reasoning + Acting），思考和行动交替进行，而不是一次性输出答案。

---

Skills / Tools / Function Calling —— Agent 的"双手"

好的，Agent 有大脑（LLM）、有行动力（循环框架），但它具体怎么干活？靠 Skills（也叫 Tools / Functions / Plugins）。

每个 Skill 就是一项具体能力，比如：

• search_web(query) → 搜索互联网
• send_email(to, subject, body) → 发送邮件
• read_file(path) → 读取文件
• execute_sql(query) → 查询数据库
• create_calendar_event(...) → 创建日程

Function Calling 是 OpenAI 最早推广的一种机制：LLM 不再是"生成文字"，而是"决定调用哪个函数"。

它的对话长这样：

用户：
"帮我查一下这周的天气"

LLM 内心活动：
嗯，用户想知道天气，我的工具列表里有 get_weather(city, date)，我应该调用它。但我还需要知道城市——先问用户。

LLM 输出（对 Agent 说）：
请调用 get_weather，参数暂时未知，先问用户城市。

Agent → 用户：
"请问您在哪个城市？"

用户：
"北京"

Agent → 调用 get_weather("北京", "本周")→ 返回数据 → LLM 总结 → "本周北京晴转多云，最高 28°C"

Skills 的存在，把 LLM 从一个"聊天机器人"变成了一个"操作系统"。

你可以为 Agent 注册任意多个 Skills——就像给手机安装 App。一个没有 Skills 的 Agent 等于一个没有 App 的智能手机：硬件很强，但什么都干不了。

---

MCP —— 打通 AI 与世界的"USB 协议"

有了 Skills，Agent 可以调用工具了。但一个新问题出现了：

每个工具都要单独写接口，每对接一个新系统就要重新写一遍代码。

想象一下：你买了个新鼠标，结果发现它只适用于某个特定品牌的电脑——换个电脑就得换个鼠标。这不荒谬吗？

这就是 MCP 要解决的问题。

MCP = Model Context Protocol，模型上下文协议，由 Anthropic（Claude 的公司）提出。

你可以把它理解成 AI 世界的 USB 协议：

• USB 定义了标准的接口规范，任何 U 盘、键盘、鼠标插上任何电脑都能用
• MCP 定义了标准的接口规范，任何 AI 模型连接任何数据源/工具都能用

MCP 的两端：

• MCP Server：数据或工具的提供方（比如你的本地文件系统、数据库、Slack、GitHub）
• MCP Client：调用方（比如 Claude Desktop、各种 Agent 框架）

为什么 MCP 重要？

在 MCP 之前，每个 AI 应用都要为自己的每个工具写适配代码。你需要为 ChatGPT 写一套插件，为 Claude 写另一套，为本地 Agent 再写一套。

有了 MCP，你只需要写一次 MCP Server，任何支持 MCP 的 Client 都可以直接使用。

这就像 USB 让打印机、键盘、U 盘可以即插即用——MCP 让数据源和工具可以即插即用。

---

Hermes —— 把"大脑"装进"身体"的架构

现在我们有：

• ✅ LLM（大脑）
• ✅ Agent（行动框架）
• ✅ Skills（双手）
• ✅ MCP（连接标准）

还缺什么？一个把这一切组装起来的架构。

这就是 Hermes（或者类似的项目/框架）要做的事。

Hermes 是一个典型的 Agent 运行时架构（Agent Runtime / Agent Framework）。它的设计思路是这样的：

Hermes 的核心理念：

1. LLM 抽象层：不绑定任何特定模型（GPT / Claude / 开源模型都可以换）
2. Agent 循环引擎：处理 ReAct 循环、记忆管理、任务规划
3. Skill 注册中心：动态加载/卸载能力
4. MCP 原生支持：通过 MCP 协议连接外部世界

换句话说，Hermes 就是 AI Agent 的操作系统内核——它不自己做所有事，但让所有事能协同工作。

---

把它们串起来——一个完整的故事

让我们用一个场景，把前面所有概念串起来。

小明的 AI 助手，帮他把一篇论文摘要翻译、整理、保存到知识库、并通知团队。

Step 1: 小明说——
        "帮我把这篇 AI 论文摘要翻译成中文，提炼 3 个要点，
         存到团队知识库，然后 Slack 通知大家。"

Step 2: LLM 理解意图
        └── 这是多步任务，需要翻译 + 总结 + 存储 + 通知
            Agent 循环启动

Step 3: Agent 规划步骤
        └── ① read_file("paper.txt")
            ② translate(content, target="zh")
            ③ summarize(text, points=3)
            ④ save_to_knowledge_base(title, content)
            ⑤ send_slack_message(channel, message)

Step 4: 逐个执行（通过 Skills）
        └── Skill: read_file  → 读取论文内容
            Skill: translate  → 调用翻译引擎
            Skill: summarize  → 调用 LLM 总结
            Skill: save_to_knowledge_base → 连接知识库
            Skill: send_slack → 发 Slack 通知

Step 5: 数据源的连接（通过 MCP）
        └── MCP Server: 本地文件系统（读取 paper.txt）
            MCP Server: 团队知识库（写入条目）
            MCP Server: Slack API（发送消息）

Step 6: 结果返回
        └── "完成！已翻译并总结，存入了『AI 论文』知识库，
              Slack 上 @channel 已通知。"

看，从用户的一句话，到 LLM 理解，到 Agent 规划，到 Skills 执行，到 MCP 打通数据源，最后到结果返回——一条完整的链路。

这不再是一个聊天机器人。这是一个数字员工。

---

尾声：这不是未来，这是现在

2023 年，AI 还在"聊天"。
2024 年，AI 开始"用工具"。
2025 年，AI 开始"理解协议、自主规划、协同工作"。
2026 年……每个概念都在飞速进化。

这些名词不是孤立的 buzzword。它们是一层层递进的能力：

LLM         → 大脑（理解与生成）
Skills      → 双手（具体能力）
Agent       → 身体与意志（自主行动）
MCP         → 神经与血管（连接外部世界）
Hermes/框架 → 骨架（把一切整合在一起）

下一次有人在你面前抛出这些词时，你不需要假装听懂了。你可以微微一笑，然后——真的听懂了。

---

如果你觉得这篇文章有帮助，欢迎点赞、转发。
下一期内容更精彩——敬请期待。