模型三剑客：工具、函数调用与MCP协同之道

这三个概念不在同一个层级，是配合起来用的：‌Function Calling 是模型“决定调用哪个工具”的能力，Tool 是具体可执行的功能，MCP 是统一连接工具和模型的标准协议‌。‌‌

可以把模型想象成一个聪明的助理：

• ‌Function Calling‌：助理的“决策和表达”，听懂需求后，判断该用哪个工具、需要什么参数，并生成结构化指令（比如{"name": "getWeather", "arguments": {"city": "成都"}}）。它本身不执行，只负责“说清楚要干什么”。
• ‌Tool（工具）‌：助理实际能用的“家伙什”，比如查天气的接口、发邮件的功能、计算器。开发者把工具定义好，告诉模型“你有这些可以用”。
• ‌MCP‌：连接助理和工具的“标准插座”（像 USB-C）。以前每家模型对接工具的方式都不一样，MCP 统一了接口标准，让同一个工具能被不同模型直接使用，不用反复适配。‌‌

它们怎么配合工作

1. ‌注册工具‌：开发者定义好工具（Tool），比如getWeather，用 JSON 描述它的功能和参数。
2. ‌模型决策‌：你问“成都明天天气”，模型通过 Function Calling 判断需要调用天气工具，并生成指令：{"name": "getWeather", "arguments": {"city": "成都", "date": "明天"}}。
3. ‌执行与返回‌：你的程序（或 MCP Client）收到指令，真正去执行工具，拿到天气数据后再交给模型，由模型整理成自然语言回复你。‌‌

关键点：模型不直接执行代码，它只负责“发号施令”，真正的执行由后端完成。‌‌

Function Calling 和 MCP 的核心区别

简单说：‌Function Calling 是“大脑”的决策，MCP 是让决策能落地的“高速公路”‌，两者互补，不是替代关系。‌‌

什么时候用哪个

• ‌只服务单一模型：直接用 Function Calling 就够了，更简单直接。
• 小项目、仅需3-5个固定工具：直接用Function Calling对接Tool即可，代码量小、链路简单，完全不需要引入MCP
• ‌要支持多个模型、工具会动态增减‌，或涉及数据库、支付等敏感操作：建议上 MCP，协议层有更好的标准化和安全机制。
• 实际项目里，两者通常‌结合使用‌：模型用 Function Calling 表达意图，MCP 负责把意图路由到正确的工具并执行。‌‌
• 企业级多Agent系统、需要对接十几个内部业务系统：用MCP统一封装所有Tool，再通过Function Calling触发调用，能减少60%以上的重复开发代码，工具支持热插拔，迭代效率大幅提升。

各自的核心定位

• ‌Tool（工具）‌：是最底层的“执行单元”，就是一个个能完成具体任务的功能，比如查天气的接口、发邮件的函数、查询数据库的能力，本身是一段可执行的代码或API，不直接和模型交互。
• ‌Function Calling‌：是大模型的‌原生输出能力‌，它的核心作用是让模型在生成文本时，能输出结构化的JSON调用指令，明确告诉应用“我要调用哪个工具、传什么参数”，解决的是“单次调用怎么准确表达意图”的问题。
• ‌MCP（模型上下文协议）‌：是Anthropic推出的‌标准化中间层协议‌，相当于工具调用领域的“USB-C通用接口”，它不替代任何一方，而是把所有外部工具统一封装成可被自动发现、连接的标准服务，解决的是“工具怎么跨应用复用、统一治理”的问题。

三者的完整协作链路

在实际生产系统中，三者会按固定流程配合工作，完全不存在谁替代谁的情况：

1. ‌工具标准化封装‌：开发者把所有Tool（天气查询、数据库操作、文件读取等）封装成独立的MCP Server，通过统一的JSON-RPC协议暴露工具清单、参数规则。
2. ‌工具自动发现‌：AI应用作为MCP Client，连接各个MCP Server，自动拉取所有可用工具的完整描述，不需要开发者手动为每个工具写重复的Schema定义。
3. ‌模型生成调用指令‌：用户发起请求后，大模型通过Function Calling能力，判断需要调用的工具，输出标准的结构化调用JSON，明确工具名和入参。
4. ‌协议层路由执行‌：应用侧把模型输出的Function Calling指令，转发给对应的MCP Server，由MCP Server完成参数校验、实际Tool执行，再把结果格式化返回给模型。
5. ‌结果整合输出‌：大模型拿到工具返回的结果，整理成自然语言回复给用户，MCP还会自动维护多轮调用的上下文状态，不需要开发者手动传递参数。

核心差异对比

简单总结：‌Tool是“干活的手”，Function Calling是“大脑发出的动作指令”，MCP是连接大脑和手的标准化“神经通路”‌，三者配合才能让大模型真正安全、高效地和真实业务系统交互。

生活场景：智能家居管家

• ‌Tool‌：家里的空调、灯、扫地机器人——具体能执行动作的设备。
• ‌Function Calling‌：管家（模型）的能力，你说"有点热"，他能判断出该开除湿还是制冷、定几度，输出明确指令。
• ‌MCP‌：家里的‌智能中控网关‌。以前小米、海尔、格力的设备协议各不相同，管家得分别学着控制；有了统一网关，管家只要对着网关说"把客厅降温"，网关自动翻译成各品牌设备听得懂的信号。

于是流程变成：‌你说"到家了，有点热" → 管家（模型）判断要开空调+开灯 → 通过网关（MCP）分别下发指令 → 空调、灯（Tool）各自执行 → 管家告诉你"已开空调 26 度和客厅灯（模型整合结果，回复你）"

如果哪天你新买了一台新品牌的风扇，只要它接入了这个网关，管家‌自动就能控制它‌，你什么都不用改——这就是 MCP 带来的"热插拔"

代码示例

一、假设有一个订单服务正常运行

二、搭建一个MCP Server 去调用订单服务查询订单详情

1、引入依赖

<!--引入依赖 spring-ai-mcp-server-webflux-spring-boot-starter--> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency>

2、配置文件

#配置服务端口 server: port: 8084 spring: application: name: order-mcp-server #配置mcp的服务 ai: mcp: server: name: my-order-server version: 1.0.0

3、实现：往Spring 注册Bean(ToolCallbackProvider)

@Data public class Order implements Serializable { private String orderId; private String userId; @JsonFormat(pattern = "yyyy-MM-dd HH:mm:ss", timezone = "GMT+8") private Date orderTime; private BigDecimal totalAmount; /** * 订单状态 * 0:待付款 * 1:已付款 * 2:已发货 * 3:已完成 * 4:已取消 */ private Integer orderStatus; private String paymentMethod; private String shippingAddress; private String contactPhone; private List<OrderDetail> orderDetails; }

@Data public class OrderDetail { private Integer detailId; private String orderId; private String productId; private String productName; private Integer quantity; private BigDecimal unitPrice; private BigDecimal totalPrice; private String specification; }

public enum OrderStatus { /** * 待付款 (0) */ PENDING(0, "待付款"), /** * 已付款 (1) */ PAID(1, "已付款"), /** * 已发货 (2) */ SHIPPED(2, "已发货"), /** * 已完成 (3) */ COMPLETED(3, "已完成"), /** * 已取消 (4) */ CANCELLED(4, "已取消"); private final int code; private final String description; /** * 构造函数 * @param code 状态码 * @param description 状态描述 */ OrderStatus(int code, String description) { this.code = code; this.description = description; } /** * 获取状态码 * @return 状态码 */ public int getCode() { return code; } /** * 获取状态描述 * @return 状态描述 */ public String getDescription() { return description; } /** * 根据状态码获取枚举实例 * @param code 状态码 * @return 对应的枚举实例 * @throws IllegalArgumentException 如果找不到对应的枚举值 */ public static OrderStatus fromCode(int code) { for (OrderStatus status : values()) { if (status.code == code) { return status; } } throw new IllegalArgumentException("无效的订单状态码: " + code); } /** * 检查当前状态是否允许取消订单 * @return 是否允许取消 */ public boolean canBeCancelled() { return this == PENDING || this == PAID; } /** * 检查当前状态是否已完成（包括已完成和已取消） * @return 是否已完成 */ public boolean isFinalStatus() { return this == COMPLETED || this == CANCELLED; } }

@Service public class OpenOrderService { //订单服务访问地址 private static final String BASE_URL = "http://localhost:8083/orders"; private final RestTemplate restTemplate; public OpenOrderService() { this.restTemplate = new RestTemplate(); } @Tool(description = "获取所有订单信息" ) public List<Order> getOrders() { // 尝试远程调用 String url = BASE_URL+"/list"; return restTemplate.getForObject(url, List.class); } @Tool(description = "根据用户ID获取用户订单列表信息" ) public List<Order> getOrdersByUserId(String userId) { // 尝试远程调用 String url = BASE_URL+"/user/" + userId; return restTemplate.getForObject(url, List.class); } @Tool(description = "根据订单ID获取订单详情" ) public Order getOrderById(String orderId) { String url = BASE_URL+"/{orderId}"; return restTemplate.getForObject(url, Order.class, orderId); } @Tool(description = "根据订单ID取消订单" ) public boolean cancelOrder(String orderId) { String url = BASE_URL+"/cancel/{orderId}"; return restTemplate.postForObject(url, null, Boolean.class, orderId); } }

@SpringBootApplication public class OMSApplication { public static void main(String[] args) { SpringApplication.run(OMSApplication.class,args); } //通过ToolCallbackProvider 提供远程服务调用（mcp client） @Bean public ToolCallbackProvider orderTools(OpenOrderService openOrderService) { return MethodToolCallbackProvider.builder().toolObjects(openOrderService).build(); } }

三、搭建一个MCP Client 去获取订单服务详情数据

1、引入依赖

<dependencies> <!--引入依赖 spring-ai-mcp-client-webflux-spring-boot-starter--> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId> </dependency> <!--引入依赖 sspring-ai-alibaba-starter--> <dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-starter</artifactId> </dependency> </dependencies>

2、配置mcp的服务

spring: application: name: order-mcp-client main: web-application-type: none ai: ollama: base-url: http://localhost:11434 #本地ollama服务地址 chat: model: deepseek-r1:1.5b #本地大模型 #ai: #dashscope: #api-key: ${AI_DASHSCOPE_API_KEY} mcp: client: sse: connections: server1: url: http://localhost:8084 #连接服务 mandatory-file-encoding: UTF-8 # 调试日志 logging: level: io: modelcontextprotocol: client: DEBUG spec: DEBUG ai: user: input: 查询订单ID为ORD20250414001的订单详情

3、实现：通过ToolCallbackProvider 调用远程的服务

@SpringBootApplication(exclude = { org.springframework.ai.autoconfigure.mcp.client.SseHttpClientTransportAutoConfiguration.class }) public class OMCApplication { public static void main(String[] args) { SpringApplication.run(OMCApplication.class,args); } private String userInput = "查询订单ID为ORD20250414001的订单详情"; /** * @param chatClientBuilder * @param tools 通过ToolCallbackProvider 调用远程的服务 * @param context * @return */ @Bean public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools, ConfigurableApplicationContext context) { return args -> { var chatClient = chatClientBuilder //通过tool方式接入 .defaultTools(tools) .build(); System.out.println("\n>>> QUESTION: " + userInput); System.out.println("\n>>> ASSISTANT: " + chatClient.prompt(userInput).call().content()); context.close(); }; } }

启动服务（数据库服务，本地大模型服务，应用服务）

启动应用服务顺序：1、订单服务 2、MCP Server 3、 MCP Client

MCP Client 端执行结果

执行查询命令

>>> QUESTION: 查询订单ID为ORD20250414001的订单详情

返回查询结果（大模型整合返回结果）

>>> ASSISTANT: 订单ID为 ORD20250414001 的订单详情如下：