人工智能的基本概念(AI Agent 核心概念详解：Function Calling、MCP、Skills 与 Sub Agent)

本文综合整理自 Prompt Engineering Guide、Model Context Protocol 官方文档、Agent Skills 规范、Google ADK 文档及 IBM 技术文章，旨在帮助读者快速理解 AI Agent 领域的核心概念。

什么是 AI Agent

AI Agent（人工智能代理）是一种能够 自主执行任务 的系统或程序。与传统 LLM 的被动文本生成不同，AI Agent 具备以下核心能力：

• 规划能力 ：能够将复杂任务分解为多个步骤

• 工具调用 ：可以调用外部 API、数据库、搜索引擎等

• 自适应学习 ：能够根据新信息更新自身记忆和行为

• 自主决策 ：能够判断何时需要调用工具、何时直接回答

"Function calling transforms LLMs from passive text generators into active agents capable of real-world interactions." — Fireworks AI

Function Calling（函数调用）

定义

Function Calling 是让 LLM 能够与外部工具、API 和知识库交互的核心能力。当 LLM 收到需要超出其训练数据范围的信息或操作请求时，它可以决定调用外部函数来获取信息或执行操作。

工作流程

用户请求 → 上下文组装 → LLM 决策 → 工具执行 → 观察结果 → 生成响应

详细步骤：

1. 用户查询 ：用户发送请求（如"巴黎的天气如何？"）

2. 上下文组装 ：系统消息、工具定义和用户消息组合成完整上下文

3. 工具决策 ：LLM 分析上下文，决定是否需要调用工具

4. 工具执行 ：开发者代码接收工具调用请求并执行实际函数

5. 观察 ：工具返回结果，成为 Agent 的"观察"

6. 响应生成 ：观察结果传回模型，生成最终响应

工具定义示例

{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定位置的当前天气。当用户询问特定城市或地区的天气状况时使用。",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市和州，例如：San Francisco, CA"
},
"unit": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "温度单位"
}
},
"required": ["location"]
}
}
}

最佳实践

• 清晰的描述 ：工具描述应明确说明功能和使用场景

• 精简工具数量 ：建议不超过 20 个工具以保证准确性

• 参数验证 ：明确必需参数和可选参数

• Token 优化 ：工具定义会消耗 Token，需简洁但完整

MCP（Model Context Protocol）

定义

MCP（Model Context Protocol）是一个 开源标准协议 ，用于连接 AI 应用与外部系统。它为 AI 应用提供了一种标准化的方式来访问数据源、工具和工作流。

"Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect electronic devices, MCP provides a standardized way to connect AI applications to external systems." — MCP 官方文档

核心架构

┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ MCP Host │────▶│ MCP Client │────▶│ MCP Server │
│ (AI 应用) │ │ (连接器) │ │ (服务提供) │
└─────────────┘ └─────────────┘ └─────────────┘

三大角色：

MCP Server 核心功能

1. Tools（工具） ：可执行的函数，如搜索、计算、API 调用

2. Resources（资源） ：静态数据源，如文件、数据库内容

3. Prompts（提示） ：预定义的提示模板

MCP 的价值

生态系统支持

MCP 已被广泛支持：

• AI 助手 ：Claude、ChatGPT

• 开发工具 ：VS Code、Cursor、Windsurf

• 其他 ：MCPJam 等众多客户端

Skills（技能）

定义

Agent Skills 是一种 轻量级、开放格式 ，用于扩展 AI Agent 的能力，为其提供专业知识和工作流程。Skills 本质上是包含指令、脚本和资源的文件夹。

目录结构

my-skill/
├── SKILL.md # 必需：指令 + 元数据
├── scripts/ # 可选：可执行代码
├── references/ # 可选：参考文档
└── assets/ # 可选：模板、资源

工作机制

发现 → 激活 → 执行

1. 发现（Discovery） ：启动时，Agent 仅加载每个可用 Skill 的名称和描述

2. 激活（Activation） ：当任务匹配 Skill 描述时，Agent 读取完整的 SKILL.md 指令

3. 执行（Execution） ：Agent 按照指令执行，按需加载引用文件或执行捆绑代码

SKILL.md 示例

---
name:pdf-processing
description:ExtractPDFtext,fillforms,mergefiles.UsewhenhandlingPDFs.
---

# PDF Processing

## When to use this skill
UsethisskillwhentheuserneedstoworkwithPDFfiles...

## How to extract text
1 .Usepdfplumberfortextextraction...

## How to fill forms
...

Skills 的特点

支持平台

• GitHub Copilot（VS Code、CLI、Coding Agent）

• 其他兼容 Agent Skills 标准的 AI 工具

Sub Agent（子代理）与多代理系统

定义

多代理系统（Multi-Agent System, MAS） 由多个 AI Agent 协同工作，共同完成用户或其他系统的任务。每个 Agent 具有独立属性，但通过协作实现全局目标。

Sub Agent（子代理） 是多代理系统中的组成部分，在父代理的协调下执行特定任务。

单代理 vs 多代理系统

多代理系统架构

1. 集中式网络（Centralized）

 ┌─────────────┐
│ 中央单元 │
└──────┬──────┘
┌──────────┼──────────┐
▼ ▼ ▼
┌───────┐ ┌───────┐ ┌───────┐
│Agent A│ │Agent B│ │Agent C│
└───────┘ └───────┘ └───────┘

• 优点 ：通信便捷，知识统一

• 缺点 ：中央单元故障导致系统崩溃

2. 去中心化网络（Decentralized）

┌───────┐ ┌───────┐
│Agent A│◄───►│Agent B│
└───┬───┘ └───┬───┘
│ │
▼ ▼
┌───────┐ ┌───────┐
│Agent C│◄───►│Agent D│
└───────┘ └───────┘

• 优点 ：鲁棒性强，模块化

• 缺点 ：协调复杂度高

多代理系统结构类型

ADK 中的多代理实现

Google Agent Development Kit (ADK) 提供了构建多代理系统的原语：

Agent 层级

fromgoogle.adk.agentsimportLlmAgent, BaseAgent

# 定义子代理
greeter = LlmAgent(name="Greeter", model="gemini-2.0-flash")
task_doer = BaseAgent(name="TaskExecutor")

# 创建父代理并分配子代理
coordinator = LlmAgent(
name="Coordinator",
model="gemini-2.0-flash",
description="I coordinate greetings and tasks.",
sub_agents=[greeter, task_doer]
)

工作流代理类型

代理间交互模式

1. LLM Transfer ：通过 LLM 决策将任务转移给子代理

2. Agent as Tool ：将代理封装为工具供其他代理调用

3. State Sharing ：通过共享状态传递信息

多代理系统优势

• 灵活性 ：动态调整 Agent 组合

  

• 可扩展性 ：轻松添加新 Agent

• 领域专业化 ：每个 Agent 专注特定领域

• 更高性能 ：并行处理，资源共享

概念对比与关系

┌─────────────────────────────────────────────────────────────┐
│ AI Agent │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 能力扩展层 │ │
│ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │
│ │ │ Skills │ │ MCP │ │ Function │ │ │
│ │ │ (技能) │ │ (协议) │ │ Calling │ │ │
│ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │
│ └─────────────────────────────────────────────────────┘ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 协作层 │ │
│ │ ┌─────────────────────────────────────────────┐ │ │
│ │ │ Sub Agent / Multi-Agent │ │ │
│ │ │ (子代理/多代理系统) │ │ │
│ │ └─────────────────────────────────────────────┘ │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘

它们如何协同工作

1. Function Calling 是最底层的能力，让 Agent 能够调用工具

2. MCP 提供标准化的协议，让不同的工具和数据源能够统一接入

3. Skills 为 Agent 提供领域专业知识，指导其如何完成特定任务

4. Sub Agent 将多个专业 Agent 组合，协作完成复杂任务

总结

这四个概念共同构成了现代 AI Agent 的核心架构：

• Function Calling 提供基础的工具调用能力

• MCP 解决了工具和数据源的标准化接入问题

• Skills 解决了领域专业知识的封装和复用问题

• Sub Agent 解决了复杂任务的分解和协作问题

理解这些概念及其关系，是构建强大 AI Agent 应用的基础。

参考资料

1. Function Calling in AI Agents - Prompt Engineering Guide: https://www.promptingguide.ai/agents/function-calling

2. Model Context Protocol Official Documentation: https://modelcontextprotocol.io/

3. Agent Skills Specification: https://agentskills.io/what-are-skills

4. Multi-Agent Systems in ADK - Google: https://google.github.io/adk-docs/agents/multi-agents/

5. What is a Multi-Agent System? - IBM: https://www.ibm.com/think/topics/multiagent-system

6. Function Calling - OpenAI API: https://platform.openai.com/docs/guides/function-calling

有任何问题欢迎在评论区留言，我会尽快回复～