在讲Function Call和MCP之前，先简单说下大家更耳熟能详的Agent智能体。
Agent就像一个智能八爪章鱼，当你把天马行空的idea抛给Agent，Agent就会智能地拆解需求制定方案。如果有Agent自己实现不了的任务，它会知道向外寻求帮助，即调用些外部工具来扩大自己的能力边界。
Function Call和MCP就可以理解为八爪章鱼Agent向外调用工具的爪子。
想象一个场景，你周末想要到海边赏日出。
这一随心所欲的想法，就包含了地点推荐、天气查询、路线导航、酒店预订等等一系列的事情要准备。
大模型的优势在于语义理解，但像路线规划、酒店预订这种专业的任务，大模型就不擅长了。
专业的事还是分配给专业的人做，所以，OpenAI在23年6月发布的GPT-4 API推出了「Function Call」功能。
Function Call是什么呢？
它就是大模型与外部工具或程序交互的一种能力。
但是，外部工具和程序各式各样，针对每种工具都要编写一套调用API代码，这是相当繁琐的。
所以，MCP就应运而生了。
MCP（Model Context Protocol，模型上下文协议）统一了大模型调用外部数据、工具及服务的交互方式，类似USB-C接口，解决了传统API集成的零散繁琐、重复编程的问题。
各公司纷纷争先将自己的API服务封装为MCP Server，希望换个面貌在AI应用浪潮中抢占市场。比如：
- 地图服务MCP：通过MCP协议集成了地点检索、路线规划、天气查询等功能，可以应用在旅游规划、物流调度、本地生活等场景。
- 支付宝MCP：可以用在电商AI导购、智能客服购买会员、数字内容变现等支付场景。
- MiniMax MCP：通过接入强大的多模态生成能力，可以应用在音频生成、声音克隆、图片和视频生成等场景。
是不是觉得MCP Server很厉害，其实本质还是API，只是给API穿上统一制服，封装成MCP Server。
市面上MCP Server琳琅满目，令人眼花缭乱。于是，为解决用户不知道去哪找MCP Server的问题，MAP Server聚合平台产品应需而生。
比如mcp.so、阿里云百炼等收录了各类MCP Server，并提供推荐和搜索功能，方便用户快速找到和接入MCP服务；
此外，技术朋友们最喜欢的还是开源github，有个叫 awesome-mcp-servers 聚合库半年时间已经57.3k个star。
在了解Function Call与MCP的概念后，我们再来看这场需求实现的范式革命。
几年前，产品经理的一个需求要辗转经过需求文档、UI设计、编程开发、测试部署等漫长流程；
如今，AI大模型的能力升级和生态完善，让任何人的需求想法通过与AI对话方式就可以实现。
这是场效率的跃迁，也是从确定性到不确定智能协作的范式革命。
同时，也给我们带来了新的思考，当做一个产品周期大大缩短，当不再被繁琐的编码束缚，我们如何才能在这场更自由、更富有创造力的技术革命中做出有价值的产品？
或许不仅仅是小步快跑测试市场，肩负着营收目标的产品设计和Agent流程设计，要让用户心甘情愿付费，并且愿意持续付费，战略构思与价值定义依然是商业化的课题。
最后，当人类站在智能体协作网络的顶端回望历史，耳旁响起“从古希腊以来，能抵御世事无常的是美德”，或许「洞察力+美德」依然是必杀技。