初学者必看：轻松掌握大模型的三大核心能力（收藏版）

本文详细解析了大模型的核心能力：Function Calling、MCP和Skills。Function Calling是模型直接调用预定义函数的能力，MCP是一种开放标准协议，用于实现LLM与外部数据源的无缝集成，而Skills则通过自定义文档和脚本指导模型按照特定流程执行任务。三者共同提升了模型的任务执行能力和开发效率，对于想要了解和学习大模型的小白或程序员来说，本文提供了实用的入门指南。

1. FunctionCall- AI 的"基本功"

Function Call是指大模型直接调用预定义函数的能力，允许模型生成请求参数并整合结果。例如，模型可以通过Function Call查询天气或执行简单的数学计算。它的本质是“代码级工具”，通常与模型绑定部署。

1. LLM 收到来自用户的提示。

2. LLM 决定它需要的工具。

3. 程序员实现过程以接受来自 LLM 的工具调用请求并准备函数调用。

4. 函数调用（带参数）将传递给将处理实际执行的后端服务。

   通俗的来说就是由模型判断用户的问题应该调用哪个函数或者API，然后从用户的问题中提取参数，再将所有参数传入对应的函数或API，最终调用执行，这一切都是由LLM来判断执行。

   所以LLM的Function Calling的能力至关重要，Function Calling能力越强，执行任务的能力也就越强。

2. MCP - AI 的"高速公路"

了解了Fuction Calling，那什么是MCP呢？

2.1 什么是MCP

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 推出的一种开放标准协议，旨在实现大型语言模型（LLM） 应用与外部数据源、工具和服务之间的无缝集成。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。

1. 主机（Host）：负责接收你的提问并与模型交互。
2. 客户端（Client）：客户端是主机与服务器之间的桥梁。
3. 服务器（Server）：服务器是提供外部数据和工具的组件。它通过工具、资源和提示模板为大型语言模型提供额外的上下文和功能。例如，一个服务器可以提供与Gmail、Slack等外部服务的API调用。
4. 基础协议（Base Protocol）：基础协议定义了主机、客户端和服务器之间如何通信。它包括消息格式、生命周期管理和传输机制等。

2.2 mcp的流程架构

1. 当用户提出一个问题时：
2. 客户端将你的问题发送给LLM。
3. LLM分析可用的工具，并决定使用哪一个（或多个）。
4. 客户端通过 MCP Server 执行所选的工具。
5. 工具的执行结果被送回给 LLM。
6. LLM结合执行结果构造最终的 prompt 并生成自然语言的回应。
7. 回应最终展示给用户。

总结一下，可以看到MCP最终也是由大模型选择调用的函数，其实这也说明了MCP协议的能力是基于模型的Fuction Calling的能力的。原先的Function Call能解决从自然语言到调用函数的能力，但是开发者在实际开发中发现：函数或者API的集成成本太高。开发者需要针对每个功能都要去写对应的函数或者API，开发的成本大大提高。

MCP可以让既有的系统可以快速集成到LLM中，并且他人的函数如果通过MCP转化，我们也可以访问使用。比如高德地图、12306都在ModelScope - MCP 广场通过MCP开放了自己的一些函数。

3. SKills

Function Calling可以解决调用函数，MCP在此基础上通过标准协议可以解决工具集成的问题，那SKills又是什么呢，它是解决了什么问题呢？

3.1 什么是Skills

这里贴一张官方指南中的关于Skills的解释。

简单来说，Skills就是通过自定义的md文档和脚本让模型可以按照想要的流程或者顺序去调用函数。原先的Functinon Calling和MCP在处理具体的问题时往往会出现一个问题：当前模型很难仅依靠自身能力做出最优的工具调用步骤，很多任务需要特定的执行顺序、规则和约束。而这就是SKills要解决的问题：在尽可能准确的前提下，通过自然语言指导模型去按照特定的流程执行任务。

就像官方指南中说的那样，用厨房做类比，MCP提供的是工具、原料、设备，而Skills提供的是配方。

3.2 Skills的构建

这里也放一张官方指南里有关的如何构建一个Skills的注意事项，详细的可以参考官方指南。这里放上官方文档的链接：

https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en

相信看到这的你，已经对Function Calling、MCP和Skills有了比较深刻的认识

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？