MCP 与 Function Calling 的区别:为什么语音助手需要 MCP 网关
MCP(Model Context Protocol)与 Function Calling 不是二选一,而是互补:Function Calling 是大模型侧「调用函数」的能力,MCP 是工具侧「描述与发现工具」的开放标准。实际链路是助手通过 MCP 发现工具、模型产出 Function Calling 参数、程序执行后经 MCP 返回结果。对语音助手,MCP 网关负责把工具聚合、渐进披露与审计收敛到一个端点。
很多开发者刚接触 MCP 时会问:它和大模型 Function Calling 是不是一回事? 答案是不是二选一,而是上下游配合。这篇用最直白的方式讲清两者定位,以及语音助手场景为什么需要把它们串起来。
Function Calling 是什么
Function Calling 是大模型推理时的一种能力:模型在回答前,先输出一个结构化的「函数调用意图」——函数名 + 参数 JSON,由你的程序执行真实函数后把结果回填给模型,模型再基于结果组织自然语言回答。
它的本质是让模型能调用你预先定义好的函数。OpenAI、Anthropic、通义等各家 API 都提供类似机制,只是协议细节各不相同。
一个典型例子:模型说「我要调用 get_weather(city='北京')」,你的程序执行它拿到天气,模型再用「北京今天晴,23 度」回答你。
MCP 是什么
MCP 解决的是「工具怎么被描述、被发现、被调用」的标准化问题。一个 MCP Server 通过 JSON-RPC 暴露三类能力:
- tools(工具):可被调用的函数
- resources(资源):可读取的数据
- prompts(提示词模板):可复用的指令
MCP Client 可以动态地向 Server 拉取工具清单与 schema,而不需要在代码里写死每个函数的签名。
这带来最大的改变:工具可以热插拔,助手随时发现新能力,不用改一行代码。
MCP 和 Function Calling 是什么关系?
打个比方:
- Function Calling 是模型「伸出手去调用」的动作能力
- MCP 是「工具箱」以及工具箱的统一接口标准
实际运行时它们串成一条链:
- 助手(MCP Client)通过 MCP 协议发现并拿到工具 schema
- 模型基于 schema 决定调用哪个工具,产出 Function Calling 参数
- 你的程序执行函数
- 结果经 MCP 协议返回给模型
所以二者不是竞争,是互补:Function Calling 是模型侧能力,MCP 是工具侧标准。
为什么语音助手场景尤其需要 MCP 网关?
语音助手有几个特点,让「裸 Function Calling」不够用:
- 上下文预算极其有限:几十个工具的完整描述一次性塞给模型,对话质量明显下降
- 工具数量可以很多:小智这类设备能接计算器、天气、地图、智能家居几十种
- 调用必须可审计:孩子在房间调了什么工具、成没成功,要能追溯
MCP 网关把这些集中到一层:按租户分配应用、按需渐进披露技能、每次调用鉴权与频控、全程留审计日志。助手侧只面对一个稳定端点,工具侧的增删改不需要动设备端配置。
判断要不要上网关:工具少于 3 个且固定,直接写 Function Calling 就行;工具多、要热插拔或跨设备复用,用 MCP + 网关更省心。