MCP 工具調用能力介紹

MCP 與 AI 模型的對接機制

在 MCP（Model Context Protocol）架構中，雖然工具調用（Tool Calling）是核心能力，但不代表所有操作都由模型本身完成。實際的對接行為，是由 模型 + 客戶端 共同完成的協作過程。

❓ 模型是否一定要支援 Function Call 才能使用 MCP？

答案是：Function Call 是對接 MCP 所需的功能，但不一定由模型本身直接執行。 也就是說，需要有能力觸發工具調用，但這個觸發指令不一定得是模型原生的 'tool_call' 格式。

對比兩種典型的對接架構

✅ 模型原生支援 Function Call（如 GPT-4-turbo + 5ire）

• 模型環境：GPT-4-turbo
• 客戶端平台：5ire (用於支援 GPT 模型與外部工具，如 MCP，的對接)
• 模型 Function Call 支援：✅ 支援
• 誰負責執行 Function Call：5ire（依模型產生的 tool_call 指令自動執行）
• 能否對接 MCP：✅ 是
• 流程說明：
  1. 客戶端 (5ire) 將用戶請求及可用工具的描述 (function schema) 發送給模型。
  2. 模型本身能根據工具描述自動產生結構化的 tool_call。
  3. 客戶端 (5ire) 負責接收、解析這個 tool_call，然後執行對應的工具（與 MCP 互動或直接調用 API）。
  4. 客戶端將執行結果回傳給模型。
  5. 模型根據結果生成最終回覆。

此模式下，模型與 MCP/工具間的互動是高度自動化的，對使用者來說過程相對透明。

✅ 模型不支援 Function Call（如 DeepSeek R1 + Cline for VSCode）

• 模型環境：DeepSeek R1 (假設不原生支援 Function Call)
• 客戶端平台：Cline (VSCode 的一個擴充插件，用作智能客戶端)
• 模型 Function Call 支援：❌ 不支援
• 誰負責執行 Function Call：Cline（根據模型輸出的文字判斷意圖，轉換並執行）
• 能否對接 MCP：✅ 是
• 流程說明：
  1. 客戶端 (Cline) 在發送用戶請求給模型之前，會先在 Prompt 中注入可用工具的描述。這通常是以自然語言或特定格式告知模型：「你可以使用 get_weather(latitude, longitude) 來查詢天氣」。
  2. 模型接收到包含用戶請求和工具描述的 Prompt。
  3. 模型理解請求後，決定需要使用工具，但它無法生成結構化的 tool_call，因此它會產出指示性的文字，例如："好的，我來查一下天氣：get_weather(latitude=24.16, longitude=120.64)"。
  4. 客戶端 (Cline) 解析模型回傳的這段文字，識別出 get_weather(...) 的意圖和參數。
  5. 客戶端 (Cline) 將這些參數轉換為適當的格式，並執行相應的工具調用（如向 API 發送請求）。
  6. 工具執行完後，客戶端收到回應，並將其返回給模型。

此模式下，模型無法直接執行工具調用，但可以通过客戶端插件來實現與外部工具的交互。

模型對接方式比較

總結

MCP 協議提供了多種方式來實現模型與外部工具的交互。選擇哪種方式取決於模型的功能支援和具體應用需求。如果模型原生支援 Function Call，可以直接使用其工具調用能力；如果不支援，則可以通過客戶端插件來實現對接。