微信扫码
添加专属顾问
我要投稿
一文搞懂LLM工具调用的进化之路,从Function Call到Agent Skills的全面解析。 核心内容: 1. LLM工具调用四大发展阶段:从可靠性到专业化的演进 2. Agent Skills的模块化设计:三层结构详解 3. Skills与MCP协议的协同关系:专业能力与传输协议的完美结合
今天一篇文章,带你了解LLM调用工具的发展历程,搞懂Function Call、MCP、Skills这些概念与异同,并重点讲解最新的Agent Skills。
1. LLM工具调用发展历程
为了扩展LLM调用外部能力,2023年OpenAI在GPT API中推出了Function Call,类似传统API设计思想,让LLM按JSON格式填写参数,由后端调用接口。
随着Agent框架发展起来,可以由Agent根据目标自主决策使用什么工具,完成多步规划与工具调用。
但各家工具不兼容、生态碎片化。为了解决这一问题,Anthropic在2024年提出了MCP协议,将LLM连接外部数据源和工具抽象成统一协议,成为各大模型通用标准。
最近Anthropic进一步推出了Agent Skills,给LLM提供一个可移植的领域能力包,把「领域知识+操作文档+工程脚本」打包成模块化插件,可以挂载到不同 Agent 复用。
阶段 1 解决了“能不能调”的问题(可靠性)。
阶段 2 解决了“会不会用”的问题(自主性)。
阶段 3 解决了“好不好连”的问题(标准化)。
阶段 4 解决了“专不专业”的问题(专业化)。
2. 详解最新的Agent Skills
关于从Function Call和MCP的详细理解,可以见这一篇「从Function Call到MCP,一场需求实现的范式革命」。
今天重点介绍一下最新的Agent Skills。
为了解决LLM专业领域技能匮乏问题,需要一种轻量化、可组合、可移植的方式给Agent注入专业技能。
于是有了Agent Skills,其本质是一个模块化的能力包,包含指令、脚本、资源,LLM可以动态发现和加载。
其形态是一个包含SKILL.md文件的目录,以Claude的PDF文档编辑为例:
如图所示,共有3+层结构:
第一层:Metadata(元数据),类似tool的功能描述,启动时加载,只包含所有Skill的name和description;
第二层:SKILL.md主体,当Agent 觉得某个skill相关时才加载,包含核心指令;
第三+层:关联的附加文件,根据SKILL.md按需引用其他文件,如forms.md、reference.md、python脚本等;
每次只读与当前任务相关的技能,这对上下文非常友好,也算是上下文工程的一个技术。(不过目前来看只负责加载,不负责上下文卸载。
都是扩展LLM能力,那么Skills会替代掉MCP吗?这是一个好问题:)
如下图所示,Skills与MCP其实是并列关系。
相比Tools的上下文都要提前加载到上下文,Skills渐进式披露方式更加友好。Claude也展望了Skills发展,Skills会与MCP协同,SKill负责“告诉LLM如何做”,MCP作为传输协议负责连接到外部系统。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-03-21
编程选GPT-5.4,还是GPT-5.3-Codex?
2026-03-21
AI Coding前端实践后的复盘总结
2026-03-21
OpenAI 首席科学家:Codex 只是雏形,我们要造的是「全自动 AI 研究员」
2026-03-21
谷歌Stitch「氛围设计」干崩Figma 8.8%股价:十年经验,败给巨头一次更新(附实测)
2026-03-21
为什么 CLI 比 MCP 更适合 LLM
2026-03-21
渐进式披露(Progressive Disclosure):Agent 从 Demo 到企业级落地的 “救命架构”
2026-03-21
AI 编程工具怎么选?Codex 和 Claude Code 的本质区别
2026-03-21
Karpathy 最新播客:我得了 AI 精神病、App 将消失、Agent 将碾压实验室
2026-01-24
2026-01-10
2026-01-01
2026-01-26
2026-01-09
2026-01-09
2026-01-23
2025-12-30
2026-01-14
2026-01-21
2026-03-21
2026-03-20
2026-03-19
2026-03-19
2026-03-19
2026-03-18
2026-03-17
2026-03-17