最近翻后台留言，发现好多朋友都在吐槽：现在后端面试。AI相关的题目已经成了高频必考点，没提前准备很容易被问懵。

我后面计划陆续更新AI大模型开发相关的面试题系列。帮大家提前攒好干货、做好储备，面试的时候能从容跟面试官对线。

那么这次就来学习这一题面试真题！

"你知道MCP、Skill、Function Call这三个的区别吗？"

简要回答

这三个概念其实分别处在不同的层次上

• Function Call是大模型调用外部工具的底层技术实现，让模型能够主动发起函数调用；
• Skill可以理解为对一组相关Function的业务封装；
• MCP是Anthropic最近推出的模型上下文协议，它本质上是想建立一套标准化的通信规范。

"简单Function Call解决'怎么调'。Skill解决'调什么'，MCP解决'按什么规矩调'"。

Details Answer: 详细解释三者差异与联系

Function Call

"这个我必须掌握！现在很多项目都在用这个能力。"

• "：OpenAI在GPT-4时代引入的主要能力。让模型不再只是聊天机器人，而是可以主动识别意图并调用外部工具；
• "原理"：通过API请求传入functions参数，模型返回结构化JSON指令；后端代码再执行实际操作，
• "痛点场景"：当需要实现类似"智能助手查天气→调天气API→返回结果"这样的流程时必需掌握； 如果不会配置function parameters或者没有正确处理model response会导致整个流程失败！
• "代码示例"：以下就是一个完整的function call示例:

response = openai.ChatCompletion.create(
model="gpt-4"。messages=,functions=
)
console.log

// 接下来需要实际去调天气API拿数据 // 不然就只会得到半截子回复!怎么说呢，//

Skill

"看起来和Function很像啊？为什么还要抽象出Skill呢？"

• "本质区别" Function是单个功能点，而Skill是将多个相关功能封装成一个可复用单元

`MCP `

问题背景

'为啥我总觉得我的AI项目越改越慢？原来...'

• '现在市面上各家大模型、各种工具、各类数据源之间都是“私有接口”';话说回来，
• '每新增一个服务就要写一堆适配器代码';
• '换一个模型版本可能还要改所有function signatures';
• '这就是MCP想解决的问题——建立统一协议'

具体价值 markdown

1. 模块化设计——不同团队可以独立开发自己的skills而无需知道其他部分实现细节；
2. 环境互通——支持MCP协议代表着你可以轻松替换底层服务商而无需修改代码；
3. 未来 ——当新功能或新服务需要接入时只需要遵循同一套规范即可快速集成。

`案例说明` javascript

// 基于MCP协议设计示例: const skill = new Skill({ 至于name，'email',version: '1.0'。capabilities: })

const mcpClient = new MCPClient({ baseURL:'https://api.example.com/mcp/v1' })

// 调用远程skill就像本地方法一样简单!const inbox = await mcpClient.invoke

三者关系

补充建议

⚠️ 注意虽然现在很多公司开始采用这些技术但也有一些陷阱： 1. Function Call返回JSON格式经常变更导致兼容性问题；2. 不同厂商对MCP协议支持程度不一致；3. Skill过度抽象可能增加学习成本。怎么说呢，

建议先从小范围使用开始逐步验证再 应用！