如果你最近在看 AI 产品、开发框架或技术推文，很容易产生一种错觉：几乎所有人都在谈同一件事，但每个人用的词都不一样。有人说自己在做 LLM App，有人说那其实是 Agent，有人强调核心是 Function Calling，有人又说未来一定是 MCP，还有人喜欢把一套经验、提示词和脚本打包成 Skill。

这些词经常同时出现，但它们其实分属不同层级。有的是“模型”，有的是“系统形态”，有的是“调用机制”，有的是“连接协议”，还有的是“可复用能力包”。如果不把层级理清，讨论很容易变成鸡同鸭讲。

这篇文章想做的，就是把这些术语放回各自的历史脉络里，回答五个问题：

  1. 它到底是什么意思？
  2. 它大概是什么时候进入主流语境的？
  3. 它是为了解决什么问题而出现的？
  4. 它和别的术语是什么关系？
  5. 为什么今天大家会把它们混着说？

一句话先讲清楚

最短版本可以这样理解：

  • LLM 是会生成语言的基础模型。
  • Agent 是围绕模型构建出来、能够感知上下文并采取行动的系统。
  • Function Call 是让模型“请求调用外部能力”的机制。
  • MCP 是让模型、工具和数据源之间按统一方式连接的协议。
  • Skill 则更像一层可复用的“能力封装”或“任务配方”。

也就是说，这几个词并不在同一个抽象层上。LLM 更靠近能力底座，Agent 更靠近应用形态，Function Call 更像运行时机制，MCP 更像生态接口标准，Skill 则更像经验与能力的打包单元。

1. LLM：为什么“大语言模型”会成为新时代底座

LLM，即 Large Language Model，字面意思是“大语言模型”。如果只看定义，它并不神秘：一种在海量文本上训练、能够根据上下文继续生成文本的模型。

但 LLM 真正变成时代关键词，不是因为“语言模型”这个概念本身新，而是因为“规模”与“泛化能力”的拐点到了。

它的历史脉络

一条常见的技术谱系是这样的：

  • 2017 年，Google 发表论文 Attention Is All You Need，Transformer 架构成为后续大模型的基础。
  • 2018 到 2020 年之间，BERT、GPT 系列让“预训练 + 下游适配”逐渐成为主流范式。
  • 2020 年，OpenAI 发布 GPT-3 论文 Language Models are Few-Shot Learners，让“只靠提示就能完成大量任务”的能力被大规模看见。
  • 2022 年 11 月 30 日，ChatGPT 发布，LLM 从研究语境正式进入大众和产业语境。

所以，LLM 这个词流行的背后，并不是学界突然发明了“语言模型”，而是产业界突然意识到：当模型足够大、训练足够广时，它不再只是一个 NLP 组件，而像一个通用接口。

它解决了什么问题

在传统软件里，我们往往需要为每个任务单独建规则、建流程、建分类器；而 LLM 的诱人之处在于，它把很多原本彼此分离的语言任务，压缩进了同一种接口里：你只需要“描述任务”，模型就能尝试完成。

这也是后来一切术语扩展的起点。因为当模型看起来像一个“通用文本计算机”时，大家自然会继续追问：它能不能不仅回答问题，还能替我操作世界？

于是，Agent 的话题开始升温。

2. Agent：一个很老的词，为什么在 LLM 时代突然翻红

很多人以为 Agent 是大模型时代才有的词，其实不是。

在 AI 与软件工程语境里，Agent 至少在 1990 年代就已经是一个成熟概念。1995 年，Michael Wooldridge 和 Nicholas Jennings 在 Intelligent Agents: Theory and Practice 这篇经典论文里系统讨论了智能体问题。那个年代谈的 Agent，核心特征通常包括：自主性、持续性、对环境的感知，以及基于目标采取行动。

所以从历史上看，Agent 不是“比聊天机器人高级一点的包装词”，而是一个比 LLM 老得多的概念。

那为什么它在 2023 年后突然爆红

因为 LLM 补上了一个关键拼图：自然语言推理与通用任务编排能力。

在过去，做 Agent 常常意味着写大量显式规则、状态机、规划器和专用模块；而在 LLM 时代，开发者开始发现，模型本身已经能承担一部分“理解目标、拆解步骤、选择工具、生成下一步动作”的职责。这样一来，很多原本昂贵且僵硬的 agent 设计，突然变得更轻、更快、更像“能先跑起来”的系统。

今天语境里的 Agent 更接近什么

如果用今天更接地气的说法，Agent 通常是：

“一个以 LLM 为核心，能读取上下文、调用工具、记住部分状态，并在多步流程里持续完成目标的系统。”

注意，这个定义里最关键的词不是“模型”，而是“系统”。Agent 往往意味着：

  • 不只回答一次，而是能连续多步执行；
  • 不只生成文本，而是能调用外部能力；
  • 不只被动响应，而是会围绕目标做决策；
  • 不只看当前对话，而是会利用更广义的上下文。

因此，Agent 不是 LLM 的同义词。更准确地说，LLM 是大脑的一部分，Agent 是把大脑、记忆、工具、状态和执行循环拼起来后的整体。

3. Function Call：为什么它是 Agent 爆发的关键基础设施

如果说 LLM 让模型会“说”，Agent 让系统会“做”，那么 Function Call 解决的就是中间最关键的一步：模型如何把“我想做什么”变成“系统可以执行什么”。

它到底是什么

Function Calling 的核心思想并不复杂：开发者先把一组可调用函数及其参数 schema 告诉模型，模型在合适的时候不直接输出自然语言答案，而是输出一个结构化的“我要调用这个函数，并传这些参数”的请求。

然后，真正执行函数的是外部程序，不是模型本身。程序把执行结果再喂回模型，模型才继续生成最终回答。

为什么 2023 年是个分水岭

2023 年 6 月 13 日，OpenAI 正式发布 function calling 能力。这件事的重要性在于，它把“模型调用工具”从零散 prompt 技巧，推进成了平台级接口。

在这之前，开发者也会通过 prompt 诱导模型输出 JSON，再由程序解析。但那种方式脆弱、容易格式漂移。Function Calling 把这个过程制度化了：函数名、参数 schema、返回流程，都开始有了更稳定的约定。

它为什么重要

因为大多数“能干活的 AI”都离不开它。

举几个最直观的例子：

  • 查天气，需要调天气 API；
  • 订会议室，需要调公司日历系统；
  • 改数据库记录，需要调用后端服务；
  • 写文件、跑命令、开网页，也都需要外部工具。

换句话说，Function Calling 让模型第一次比较可靠地“伸手”到模型外部。

很多今天被称为 Agent 的产品，本质上就是：LLM + Function Calling + 状态循环 + 外部工具。

4. MCP：为什么大家开始关心“工具怎么统一接”

当 function calling 变得常见，一个新问题马上出现了：如果每个工具、每个数据源、每个平台都要各写一套接法，系统迟早会被集成成本拖垮。

这正是 MCP 出场的背景。

MCP，即 Model Context Protocol，是 Anthropic 于 2024 年 11 月 25 日公开发布的开放协议。它想解决的问题不是“模型会不会调用工具”，而是“工具和上下文能不能用统一方式暴露给模型和客户端”。

MCP 想标准化什么

可以把它理解成 AI 世界里的“统一插口”。

它尝试把下面这些东西放进同一套协议框架里：

  • 工具如何被发现；
  • 资源如何被暴露；
  • 提示模板如何被共享；
  • 客户端如何与外部能力建立双向连接。

如果说 Function Calling 更像“模型如何请求调用某个函数”，那么 MCP 更进一步关心的是：

“整个外部能力生态，能不能以统一协议被挂载、发现、描述和调用？”

它和 Function Call 是替代关系吗

不是。两者更像不同层级的互补关系。

  • Function Calling 解决的是“模型如何发出结构化调用意图”；
  • MCP 解决的是“外部能力如何以统一标准被接入和管理”。

你可以把前者理解为“调用语义”，把后者理解为“连接协议”。

也正因为如此，2025 年以后，越来越多产品开始把 MCP 当成工具互操作层，而不是单一厂商私有接口。

5. Skill：一个最容易被混用、也最不统一的词

和前面几个术语相比，Skill 是最松散、最依赖上下文的一个词。

它没有像 Transformer、Function Calling、MCP 那样明确绑定到某一篇论文、某一次协议发布或某一份统一标准。相反，Skill 更像是一个产品和生态反复借用的比喻：把某种可复用能力包装成一个可装载单元。

这个词最早是怎么火起来的

在面向消费者的智能助手领域，Skill 的大众化传播可以明显追溯到 Alexa。2015 年 6 月 25 日，Amazon 发布 Alexa Skills Kit，把第三方为 Alexa 增加的新能力直接称为 skills。从那以后，skill 开始成为“给助手安装新能力”的通俗说法。

到了 LLM 时代，Skill 又发生了什么变化

在 LLM/Agent 生态里，Skill 的含义开始漂移，至少出现了几种常见用法：

  • 一组 prompt 模板和任务说明；
  • 一套工具调用流程；
  • 一段可复用的领域知识；
  • 一个包含文档、脚本、资源文件的能力包。

这也是为什么你会看到一些框架曾经把插件叫 skills，后来又改叫 plugins。例如 Microsoft Semantic Kernel 在 2023 年 10 月明确把 skills 重命名为 plugins，原因之一就是为了与 OpenAI plugin 规范更对齐。

但很有意思的是，到了 2026 年，微软又在 Agent Framework 语境里重新使用了 Agent Skills 这个说法，并把它定义为一种围绕 SKILL.md 组织的可移植能力包。这说明 Skill 并没有消失，而是在从“插件同义词”逐渐演化为“经验 + 说明 + 资源 + 脚本”的复合封装。

所以今天到底该怎么理解 Skill

如果非要给出一个尽量稳妥的定义，我会这样写：

Skill 不是模型能力本身，而是把某项任务能力以可复用形式封装起来的组织单位。

它可能包含工具，但不等于工具；它可能依赖 prompt，但不等于 prompt；它可能被 agent 调用，但不等于 agent。

6. 把这些词放回同一张图里

很多争论其实只是因为大家在谈不同层级的问题。一个更清晰的分层方式大概是：

  • LLM：能力底座，负责理解与生成。
  • Function Calling：调用机制，让模型能发出结构化动作请求。
  • MCP：连接标准，让工具、资源和提示以统一方式接入。
  • Skill：能力封装，把某个任务领域的方法、知识和脚本打包复用。
  • Agent：系统形态，把以上要素组织成一个能持续完成目标的执行体。

如果把它写成一句更直白的话，就是：

LLM 负责“想”，Function Calling 负责“喊人干活”，MCP 负责“把外部世界接进来”，Skill 负责“把经验沉淀下来”，Agent 负责“把整件事跑通”。

7. 为什么这几个词今天会被频繁混用

因为过去两年里，AI 产品形态正在快速塌缩。

以前我们会把模型、插件、自动化、集成、工作流分得很开；但现在一个真实可用的 AI 应用，往往同时具备这些属性：

  • 它背后有一个 LLM；
  • 它会调用函数或工具；
  • 它需要接入外部系统；
  • 它会复用领域流程；
  • 它还能在多轮中持续完成任务。

于是，很多团队在谈“agent”时，实际指的是“带工具的大模型应用”；谈“skill”时，实际指的是“prompt + 脚本模板”；谈“MCP”时，实际又是在说“工具生态标准化”。词开始重叠，是因为系统本身开始重叠。

8. 一个更实用的区分方法

如果你在写文档、做分享，或者评审一个 AI 产品，我建议用下面这组问题来区分术语：

  • 如果你在问“核心智能从哪里来”，你谈的是 LLM。
  • 如果你在问“它能不能自己规划并连续执行”，你谈的是 Agent。
  • 如果你在问“模型怎么触发外部操作”，你谈的是 Function Calling。
  • 如果你在问“工具和上下文怎么标准化接入”，你谈的是 MCP。
  • 如果你在问“某种能力如何被沉淀、复用和分发”，你谈的是 Skill。

这五个问题一旦分开，概念边界会清楚很多。

结语

回头看这条演化线，会发现一个很有意思的趋势：

AI 产业最初解决的是“模型会不会说”，接着解决“模型能不能按要求说”，然后开始解决“模型能不能调用工具做事”，再往前一步，就是“这些工具能不能统一接入”，以及“这些能力能不能沉淀成可复用资产”。

所以，这几个术语并不是彼此竞争的新旧黑话，而更像一条连续演化链上的不同节点：

从 LLM 出发，经由 Function Calling 连接行动能力，经由 MCP 连接外部世界，经由 Skill 沉淀可复用经验，最终在 Agent 这种系统形态中汇合。

如果非要用一句话概括，我会写：

“LLM 让机器开始会说，Function Calling 让它开始会做，MCP 让它开始会连接，Skill 让经验开始可复用，而 Agent 则让这一切第一次像一个完整的软件生命体。”

参考资料