本文侧重于概念介绍;下一篇将用一个具体案例来阐述,LLM是如何与物理世界联结的。
1. AI 的感官延伸:为什么物理世界是难点
大模型本质上活在"文字"里——它接收的是 token(token:一个字,或一个词,就是一个token),输出的也是 token。让它感知室温、控制机械臂,需要在语言空间与物理空间之间架一座桥。这座桥的质量,决定了 AI Agent 能走多远。
互联网世界的接入相对简单:想知道出差城市的天气,调用一个天气 API,返回约定格式的数据(比如 JSON),模型解析即可。但物理世界的接入更复杂——设备协议各异(MQTT、Modbus、BLE),实时性要求更高,错误往往不可逆;写错文档不过是挨领导一顿批,开错阀门可能是千万元的经济损失和几十几百条人命。
如何优雅地完成这种联结,是当前 AI 工程化的核心挑战之一。
2. Tools 模式:直接,但代价
比较朴素的方案是函数工具(Function Tools)。给模型提供一组可本地调用的函数列表(函数列表一般放在系统级提示词里),模型在推理过程中决定何时调用、传什么参数。OpenAI 的 Function Calling、各主流框架的 Tool Use,背后都是这同一套逻辑。
它的优点显而易见:上手快,定制强。想控制一个灯,写一个 turn_on_light(device_id, brightness) 函数,告诉大模型函数名、函数功能、函数参数,模型就知道怎么用。
但随着集成设备增多,问题开始显现:
- 碎片化
:每个设备、每套系统都要手工写 Tool,没有复用标准; - 不可发现
:模型不知道有哪些工具可用,只能靠开发者提前写死; - 跨模型移植成本高
:从 GPT 迁移到 Claude 或 Qwen,Tool 的注册格式往往需要重写。
3. MCP 的崛起:标准化协议解决
2024 年底,Anthropic 发布 了MCP(Model Context Protocol),把工具调用标准化。
MCP 的核心思路是:不直接调用函数,而是通过一个中间服务器(MCP Server)来列出能力。你的电脑上跑一个MCP客户端,这个MCP客户端与服务端之间遵循统一协议通信。这样,任何支持 MCP 的模型,都能通过你电脑上的Agent接入任何 MCP Server——无需重写适配器。
在物理世界接入场景下,MCP 的价值尤为突出:
- 可发现性
:服务端主动声明"我有哪些工具",模型可以动态探索; - 标准化错误处理
:协议层统一处理超时、权限等边界情况; - 解耦
:物理系统维护方只需维护一个 MCP Server,与接入模型无关。
一个实际案例:智能家居厂商只需发布一个 MCP Server,声明支持的设备能力,任何 AI 助手(无论底层是哪家模型)都能直接接入——这在纯 Tools 模式下是无法实现的。
4. 取舍:两种接入方式的对比
选择的核心依据:这是一次性集成,还是要构建可复用的能力层?
如果只是为了跑通一个 demo,硬编码 Tool 是最快的路。但如果目标是构建一套"AI 可以持续扩展感知能力"的系统,MCP 提供的标准化,能在日后节省大量重复劳动。
5. 写在最后:分工
Tools 和 MCP 并不是对立的技术路线。准确的理解是:Tools 是机制,MCP 是对该机制的标准化封装。
物理世界的 AI 接入,最终需要的不仅是"能用",还包括"能被任意模型复用、能被生态发现、能被安全管理"。MCP 在这个方向上迈出了重要一步,但它依赖的底层,依然是 Tools 那套函数调用逻辑。
#AI #MCP

