Hello，大家好，我是 Sunday。

最近很多同學(xué)特別關(guān)注 AI 相關(guān)的領(lǐng)域。但是，AI 技術(shù)發(fā)展太快了，AIGC、RAG、Agent、Function Call、MCP 等等的各種熱詞層出不窮的。多到就算是很多程序員都搞不明白了。

所以，咱們今天這篇文章，我就來(lái)用最簡(jiǎn)單的方式，幫你把這些熱詞一次性講清楚~

從 AIGC 到多模態(tài)

大部分同學(xué)應(yīng)該都是從 ChatGPT 開(kāi)始接觸 AI 的，比如我就是。

剛開(kāi)始用 ChatGPT 的時(shí)候，我們體驗(yàn)到的其實(shí)是一種典型的 文生文 能力：

你輸入一句話，它給你生成一段文字回應(yīng)。

不管是寫(xiě)文章、改簡(jiǎn)歷，還是輸出代碼、寫(xiě)周報(bào)，都是 AI 在根據(jù)你的文字 Prompt，生成另一段文字。

這種讓 AI 自動(dòng)生成內(nèi)容的能力，就叫做 AIGC。

AIGC，全稱是 AI Generated Content（AI 生成內(nèi)容），它的核心能力是：用 AI 自動(dòng)生成“人類常干的活”。

在最初的時(shí)候，AIGC 他只能處理 一種類型 的內(nèi)容，比如：GPT-3 只懂文字，SD 只會(huì)畫(huà)畫(huà)，這種模式就被稱之為 單模態(tài)。

但是，隨著 AI 的進(jìn)化，不只是文生文，像：文生圖、圖生文、文生視頻、圖文生視頻……也都逐漸支持了（并且進(jìn)化的速度特別快），而這種支持 多種類型 消息的，就被稱為是 多模態(tài)。 比如現(xiàn)在的 CPT-4。

而這些多模態(tài)模型，才是真正讓 AI 從“工具”進(jìn)化成“助手”的關(guān)鍵。

但 AIGC 有兩個(gè)“天生的限制”：

• 第一就是 不具備實(shí)時(shí)性。比如，以 DeepSeek 為例，他的知識(shí)庫(kù)就只更新到了 2024 年 7 月。如果想要讓他知道最新的數(shù)據(jù)怎么辦呢？就得給他 “喂數(shù)據(jù)！”

圖片

• 第二就是 不會(huì)使用工具。最初的 AIGC 只可以從現(xiàn)有的知識(shí)庫(kù)中獲取內(nèi)容，而不會(huì)查詢最新的信息，也不能調(diào)用 API。

因此，這就引出了兩個(gè)技術(shù)方向，一個(gè)叫 RAG，一個(gè)叫 Function Call。

RAG 實(shí)時(shí)信息查詢

RAG，全稱是 Retrieval-Augmented Generation（檢索增強(qiáng)生成）。

就像上面的 DeepSeek 截圖一樣，如果查詢的內(nèi)容超過(guò)了知識(shí)庫(kù)怎么辦呢？

很簡(jiǎn)單 實(shí)時(shí)查詢就可以了！ 查完以后，把資料貼給 AI，再讓它寫(xiě)。

圖片

比如你問(wèn)“北京明天的天氣”，它自己不知道，但可以去“檢索模塊”查一遍，把查到的結(jié)果再結(jié)合起來(lái)給你回答。

你可以理解成：原來(lái)模型靠死記硬背，現(xiàn)在它學(xué)會(huì)“看資料答題”了。

但如果你仔細(xì)想一想：只會(huì)看，越不行呀。

咱們需要的時(shí)，他可以把資料看完之后，把內(nèi)容返回給咱們。甚至可以做到，當(dāng)我說(shuō)：“給我訂個(gè)明天下午去北京的高鐵票” 時(shí)，他可以 自動(dòng)調(diào)用 12306 接口，選好車次直接下單

如果你可以想到這里，那么恭喜你。你已經(jīng)摸到 Agent 智能體 的門檻了。

中間就只差了一個(gè) Function Call（函數(shù)調(diào)用）

Function Call 調(diào)用函數(shù)

簡(jiǎn)單來(lái)說(shuō)，F(xiàn)unction Call 就是讓模型 根據(jù)你的指令，自動(dòng)調(diào)用外部的函數(shù)或接口，把任務(wù)真正執(zhí)行掉。

比如你說(shuō)：“我現(xiàn)在在北京，查一下明天上海的天氣?！?/p>

傳統(tǒng)的 LLM：

“對(duì)不起，我只能提供截至 2023 年的信息?！?/p>

支持 RAG 的模型：

“明天上海天氣 28°C，小雨。”（它查了資料，但沒(méi)動(dòng)手）

支持 Function Call 的模型：

它會(huì)判斷你這個(gè)請(qǐng)求，需要調(diào)用一個(gè)叫 getWeather(city) 的函數(shù)，然后自動(dòng)生成參數(shù)city = "上海"，調(diào)用完天氣 API → 拿到結(jié)果 → 生成回復(fù)：

“明天上海 28°C，小雨，建議帶傘?！?/p>

你看，整個(gè)過(guò)程中，它已經(jīng)從一個(gè)單純的回答者，變成了 可以自己思考你接下來(lái)應(yīng)該怎么做 “帶傘” 的 “人” 了

因此，我們說(shuō) Function Call 是 AI 走向“智能體”的關(guān)鍵

這時(shí)候，該登場(chǎng)的，就是最近特別火的詞：Agent（智能體）。

Agent：傳說(shuō)中的 “人工智能”

前面咱們說(shuō)了，F(xiàn)unction Call 讓模型擁有了“動(dòng)手能力”。

但是你會(huì)發(fā)現(xiàn)，現(xiàn)實(shí)世界的任務(wù)，往往不是一句話、調(diào)一次函數(shù)就能搞定的。

比如說(shuō)你問(wèn)它： “我十一想自駕從濟(jì)南去北京，幫我規(guī)劃下出行方案?！?/p>

一個(gè)聰明的 AI 應(yīng)該怎么干？

理想流程可能是這樣的：

1. 查濟(jì)南十一當(dāng)天的天氣（看是否適合出行）
2. 查從濟(jì)南到北京的高速路況
3. 查加油站分布和服務(wù)區(qū)情況
4. 安排中途住宿
5. 綜合輸出一份行程建議

注意，這不是一步能干完的，而是一個(gè)“多步驟 + 多工具 + 多輪決策”的鏈條。

普通的 Function Call，只能調(diào)用一個(gè)函數(shù)。但是，這個(gè)流程里，模型要自己判斷用哪些工具、什么順序、調(diào)幾次，每次結(jié)果又影響下一步行為。

這時(shí)候，就該輪到 Agent（智能體） 出場(chǎng)了。

什么是 Agent？

Agent，說(shuō)白了就是讓模型具備一定程度的自主決策和任務(wù)規(guī)劃能力。

它就像一個(gè)“多線程”的模型調(diào)度器：

• 每接一個(gè)任務(wù)，自己思考怎么拆解
• 根據(jù)情況調(diào)用多個(gè)工具
• 遇到中間結(jié)果會(huì)重新思考下一步
• 最后一步步把復(fù)雜任務(wù)完成

你可以理解成：它會(huì)思考、規(guī)劃、決策、執(zhí)行，真正具備了“完成任務(wù)”的閉環(huán)能力。

我們可以通過(guò)一張 Agent 流程圖 進(jìn)行展示：

用戶輸入 → 模型分析意圖 → 判斷要調(diào)用哪個(gè)工具 → 生成參數(shù) → 執(zhí)行函數(shù) → 拿到結(jié)果 → 判斷是否繼續(xù) → 再次調(diào)用或返回最終答復(fù)

用戶輸入 → 模型分析意圖 → 判斷要調(diào)用哪個(gè)工具  → 生成參數(shù) → 執(zhí)行函數(shù) → 拿到結(jié)果  → 判斷是否繼續(xù) → 再次調(diào)用或返回最終答復(fù)

并且，這整個(gè)流程可以重復(fù)多輪，直到目標(biāo)完成。

還是以“濟(jì)南十一自駕去北京”為例，它可能經(jīng)歷這樣的 Agent 執(zhí)行鏈：

• 查詢天氣 → 如果有雨，提醒注意安全
• 查詢路線 → 如果太遠(yuǎn)，中途加一站住宿
• 住宿安排 → 查附近酒店并給出建議
• 最終輸出一個(gè)可執(zhí)行的旅行計(jì)劃

這就是 Agent 的特性：不是你一步步告訴它怎么干，而是它自己規(guī)劃該怎么干。直接給你最終的規(guī)劃和結(jié)果

到目前，大家是不是已經(jīng)感覺(jué) Agent 挺牛批 的了。

但是（哎，必須得有個(gè)但是），他依然還存在一些問(wèn)題。比如：標(biāo)準(zhǔn)化

大家想想，就和手機(jī)充電頭一樣，各家的可能都不一樣，從而導(dǎo)致除了現(xiàn)在這種奇葩的 “一拖三”：

圖片

那么對(duì)于 Agent 也一樣，調(diào)用的工具那么多。當(dāng)工具越來(lái)越多、系統(tǒng)越來(lái)越復(fù)雜的時(shí)候，如何讓模型可以按照統(tǒng)一的標(biāo)準(zhǔn)，低成本地接入更多工具呢？

答案就是：MCP 協(xié)議！

MCP 協(xié)議：標(biāo)準(zhǔn)化協(xié)議接口

MCP（Model Context Protocol，模型上下文協(xié)議）是由人工智能公司 Anthropic 于 2024 年 11 月 24 日正式發(fā)布并開(kāi)源的協(xié)議標(biāo)準(zhǔn)。你可以簡(jiǎn)單理解成：AI 世界的 “USB 接口協(xié)議”。

圖片

它的目標(biāo)是：標(biāo)準(zhǔn)化模型和外部工具之間的連接方式。

什么意思？

來(lái)看幾個(gè)典型痛點(diǎn)：

舉個(gè)例子：

• 你想接入地圖服務(wù) → MCP 上直接裝騰訊地圖插件
• 想用圖生文 → MCP 上調(diào)用 Qwen-VL 工具
• 想自動(dòng)發(fā)送企業(yè)微信 → MCP 上調(diào)用飛書(shū)/企業(yè)微信接口

一句話總結(jié)就是：以前是 M × N 的混亂對(duì)接，現(xiàn)在是 M + N 的標(biāo)準(zhǔn)接口。

圖片

你可以這么理解現(xiàn)在 AI 技術(shù)棧的關(guān)系：

圖片

這就是我們現(xiàn)在看到的 AI 應(yīng)用演進(jìn)路徑......