## 概要

在大型语言模型（LLM）与外部系统集成的场景中，`Model Context Protocol (MCP)` 提供了一套标准化的通信规范，使得模型能够在需要时“调用函数”（function call）来执行特定任务或获取实时数据。MCP 的 function call 本质上是将可执行的“工具”（Tools）以 JSON-RPC 风格暴露给模型客户端，模型在生成响应时能够识别何时需要调用这些工具，并以结构化的参数调用相应函数，最终将执行结果返回模型继续推理或直接反馈用户。下文将依次介绍 MCP 的基本概念、function call 的工作原理、典型示例及完整可运行的 JavaScript 源代码，并辅以真实世界应用案例，以期帮助读者深入理解并快速上手 MCP 的 function call。

## MCP 简介

MCP（模型上下文协议）是由 Anthropic 发布的开放标准，旨在解决 LLM 应用与外部工具、数据源集成时的 `N×M` 接口爆炸问题，通过统一协议格式，实现跨模型、跨语言、跨平台的无缝连接 ([Wikipedia](https://en.wikipedia.org/wiki/Model_Context_Protocol?utm_source=chatgpt.com "Model Context Protocol"), [维基百科，自由的百科全书](https://zh.wikipedia.org/wiki/%E6%A8%A1%E5%9E%8B%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8D%8F%E8%AE%AE?utm_source=chatgpt.com "模型上下文协议"))。
该协议定义了三大核心概念：

*   **资源（Resources）**：类似于 REST 中的“GET”接口，用于将上下文数据加载到模型内；

*   **提示（Prompts）**：可复用的自然语言模板，帮助模型按照特定流程与用户或系统交互；

*   **工具（Tools）**：相当于“POST”接口，模型可以调用工具执行代码、发起外部请求或产生副作用，以补足模型仅依赖训练数据的局限 ([维基百科，自由的百科全书](https://zh.wikipedia.org/wiki/%E6%A8%A1%E5%9E%8B%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8D%8F%E8%AE%AE?utm_source=chatgpt.com "模型上下文协议"))。

MCP 支持多种传输方式，其中以标准输入/输出（stdio）和基于 HTTP 的 Server-Sent Events（SSE）最为常见 ([Philschmid](https://www.philschmid.de/mcp-introduction?utm_source=chatgpt.com "Model Context Protocol (MCP) an overview - Philschmid"))。采用 JSON-RPC 2.0 作为消息格式，确保消息的可读性和互操作性 ([维基百科，自由的百科全书](https://zh.wikipedia.org/wiki/%E6%A8%A1%E5%9E%8B%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8D%8F%E8%AE%AE?utm_source=chatgpt.com "模型上下文协议"))。

## 什么是 MCP 的 function call

在 MCP 生态中，function call 就是指模型在生成回复时，基于上下文判断出需要调用某个工具（Tool），并以 JSON 对象形式提供工具名称和参数，MCP 客户端接收模型的 function call 请求后，解析参数并执行本地或远端的相应函数，最后将执行结果封装为 JSON-RPC 响应返回给模型，模型再将结果融入到最终回复中 ([OpenAI GitHub](https://openai.github.io/openai-agents-python/mcp/?utm_source=chatgpt.com "Model context protocol (MCP) - OpenAI Agents SDK"))。

这一机制可看作模型的“电话求助”能力，当模型在以下场景遇到难以仅凭生成完成的任务时，便会触发 function call：

*   **精确计算**：例如统计字符串中特定字符出现次数；

*   **实时数据查询**：如获取实时天气、股票价格或数据库查询；

*   **外部系统交互**：例如发送电子邮件、调用第三方 API、文件读写等 ([Medium](https://medium.com/%40zh2408/mcp-simply-explained-function-calling-rebranded-or-genuine-breakthrough-e27fa5bdb1d4?utm_source=chatgpt.com "MCP Simply Explained: Function Calling Rebranded or Genuine ..."))。

## Function call 在 MCP 中的工作原理

### 协议层面

MCP 使用 JSON-RPC 2.0 消息格式建立状态化连接，协议握手阶段客户端与服务器进行能力协商（capability negotiation），确定彼此支持的功能与协议版本。通信过程中，模型通过 MCP 客户端（MCP Client）执行以下流程：

1.  **发现工具**：Client 调用 `list_tools()` 向 MCP 服务器获取可用工具清单；

2.  **触发调用**：模型识别到需要调用工具后，Client 将模型返回的 function call JSON（包含 `name` 和 `arguments`）发送给 MCP 服务器；

3.  **执行工具**：MCP 服务器根据工具定义执行对应函数，并返回执行结果；

4.  **响应模型**：Client 将服务器返回的结果按 JSON-RPC 格式封装后提供给模型，模型再根据结果生成最终输出 ([OpenAI GitHub](https://openai.github.io/openai-agents-python/mcp/?utm_source=chatgpt.com "Model context protocol (MCP) - OpenAI Agents SDK"))。

### 工具（Tools）与 Function call

在 MCP 服务器端，工具通过注解或方法注册，例如 Python SDK 提供 `@mcp.tool()`，TypeScript SDK 提供 `server.tool()` 等方式，将函数映射为可远程调用的工具。每个工具包含：

*   **名称（name）**：唯一标识符；

*   **描述（description）**：简要说明功能；

*   **参数模式（input schema）**：JSON Schema 定义参数结构；

*   **实现逻辑（handler）**：接收参数并返回结果的函数体 ([Philschmid](https://www.philschmid.de/mcp-introduction?utm_source=chatgpt.com "Model Context Protocol (MCP) an overview - Philschmid"))。

当模型返回 function call 请求时，MCP 客户端会根据工具列表自动映射到对应 handler 并执行，确保工具执行环境与模型推理环境分离，提高安全性与可控性。

### 与 LLM 集成

主流 LLM 平台（如 OpenAI、Anthropic Claude、Azure OpenAI）均已支持基于 MCP 的 function call。例如在 OpenAI Agents SDK 中，只需在 Agent 实例中添加 MCP 服务器，SDK 会自动完成 `list_tools()` 和 `call_tool()`，将模型的 function call 请求转化为对 MCP 服务器的 HTTP 或 stdio 调用 ([OpenAI GitHub](https://openai.github.io/openai-agents-python/mcp/?utm_source=chatgpt.com "Model context protocol (MCP) - OpenAI Agents SDK"))。

## 真实世界案例

为了帮助理解，下文提供两个可直接运行的 JavaScript（Node.js）示例，展示如何使用 MCP 实现 function call。

### 示例 1：统计字符串中字母出现次数

#### 服务器端（example_server.js）

```
import { MCPServer } from 'model-context-protocol';

const server = new MCPServer({ name:`letter-counter` });  // 定义 MCP 服务器实例 :contentReference[oaicite:9]{index=9}

// 注册工具 count_letters，参数 word 和 letter
server.tool(`count_letters`, async (params) => {
  const { word, letter } = params;
  // 统计 word 中 letter 出现次数
  const count = word.toLowerCase().split(letter.toLowerCase()).length - 1;
  return { result: count };  // 返回结果对象
});

server.listen();  // 启动服务器，默认监听 stdio 传输 :contentReference[oaicite:10]{index=10}

```

#### 客户端（example_client.js）

```
import { MCPClient, StdioTransport } from 'model-context-protocol';

(async () => {
  // 初始化 MCP 客户端，使用 stdio 传输方式启动 example_server.js
  const client = new MCPClient({
    transport: new StdioTransport({ command: `node example_server.js` })
  });
  await client.connect();  // 建立连接

  const tools = await client.listTools();  // 获取工具列表
  console.log(`Available tools:`, tools);

  // 调用 count_letters 工具
  const response = await client.callTool(`count_letters`, {
    word: `Strawberry`,
    letter: `r`
  });
  console.log(`There are ${response.result} 'r's in 'Strawberry'.`);
})();

```

该示例演示了 MCP 的 function call 流程：模型端（此处由开发者模拟）通过接口调用工具，工具执行后将结果返回给模型，再由模型生成最终输出。用户只需运行：

```
node example_client.js

```

即可得到：

```
Available tools: [ { name: 'count_letters', description: 'Count letters in a word.' } ]
There are 3 'r's in 'Strawberry'.
```:contentReference[oaicite:11]{index=11}

### 示例 2：将 MCP 集成到 Agent

以下示例展示如何在 OpenAI Agents SDK 中添加 MCP 服务器，实现模型发现并调用 MCP 工具。

```javascript
import { Agent } from 'openai-agents';
import { MCPServerStdio } from 'model-context-protocol';

// 假设已有一个本地 MCP 服务器 example_server.js
const mcpServer = new MCPServerStdio({
  command: `node example_server.js`
});

const agent = new Agent({
  name: `MyAssistant`,
  instructions: `Use the tools to fulfill user requests.`,
  mcpServers: [ mcpServer ]
});

(async () => {
  const result = await agent.chat({
    user: `请帮我统计单词 Strawberry 中有多少个字母 r。`
  });
  console.log(result.choices[0].message.content);
})();

```

该代码中，Agent 会自动调用 `list_tools()` 识别可用工具，并在模型生成包含 function call 的响应时，将调用转发给 MCP 服务器，最终整合工具结果生成回复 ([OpenAI GitHub](https://openai.github.io/openai-agents-python/mcp/?utm_source=chatgpt.com "Model context protocol (MCP) - OpenAI Agents SDK"))。

## 运行与测试

1.  **安装依赖**：在项目根目录下运行

    ```
    npm install model-context-protocol openai-agents
    ```:contentReference[oaicite:13]{index=13}  

    ```

2.  **启动服务器**：

    ```
    node example_server.js

    ```

3.  **运行客户端或 Agent**：

    ```
    node example_client.js

    ```

    或

    ```
    node agent_example.js

    ```

确保 Node.js 版本在 16 及以上，并具备基本网络或 stdio 权限，即可顺利体验 MCP 的 function call 能力 ([Medium](https://medium.com/%40kenzic/getting-started-build-a-model-context-protocol-server-9d0362363435?utm_source=chatgpt.com "Getting Started: Build a Model Context Protocol Server - Medium"))。

## 应用前景与延伸

借助 MCP 的 function call，开发者可以轻松扩展模型能力，构建更具交互性的 AI 代理。例如：

*   在企业内部助手中通过 MCP 调用 CRM 数据库；

*   在开发 IDE 中通过 MCP 实现代码自动补全、格式化、测试执行；

*   在物联网场景中让模型调用设备 API，实现自然语言控制家居 ([Neon](https://neon.tech/blog/mcp-vs-llm-function-calling?utm_source=chatgpt.com "What's MCP all about? Comparing MCP with LLM function calling"))。

这些应用场景彰显 MCP function call 在提升模型实用性、减少集成成本方面的巨大潜力。

## 小结

MCP 的 function call 机制为大型语言模型打开了通向外部世界的大门，使模型具备了“触手”能力——在遇到自身局限时，可自动调用预定义工具执行复杂任务或获取实时信息。通过统一的 JSON-RPC 协议、丰富的 SDK 和灵活的传输方案，MCP 降低了开发者集成成本，并推动了 AI 代理化应用的快速落地。读者可根据示例代码快速搭建本地 MCP 服务器及客户端，并在此基础上探索更多业务场景，让模型“不是万能，但无所不为”。



在大型语言模型（LLM）与外部系统集成的场景中，Model Context Protocol (MCP) 提供了一套标准化的通信规范，使得模型能够在需要时“调用函数”（function call）来执行特定任务或获取实时数据。MCP 的 function call 本质上是将可执行的“工具”（Tools）以 JSON-RPC 风格暴露给模型客户端，模型在生成响应时能够识别何时需要调用这些工具，并以结构化的参数调用相应函数，最终将执行结果返回模型继续推理或直接反馈用户。下文将依次介绍 MCP 的基本概念、function call 的工作原理、典型示例及完整可运行的 JavaScript 源代码，并辅以真实世界应用案例，以期帮助读者深入理解并快速上手 MCP 的 function call。

MCP Function Call：赋能 LLM 的“电话求助”机制

在大型语言模型（LLM）与外部系统集成的场景中，Model Context Protocol (MCP) 提供了一套标准化的通信规范，使得模型能够在需要时“调用函数”（function call）来执行特定任务或获取实时数据。MCP 的 function call 本质上是将可执行的“工具”（Tools）以 JSON-RPC 风格暴露给模型客户端，模型在生成响应时能够识别何时需要调用这些工具，并以

紫薇堂堂主

人工智能

编程语言

架构设计

MCP协议为大型语言模型提供标准化外部工具调用规范，通过functioncall机制实现实时数据查询、精确计算和系统交互。本文详解MCP工作原理、JSON-RPC通信流程及JavaScript实战案例，帮助开发者快速掌握模型与外部系统集成技术，提升AI应用实用性。

数据库

服务器

物联网

Agent

JSON

4核4G3M云服务器 新用户低至38元/年！

2026新春采购季

tencentdb-catalog

iot-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

MCP Function Call：赋能 LLM 的“电话求助”机制-腾讯云开发者社区-腾讯云

MCP Function Call：赋能 LLM 的“电话求助”机制

MCP Function Call：赋能 LLM 的“电话求助”机制

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐