Tip
Tips
以下将 MCP (主要指服务端) 和 FunctionCall (主要指 OpenAI chat 规范的函数调用) 都笼统称为 “插件”，方便快速理解，
- 模型本身不具备调用 function 或 mcp Server 的能力
- 两者都是告诉远程模型，客户端具备那些额外能力 (如天气插件、数据库插件、画图插件)，模型依据当前上下文 (当前语句)，判断当前场景是否应该执行某几个插件，以及参数是什么，并返回一个特殊的响应，将结果返回到客户端
- 模型本身只是返回各种 "文本"
- 当客户端 (如 CherryStudio、NextChat、openwebui) 观察到模型返回了某种特殊的响应文本，客户端就执行模型响应文本中告知的插件，当然，客户端可以完全无视模型的特殊响应
一个简易的流程如下
FunctionCall#
以获取本地天气为例子
请求结构如下：
通过 functions 或 tools (最新的 functions 的别名) 告知了模型，当前客户端具备获取天气的能力
{
"messages": [
{
"role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "今天上海天气怎么样？，湿度怎么样？"
}
],
"functions": [
{
"name": "get_localtion_weather",
"description": "get_localtion_weather，获取某个地点的当前天气情况",
"parameters": {
"type": "object",
"properties": {
"localtion": {
"type": "string",
"description": "localtion,地点"
},
"need_humidity":{
"type":"boolean",
"description":"是否返回湿度，默认为false"
}
},
"required": [
"localtion"
]
}
}
],
"function_call": "auto",
"temperature": 0.5,
"stream":false,
"model": "gpt-4o"
}
curl --location 'https://api.xxxxx.com/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer sk-xxxxx' \
--data '{
"messages": [
{
"role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "今天上海天气怎么样？，湿度怎么样？"
}
],
"functions": [
{
"name": "get_localtion_weather",
"description": "get_localtion_weather，获取某个地点的当前天气情况",
"parameters": {
"type": "object",
"properties": {
"localtion": {
"type": "string",
"description": "localtion,地点"
},
"need_humidity":{
"type":"boolean",
"description":"是否返回湿度，默认为false"
}
},
"required": [
"localtion"
]
}
}
],
"function_call": "auto",
"temperature": 0.5,
"stream":false,
"model": "gpt-4o"
}'
响应结构如下：
客户端执行本地的 get_localtion_weather 函数
整体流程如图所示 (下图截取自 OpenAI 的文档，翻译来自沉浸式翻译)
MCP#
简单理解：functionCall 是大家自己写自己的，没有一种统一的约定，而 MCP 是一种君子约定，mcpServer (查询天气插件) 遵循 MCP 协议开发，由 mcpClient (Cursor) 调用，原本需要自己写函数，现在变成了调用别人的库
MCP 重点在于 MCP 客户端 (Cherry Studio) 如何发现 MCP 服务端 ("插件")、理解 “插件” 具备的能力、调用 “插件”、获取 “插件” 的响应结果
至于
- 将当前具备的插件功能发送到模型 (functions (别名 tools) 描述方式、提示词方式)
- MCP 客户端 (
Cherry Studio) 如何根据模型的响应判断执行是否执行 “插件”，执行那几个插件，则是客户端自己定义 - MCP 客户端将插件执行结果返回给模型，也是可以自己定义
以下部分只是在应用领域领域，举例描述了结合 MCP 对话流程，并没有对 MCP 这个 “君子约定” 做具体的详解
Cherry Studio 举例#
配置 mcpServers 如下，其中只有一个获取 和风天气 的 server
源自：HeFeng Weather MCP Server | Glama
{
"mcpServers": {
"hefeng-weather": {
"isActive": true,
"command": "npx",
"args": [
"hefeng-mcp-weather@latest",
"--apiKey=key-123132131321"
]
}
}
}
对话如下
- 查看本地拦截的第一次请求，可以发现是通过 tools 描述的方式，告诉模型，本地具备那些 “插件” 以及具备什么能力
{
"model": "gpt-4o",
"messages": [
{
"role": "user",
"content": "今天上海天气怎么样？"
}
],
"temperature": 0.7,
"max_tokens": 2000,
"stream": true,
"tools": [
{
"type": "function",
"function": {
"name": "fd71edc4f65924613b9fd8330e78eb243",
"description": "获取中国国内的天气预报",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "逗号分隔的经纬度信息 (e.g., 116.40,39.90)"
},
"days": {
"type": "string",
"enum": [
"now",
"24h",
"72h",
"168h",
"3d",
"7d",
"10d",
"15d",
"30d"
],
"description": "预报天数，now为实时天气，24h为24小时预报，72h为72小时预报，168h为168小时预报，3d为3天预报，以此类推"
}
}
}
}
}
]
}
- 查看第一次响应，模型判断是否执行触发调用插件。
模型判断执行需要用到 "天气插件"，模型本身只是做了判断
- MCP 客户端 (
Cherry Studio) 执行 “天气插件”，可以简单看作调用了一个别人写好的包或 API - 将执行结果返回给模型，也就是加入对话上下文
{
"model": "gpt-4o",
"messages": [
{
"role": "user",
"content": "今天上海天气怎么样？"
},
{
"role": "assistant",
"tool_calls": [
{
"id": "call_M4eYNv6oPaLunpZLe1iWdfiK",
"function": {
"name": "fd71edc4f65924613b9fd8330e78eb243",
"arguments": "{\"days\":\"now\",\"location\":\"121,31\"}"
},
"type": "function"
}
]
},
{
"role": "tool",
"content": "[{\"type\":\"text\",\"text\":\"地点: 121,31\\n观测时间: 2025-03-27T16:51+08:00\\n天气: 阴\\n温度: 13°C\\n体感温度: 12°C\\n风向: 东北风\\n风力: 1级\"}]",
"tool_call_id": "call_M4eYNv6oPaLunpZLe1iWdfiK"
}
],
"temperature": 0.7,
"max_tokens": 2000,
"stream": true,
"tools": [
{
"type": "function",
"function": {
"name": "fd71edc4f65924613b9fd8330e78eb243",
"description": "获取中国国内的天气预报",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "逗号分隔的经纬度信息 (e.g., 116.40,39.90)"
},
"days": {
"type": "string",
"enum": [
"now",
"24h",
"72h",
"168h",
"3d",
"7d",
"10d",
"15d",
"30d"
],
"description": "预报天数，now为实时天气，24h为24小时预报，72h为72小时预报，168h为168小时预报，3d为3天预报，以此类推"
}
}
}
}
}
]
}
- 模型结合上下文 (发送的对话历史) 进行响应
截取其中一部分
Cherry Studio 是通过 functionCall 的方式，判断应该执行那些 “插件” 的功能
自定义协议 (使用系统提示词的方式)#
你是一个智能助手，你具备MCP功能，MCP可以理解为一种本地功能插件，当用户的语句需要调用插件时，你应该严格按照以下规定返回，规定如下:
<plug>
<pn>插件名称</pn>
<fn>函数名称(功能名称)</fn>
<arg1>参数</arg1>
<arg2>参数2<arg2>
<arg3>参数3<arg3>
<plug/>。
当本地执行了某插件后，结果回按照以下格式返回
<tool_res>
<plug>
<pn>插件名称</pn>
<fn>函数名称(功能名称)</fn>
<res>执行结果<res/>
<plug/>
<tool_res/>
当前本地插件:
1.插件名称：get_localtion_weather
描述：查询某个地点天气插件
功能：
- query_now_weather:
args:
location:string,必需的,查询地点
need_humidity：boolean,非必需的，默认为false，是否返回湿度
图中所示为 ChatBox，其他的客户端会对 <xx><xx/> 进行处理，显示不出来