开放协议与生态：MCP、函数调用标准化与技术选型
先搞懂 MCP 这类开放协议到底解决什么问题，再把 Agent 相关的核心组件、怎么选的逻辑理清楚。
- 理解“工具/数据接入标准化”为什么重要
- 理解 MCP 的角色：模型应用与外部工具/数据源之间的协议
- 理清 Agent 技术栈各层与常见选型
- 建立不绑定单一框架的长期技术判断
从“每接一个工具就写一套胶水”到标准化协议
早期 Agent 每对接一个工具或者数据源，都得单独写适配。N 个应用对接 M 个工具，就是 N×M 套胶水代码，维护成本直接爆炸。标准化协议干的事，就是把这个复杂度降到 N+M：工具侧按统一协议暴露能力，应用侧按统一协议调用，两边彻底解耦。
2.1 MCP（Model Context Protocol）解决什么
MCP 是一类让模型应用以统一方式连接外部工具、数据源与能力的开放协议。你可以把它理解成“AI 应用连接外部世界的通用插座标准”：服务端按协议把资源、工具、提示模板暴露出去，客户端（Agent 应用）直接发现、调用就行，不用给每个系统单独写定制集成代码。
MCP 解决的是“怎么标准化地连上工具/数据”，它本身不是模型、不是 Agent 框架，也不替代你自己的权限、校验与业务逻辑。把这点想明白，就不会把“接了 MCP”误当成“做好了 Agent”。
MCP 这类开放协议最核心的价值是？
2.2 Agent 技术栈分层地图
能把任何新框架、新名词塞进这张地图的某一层，就不会被层出不穷的概念牵着走。框架只是某层的一种实现，分层职责是长期稳定的。
2.3 选型原则：先定需求，再选组件
先明确任务类型（开放问答、流程自动化、数据分析、内容生成），不同任务对规划、工具、记忆的要求差异很大；能用简单方案就不用复杂架构——单模型 + 结构化输出能解决的，不必上多 Agent；关键环节可替换：模型、向量库、编排框架都可能换，业务代码不要与某一家强耦合；优先生态成熟、文档完善、可观测性好的方案，把“能不能长期维护”看得和“当下是否先进”一样重要。
现在火的框架，两年后说不定就被换掉了。但「清晰分层、接口解耦、以评测驱动、对成本与安全负责」这些工程原则，长期都管用。学前沿技术的正确路子：先把稳定的底层原理摸透——也就是本模块前面几节讲的内容，再把新工具放到分层地图里去看，它到底替代了哪一层，带来了什么收益，又要付出什么代价。
面对层出不穷的 Agent 框架，最稳健的态度是？
结语：建立你自己的前沿知识更新机制
大模型领域变化极快，别死记某个最新结论，没用。要搭一套能自己更新的机制：抓官方文档和权威发布当一手信息源懂原理，碰到新说法能自己判断靠不靠谱拿小实验验证，别别人说什么就信什么学完的东西，按分层结构沉到自己的知识体系里 配合首页「今日 AI 前沿」每日速览，广度能跟上，深度也不会丢。
资深工程师加餐
底层原理 · 大厂视角 · 工程经验，点卡片展开
预训练用海量无标注文本学通用语言能力；监督微调 SFT 教模型按人类期望的格式完成任务；RLHF/DPO 用偏好数据对齐价值观与风格。提示工程和 RAG 完全不改模型权重、成本最低、即时生效；微调会改权重，适合需要稳定习得的领域知识或风格。先试低成本手段，不够再微调。