MCP on Leanku 的博客

MCP 工具设计：如何让 AI Agent 正确理解和调用工具？

Sun, 22 Mar 2026 00:00:00 +0000

上一篇文章介绍了 MCP 的基本原理。

MCP 真正有价值的地方，并不是「把一个 API 包装成 Tool」这么简单。对于 AI Agent 来说，一个 Tool 本质上是一份让模型理解外部能力的接口契约。

传统 API 主要服务于程序员和程序。开发者知道接口文档在哪里、参数是什么意思、什么情况下应该调用哪个接口。

Agent 不一样。

Agent 必须根据当前任务、上下文以及 Tool 的描述，自主判断：

这个 Tool 能不能解决当前问题？
应该什么时候调用？
参数应该怎么填写？
哪些参数必须提供？
调用结果意味着什么？
如果调用失败，应该怎么修正？

因此，一个功能正确的 Tool，并不一定是一个好 Tool。

Anthropic 在 2025 年发布的 Tool Engineering 实践中也明确强调：Agent Tool 应该按照 Agent 的使用方式进行设计，而不是简单地把传统软件 API 原样暴露给模型。

这也是 MCP Tool Design 最值得关注的地方。

1. Tool 不是普通函数，而是给 Agent 使用的接口

假设我们有一个获取用户信息的 API：

GET /api/users/{id}

传统程序调用它非常简单：

$user = $client->getUser(10086);

程序员知道：

是用户 ID。

但是 Agent 看到的可能只是一个 Tool：

MCP 到底是什么？为什么 AI Agent 需要一个工具协议？

Fri, 20 Mar 2026 00:00:00 +0000

在上一篇《Context Engineering》中，我们讨论了一个问题：

Agent 想要把事情做好，不仅需要一个足够强的模型，还需要正确的 Context。

但 Context 解决的主要是「让 Agent 知道什么」。

还有一个问题没有解决：

Agent 怎么真正去做事情？

例如，一个 Coding Agent 需要读取代码、修改文件、执行测试；一个企业 Agent 需要查询数据库、读取 CRM、发送邮件；一个知识库 Agent 需要搜索文档、查询向量数据库。

最直接的办法当然是给 Agent 接 API。

但当工具越来越多，问题很快就出现了。

每个 AI 应用都有自己的工具接入方式，每个工具都有自己的参数定义和调用方式。开发者需要为不同的模型、不同的 Agent、不同的应用重复做适配。

MCP 正是在这样的背景下出现的。

MCP 全称是 Model Context Protocol（模型上下文协议），是一个用于标准化 AI 应用与外部系统连接的开放协议。官方文档目前将它定义为连接 AI 应用与外部系统的开放标准，并围绕 Tools、Resources、Prompts 等能力建立协议规范。

如果把 Agent 看成一个需要不断获取信息和执行操作的软件，那么 MCP 解决的核心问题可以简单概括为：

如何用一种标准方式，让 AI 应用发现、理解并使用外部能力。

1. AI Agent 为什么需要“工具协议”

先不考虑 MCP。

假设我们正在开发一个 AI Agent，它需要操作 GitHub。

最简单的方式是：

Agent
 ↓
GitHub API
 ↓
GitHub

然后我们又希望它能够查询 MySQL：

MCP on Leanku 的博客

推荐几个Agent Skills 资源

一、学习与官方资源

Agent Skills 官方规范

Agent Skills GitHub

Anthropic Skills

Claude Agent Skills

MCP 工具设计：如何让 AI Agent 正确理解和调用工具？

1. Tool 不是普通函数，而是给 Agent 使用的接口

MCP 到底是什么？为什么 AI Agent 需要一个工具协议？

1. AI Agent 为什么需要“工具协议”

MCP on Leanku 的博客

推荐几个Agent Skills 资源

一、 学习与官方资源

Agent Skills 官方规范

Agent Skills GitHub

Anthropic Skills

Claude Agent Skills

MCP 工具设计：如何让 AI Agent 正确理解和调用工具？

1. Tool 不是普通函数，而是给 Agent 使用的接口

MCP 到底是什么？为什么 AI Agent 需要一个工具协议？

1. AI Agent 为什么需要“工具协议”

一、学习与官方资源