最近，MCP频繁出现在大家的视野里，好多朋友都来问我，MCP到底是什么？今天，咱们就从大模型的角度出发，深入聊聊MCP的核心原理以及它在实际中的应用。

大模型的“短板”

如今的大模型就像一个拥有文本推理和生成能力的“智慧大脑”。当我们向它提出问题时，它会依据之前学习到的海量知识进行推理，然后给出答案。但大模型有个明显的缺陷：要是不联网，它就只能依靠训练数据来“思考”，没办法获取最新的实时信息，也处理不了不断变化的新情况。

比如说，我们问大模型“现在几点了？”或者“当下的天气怎么样？”在没有联网的状态下，大模型根本没办法准确回答。它不像我们人类，可以随时查看最新消息，只能凭借以前学到的内容进行推测。这一点，相信大家在使用大模型的时候都有所体会。

为了帮大模型补上这块“短板”，让它能突破自身知识储备的限制，人们发明了一种很实用的工具——Function Calling（函数调用）。它就像是给大模型搭建了一座通向外部世界的“信息桥梁”。借助Function Calling，大模型能够调用外部的API接口，和数据库、网络服务、各种应用程序等进行数据交互，这样就能获取到实时信息，解决更多复杂的问题。

实现Function Calling的步骤

就拿大家常用的天气查询功能来说，想要让大模型能够查询实时天气，就得编写一个Function Calling函数，这个过程主要有以下几个关键步骤：

挑选合适的天气查询API：市面上有不少不错的天气查询API，像OpenWeatherMap、WeatherAPI、和风天气等，它们能提供全球各个地方的天气数据，我们可以根据实际需求选择。

定义函数参数：这个Function Calling函数需要明确输入参数和输出参数。输入参数可以是城市名称、经纬度这些信息，输出参数则是我们想要知道的温度、湿度、天气状况等天气信息。

编写函数并连接API：把编写好的函数和选定的天气API连接起来，这样函数就能从API获取最新的天气数据，然后再把这些数据返回给大模型，大模型就能依据这些实时数据进行分析和回答了。

下面是一段用Python实现天气查询Function Calling的示例代码：

代码块 import requests import json import datetime def get_weather(city): api_key = "9922**********************2704" url = f"https://api.weatherapi.com/v1/current.json?key={api_key}&q={city}&aqi=no" response = requests.get(url) if response.status_code == 200: data = response.json() # print(json.dumps(data, indent=2, ensure_ascii=False)) # 获取当前日期 today = datetime.datetime.now() date_str = today.strftime("%Y年%m月%d日") weather_info = { "date": date_str, "location": data["location"]["name"],

为了更好的阅读体验，来飞书看吧：

https://ycnwp5kb84tn.feishu.cn/docx/B673dCzNZo8bz0xXfpZcFtB1nGb