科普｜五分钟，让非技术人员也能看懂Agent、MCP与Function Call

2025年被称为智能体元年，产品的更迭日新月异，新兴的技术井喷式涌现，大量专业的技术概念也随之被传播到大众视野里。

不少朋友渴望了解新技术，但被这些专业概念劝退；尝试学习理解，却发现相关的解释文章晦涩难懂，让人一头雾水。

今天小九将用最通俗的语言，让你只用五分钟，就能清晰理解AI应用领域中三个超高频词汇：Agent、MCP（Model Context Protocol）与Function Call的概念以及联系。

01 Agent、MCP、Function Call

下面，小九将在一次沉浸式旅行规划的场景中，带大家体验Agent、MCP与Function Call的功能。

小九计划在五一假期前往成都旅行，于是向Agent提出需求：

“我想在成都玩五天，预算控制在5000元左右，喜欢美食和历史文化景点，帮我制定一份旅行计划。”

智能旅行规划系统启动。

Agent介入：明确目标与策略

当小九提交需求后，旅行规划Agent率先行动。

旅行规划Agent首先会对小九的需求进行语义分析，将其拆解为多个具体任务。例如，确定要游览的历史文化景点、筛选符合预算的美食体验，以及规划合理的住宿和交通安排。

随后，Agent根据这些任务，制定执行计划，决定先获取成都的历史文化景点信息，再筛选美食，接着考虑住宿和交通等事宜。

这一过程充分体现了Agent的自主性和主动性，它能够根据用户输入的信息，独立制定解决方案。

MCP助力：获取外部数据与工具支持

为了完成旅行规划任务，旅行规划Agent需要大量的信息支持。这时，MCP发挥关键作用，它作为连接大语言模型与外部数据源和工具的桥梁，帮助Agent获取所需信息。

旅行规划Agent借助MCP向多个外部数据源发送请求。比如，它连接到旅游数据库，获取成都热门历史文化景点的详细信息，包括景点开放时间、门票价格等；访问美食推荐平台，收集各类美食店铺的位置、特色菜品和价格信息；还与酒店预订平台和交通票务系统交互，获取住宿和交通方面的相关数据。

MCP基于标准化设计，确保了与不同数据源和工具交互时的一致性和稳定性。同时，其灵活扩展的特性，使得旅行规划Agent能够根据实际需求，与各种不同类型的数据源和工具进行集成。

Function Call赋能：调用专业工具完成特定任务

在旅行规划过程中，有许多特定任务需要借助专业工具来完成。这时，Function Call发挥了重要作用。

任务一：预算分配优化

为了确保旅行预算控制在5000元左右，旅行规划Agent通过Function Call调用数学计算工具。该工具根据小九提供的预算，结合从各个数据源获取的信息，进行合理的预算分配。例如，计算每个景点的门票费用、每餐的平均花费、住宿和交通的预计支出等，从而制定出详细的预算分配方案。

任务二：路线规划

旅行规划Agent通过Function Call调用地图规划工具，根据景点的地理位置和开放时间，规划出一条合理的旅行路线。地图规划工具会考虑交通拥堵情况、景点之间的距离等因素，确保旅行路线高效且合理。例如，工具会将距离较近的景点安排在同一天游览，避免不必要的往返奔波。

任务三：信息筛选与整合

旅行规划Agent还通过Function Call调用文本分析工具，对从各个数据源获取的大量信息进行筛选和整合。例如，从众多美食店铺中筛选出符合小九口味和预算的店铺，从酒店预订平台提供的众多酒店中选择性价比高且位置便利的酒店。文本分析工具利用自然语言处理技术，对文本信息进行分类、提取关键信息，帮助旅行规划Agent快速准确地找到最适合小九的旅行方案。

Agent收尾：输出结果

在旅行规划Agent通过MCP获取外部数据，并借助Function Call调用专业工具完成各项任务后，它将整合所有信息，生成一份详细的旅行计划。

最后，旅行规划Agent将生成的旅行计划以自然语言的形式反馈给小九。小九对这份旅行计划非常满意，顺利开启了他的成都之旅。

让我们整体回顾一遍。在这个智能旅行规划场景中：

• Agent负责理解用户需求、制定规划策略；
• MCP为Agent提供了与外部数据源和工具交互的标准协议；
• Function Call能力则让Agent能够调用各种专业工具，完成复杂的特定任务。

三者相互协作，共同为用户提供了高效、个性化的旅行规划服务，展现了AI技术在实际应用中的强大魅力。

02 九科信息 bit-Agent：企业级场景的智能体应用

我们现在已经了解Agent、MCP与Function Call三者的关系。当我们聚焦企业场景，企业可以利用它们去实现什么商业价值？

在九科信息最新发布的“专为中国企业打造的智能体”bit-Agent中，企业可以利用bit-Agent去完成表单填写、数据录入、流程审批以及信息查询等多个日常高频场景的端对端自动化。

拆解bit-Agent，它由两部分构成：一个是大语言模型（LLM），一个是机器人流程自动化（RPA）。大语言模型充当大脑，指挥RPA进行自动化操作，由此为企业节省宝贵的时间和人力。

而MCP与Function Call，则是驱动bit-Agent运行的关键。

我们以目前最为火爆的大语言模型DeepSeek为例。DeepSeek具备强大的思维链，但它却无法为我们处理图像和网页。但是在MCP与Function Call帮助下，它将极大地拓宽其能力边界。

比如，一家金融机构每天都要面对大量客户资料的审核工作，其中涉及客户提交的各类扫描文档（包含图片格式的证件照等）以及网页端客户信息的查询与更新。

在这个场景下：首先MCP将作为桥梁，帮助DeepSeek连接到专业的图像识别工具和网页编辑工具 ➡️ 然后通过Function Call调用图像识别工具，提取客户身份信息，再调用网页数据查询工具，核实客户在网页端的交易记录等信息 ➡️ 最后指挥RPA完成客户资料的审核流程审批以及信息更新。

整个过程无需人工过多干预，极大地提高了金融机构的业务处理效率。

因此，对于目前已经完成大模型私有化部署，但缺少落地场景的企业，九科bit-Agent无疑是一个绝佳的选择。

值得一提的是，bit-Agent支持接入任意提供Function Call功能的大语言模型，且后续将拓展自动化能力至操作系统和客户端，从而完全覆盖企业日常办公场景。

目前，九科信息正在与众多大型企业共同探索、拓宽bit-Agent的应用边界，并诚邀您加入，一同见证bit-Agent的更多可能。