Function Calling、MCP、Agent Skills——問三個人可能得到三種不同的解釋。它們不是同一件事,代表企業 AI 整合演進的三個世代,解決的是三個不同層次的問題。
第一代:Function Calling——AI 學會了打電話
Function Calling 是讓 AI 模型能夠呼叫預先定義好的外部函數,從「只能對話」變成「能做事」的技術。 2023 年 OpenAI 推出後,GPT 從只會聊天的模型,變成能查天氣、下訂單、寫入資料庫的助理。但問題很快浮現:每一個 AI 模型的 Function Calling 格式不一樣。每換一個模型,整合代碼就要重寫。Function Calling 是 AI 學會了打電話,但每通電話都要手動撥號。
第二代:MCP——AI 有了通訊錄
MCP(Model Context Protocol,模型上下文協議)是一個開放標準,讓 AI 模型可以用統一的方式連接各種外部工具和資料來源,不再需要為每個模型和每個工具分別寫整合代碼。
Anthropic 用了一個精準的比喻:MCP 就像 AI 的 USB-C。USB-C 出現之前,每個裝置有自己的充電口;USB-C 之後,一條線搞定所有裝置。2024 年底 Anthropic 發布 MCP,一年之內就拿到了 OpenAI、Google、Microsoft、AWS 的支持,SDK 月下載量達到 9,700 萬次。2025 年底 MCP 捐贈給 Linux Foundation,成為 AI 整合的事實標準。
(想了解 AI Agent 如何利用工具整合來處理複雜問題,可以參考:RAG 已經不夠了:什麼是 Agentic RAG?)
對企業來說,MCP 解決了三個痛點:不用為每個 AI 模型分別寫整合;工具開發的生態系統共享;安全性和權限控制有了標準。目前生態系統中已有超過 5,800 個 MCP Server。
第三代:Agent Skills——AI 開始累積經驗
MCP 讓 AI 能用工具,但每次都是從零開始。Agent Skills 是把企業的 SOP、domain expertise 和執行腳本封裝成可重複使用模組的標準格式。 Anthropic 在 2025 年 10 月推出、12 月開放為公開標準。每個 Skill 核心是一份 SKILL.md 檔案,告訴 AI:這個技能的用途、觸發條件、執行步驟、需要哪些工具、有哪些限制。
MaiAgent 的 Agent DevKit 就是這個概念的實作。企業可以把特定場景的處理邏輯封裝成 Skill——例如「客戶退貨處理」這個 Skill,包含查詢訂單、確認退貨政策、計算退款金額、通知倉庫的完整流程。
三件事的意義:知識不再只在人的腦袋裡——資深員工的經驗可以被編碼成 Agent Skill;品質變得可控——Skill 是經過驗證的流程,每次執行都一致;迭代變得有方向——哪些 Skill 被使用最多、哪些環節最常出錯,都有數據可追蹤。
三代技術怎麼選
企業不需要三選一,而是要知道自己在哪個階段。只需要接一兩個工具、問題類型固定,Function Calling 就夠了。需要接多個系統、可能會換模型,MCP 是現在的最佳選擇。涉及複雜業務流程、需要沉澱專家知識,Agent Skills 是應該開始佈局的方向。
(想了解評估 AI 導入是否值得投資,可以參考:AI 導入的 ROI 怎麼算?)
對 IT 主管的三個建議
現在就開始用 MCP,不要再寫一次性的整合代碼。 MCP 已經有 Linux Foundation 的背書,主流 AI 模型全部支持,用 Function Calling 寫的整合代碼未來很可能需要重寫。
開始盤點你的「高頻高價值流程」。 哪些工作是員工每天都在做、又高度依賴經驗判斷的?這些就是最適合封裝成 Agent Skill 的候選項。
把 Skill 當程式碼管理。 Skill 檔案應該納入 source control,有版本管理、有測試、有上線審批。把它當 Word 文件管理的企業,三個月後就會面臨治理問題。
常見問題
MCP 和 Function Calling 的最大差別是什麼?
Function Calling 是模型特定的——每個 AI 模型有自己的函數呼叫格式,換模型就要重寫整合代碼。MCP 是模型無關的開放標準——寫一次整合,任何支持 MCP 的模型都能用,消除了 AI 供應商鎖定的風險。
Agent Skills 是 Anthropic 專有的技術嗎?
Agent Skills 的概念不限於特定廠商,它是一種把 AI Agent 的執行經驗封裝為可重複使用模組的架構模式。MaiAgent 的 Agent DevKit 是其中一個企業級的實作。
企業現在應該投資 MCP 還是等更成熟?
現在就應該投資 MCP。它已經被 Linux Foundation 接管,有 OpenAI、Google、Microsoft、AWS 的支持,生態系統中有超過 5,800 個 Server。等到「更成熟」再投入,只是讓競爭對手先建立了整合優勢。
一個企業的 Agent 需要多少個 Skill?
建議從 5-10 個核心 Skill 開始,驗證效果後再逐步擴展,並採用語意搜尋機制動態選取相關 Skill,而不是每次都載入全部——避免「context bloat」導致 AI 回應品質下降。
引用來源
MCP Official Blog — First MCP Anniversary(MCP 發布一年成果數據:800 萬下載、5,800+ Server、9,700 萬 SDK 月下載)
The New Stack — Why the Model Context Protocol Won(MCP 成為事實標準之分析)
Thoughtworks — MCP Impact 2025(MCP 企業採用趨勢與影響)


