day11-functionCalling和MCP
今日内容
1 functionCalling和MCP
1.1 Agent智能体开发
# 1 Agent（智能体）开发 是当前人工智能领域最前沿、最具实用价值的方向之一。它让 AI 从“被动问答”升级为“主动思考 + 工具调用 + 自主决策”的智能系统
-Agent（智能体）是一个能感知环境、自主规划、调用工具、执行任务并反思结果的 AI 系统
-股票小白--》不知道买哪只股票赚钱
-自动从众多股票中--查询市盈率，公司新闻（工具调用）--》大模型LLM主动思考--》自主决策--》自动购买
# 2 大模型AI--》要能实现对外部工具的调用
-大模型LLM 不具备这种能力
-使用技术实现，大模型具备这种能力
-functionCalling 方式
-MCP 方式
# 3 智能体就是 大语言模型[LLM] + 工具调用能力
1.2 functionCalling
大模型，如何调用工具？
# 1 functionCalling(函数调用) 是OpenAI，2023年6月首次提出的技术概念，解决大模型本身无法直接跟外部工具直接通信的问题
-大模型是通过海量数据训练得到---》时效性问题：今天的天气？茅台今天的股票价格？---》调用外部工具
-目前市面上所有大模型，都支持functionCalling 调用外部工具的能力
# 2 大模型在面对实时性问题、数学计算等问题时可能效果不佳。Function Calling 通过引入外部工具，让大模型可以回答原本无法解决的问题。
# 3 AI大模型相当于一个聪明的，但手无缚鸡之力的人
1 雇了一个聪明的顾问（GPT，千问）
-读过世界上所有的书
-会写代码，会调试bug，懂很多很多知识
2 比如我想让这个顾问--》帮我创建一个文件夹，打开浏览器，查询当天天气，发送邮件
-给它配一些工具：创建文件夹函数，打开浏览器函数，查询某只股票价格函数
3 让聪明的顾问（大模型）---》调用这些工具--》完成更高级的操作
4 举个例子： 大模型调用外部工具的流程
5 关键点：使用Function Calling 调用外部工具---》大模型和工具直接的桥梁
-工具是有我们开发者开发的
-但是每个工具，都需要手动注册给模型，格式严格【我们写好并且告诉ai了--》说明书tools】
-MCP统一规范后--》工具无论如何写【效率高，效率低，官方写，第三方写】---》我们调用的时候是统一的
7 MCP 是Function Calling 的进阶：解决了Agent 开发中调用外部工具的技术门槛过高的问题，不统一的问题，理解为：functionCalling的升级统一
### 注意：functionCalling对我们来讲，无法直接使用，开发Codex，Coze的工程师才会直接使用
我们会使用MCP
1.3 MCP
# 1 MCP，全称是Model Context Protocol，模型上下文协议，由Claude母公司Anthropic于2024年11月正式提出。
MCP 是一套标准协议，让任何工具都能被任何 AI 系统自动发现和调用，就像 USB 接口一样通用
MCP（Model Context Protocol）—— 给 AI 调用工具制定"通用插座标准"
举例：之前手机充电：
-type c
-light
-大口 c
mcp统一后：大家都用type c，只要生产 type c ，就能给所有手机充电
-只要按标准写完工具，所有大模型都可以调用
12306写了工具
高德地图写了工具
天气公司写了个工具
大模型在调用时，是一样的，统一了调用方式
### MCP 统一了 大模型 与 工具之间，调用的协议
# 2 MCP 解决的问题：Agent 开发中调用外部工具的技术门槛过高的问题，过于复杂，不统一，理解为：functionCalling的升级统一
统一大模型语言（LLM）与外界数据源和工具之间的通信协议
# 3 比喻
# 使用functionCalling，千问大模型，DeepSeek大模型要使用查询天气工具，都要单独写，很麻烦
# 使用mcp，只需要写好一次，发布成mcp-server，任意客户端【千问大模型，DeepSeek大模型】，都可以直接使用
1.4 总结
# 1 都是为了解决 开发中AI调用外部工具的问题，functionCalling比较麻烦不统一，mcp简洁统一
# 2 MCP的出现，不是取代了functionCalling，是对functionCalling的统一和升级
-他俩都存在
-MCP出现后，functionCalling不需要了---严重错误
-如果没有functionCalling--》MCP用不了
2 functionCalling案例之肯德基门店【了解】
大模型无法获得上海所有肯德基门店的
使用大模型---》借助于functionCalling---》调用百度地图方法
实时获取某个城市肯德基门店
2.1 主文件
import requests
import json
#### 第一步：定义函数--》外部工具--》查询肯德基门店的函数--》传入城市返回这个城市的肯德基门店
def get_KFC(location):
# 百度地图API--》输入要搜索的城市和建筑--》输入上海和肯德基--》搜索上海的所有肯德基门店-->返回json格式
url = f"https://api.map.baidu.com/place/v2/search?ak=6E823f587c95f0148c19993539b99295®ion={location}&query=肯德基&output=json"
response = requests.get(url)
data = response.json()
return json.dumps(data)
#### 第二步：外部工具的使用说明书--》格式严格--》tools
## 2.1 定义字典
get_KFC_function = {
'name': 'get_KFC', # 函数名
'description': '查询肯德基门店，根据输入的城市名称，查询对应城市的肯德基门店', # 如何使用这个函数
'parameters': { # 参数
'type': 'object', # json对象类型
'properties': { # 参数成员描述
'location': {
'description': "城市名称，直接输入中国城市的中文名，如'北京','上海'",
'type': 'string'
},
}, # 对参数描述，有几个就写几个
'required': ['location'] # 必填参数
}
}
## 2.2 使用说明书 tools
tools = [
{
"type": "function", # 是个函数
"function": get_KFC_function # 上面定义的那个字典
},
]
messages = [
{'role': 'user', 'content': '请帮我查询上海地区的肯德基门店？'}
]
#### 第三步：调用大模型-》传入"函数使用说明书"
from openai import OpenAI
from dotenv import load_dotenv
import os
load_dotenv('.env01')
client = OpenAI(
api_key=os.getenv("API_KEY"),
base_url=os.getenv("BASE_URL"),
)
completion = client.chat.completions.create(
model=os.getenv("MODEL_NAME"),
messages=messages,
tools=tools # 重点：把说明书传入
)
response_message = completion.choices[0].message
#### 第四步：大模型返回数据---》大模型让我们去调用哪个函数：返回函数id，函数名，函数参数
print('大模型第一次返回：',response_message)
###### 第五步：自己调用函数---》需要拿到函数名，参数
# 我们自己调用函数需要 ：
# 拿到大模型给我们的函数名[字符串]，和入参[列表]
# 根据字符串对应到 具体函数上 function_to_call = available_functions[function_name]--》get_KFC
# 有了真正函数，我们调用，传入参数 get_KFC(上海)
function_name = response_message.tool_calls[0].function.name # 拿到函数名：固定写法
print('大模型判断后，要调用的函数名：',function_name)
function_args = json.loads(response_message.tool_calls[0].function.arguments) # 拿到参数，固定写法，是列表
print('大模型理解后，解析的参数：',function_args)
# 调用我们的函数--》大模型返回的是函数名的字符串
# 把函数名字符串 跟 真正的函数对应
available_functions = {
"get_KFC": get_KFC,
}
# 根据大模型返回的字符串名字，拿到真正的 函数 get_KFC
function_to_call = available_functions[function_name]
# 调用函数，传入参数---》**function_args 把参数打散了传入
function_response = function_to_call(**function_args) # 本质get_KFC(上海)
print('调用我们函数，执行的结果是：',function_response)
##### 第五步结束--》调用函数---》不是get_KFC()直接调用--》是通过反射调用的####
####### 第六步：带着我们调用函数返回结果--》给大模型
# 6.1 response_message 大模型返回给我们的数据--》转成json格式，好处理
response_message.model_dump()
# 6.2 向messages追加第一次模型返回结果消息
'''
messages = [
{'role': 'user', 'content': '请帮我查询上海地区的肯德基门店？只要名字和，地址和电话'},
大模型返回的数据，
{"role": "tool",content：我们调用函数结果，tool_call_id：第一次大模型返回的id}
]
'''
messages.append(response_message.model_dump())
# 6.3 追加function返回消息
messages.append({
"role": "tool",
"content": function_response, # 我们调用拿到的结果
"tool_call_id": response_message.tool_calls[0].id # 大模型返回的工具id号
})
# 6.4 发送第二次请求
second_response = client.chat.completions.create(
model=os.getenv('MODEL_NAME'),
messages=messages
)
###### 第七步：大模型返回分析后返回
print('最终大模型给的答案：',second_response.choices[0].message.content)
2.2 .env01
MODEL_NAME=deepseek-v4-flash
API_KEY=你们自己的
BASE_URL=https://api.deepseek.com
3 functionCalling案例之AI股票小助手【了解】
大模型【Deepseek,千问，GPT】----》无法实时获取到 某个公司股票价格和涨跌幅信息的
需要调用工具--——》实现实时获取股票信息
codex用的deepseek大脑跟直接用deepseek的区别是什么？
Codex 软件---》有很多功能【插件：创建文件夹，创建PPT】-底层就是基于functionCalling写的---》没有大脑
-可以对接deepseek大脑
-可以对接GPT大脑
Codex/ChatGPT 和 codex++有什么区别
codex++：能让Codex对接国产模型
如果不用它，只能对接GPT---》需要FQ，需要注册
codex和其他国产接国内模型有什么区别吗
Codex 接国产模型：我们无法直接使用GPT模型---》官方订阅能用，肯定用官方--》贵
Claude code、Coze、workbuddy,openclaw，爱马仕。。。---》本质都一样---》他们都是通用智能体，不同公司出的
Code是最强的：大脑强，工具全
DeepSeek v4 flash--->刚发布--》据说很强---》性能比肩DeepSeek v4 pro
我们国产模型，更新的很快--》跟国外模型 差 3--6个月的智商
3.1 同学运行老师的代码【有兴趣的同学可以研究一下】
# 1 替换你自己DeepSeek的api key
.env 中
# 2 使用Pycharm打开老师给的项目，安装依赖
pip install -r requirements.txt
# 3 在 flask_run.py 上 ，右键运行
# 4 浏览器中打开：http://127.0.0.1:5000/
# 5 就可以聊天了
Python ---》运行python代码的--》python解释器
Pycharm--》集成开发环境--》在这里面写python代码--》高级点的记事本
没有Pycharm也能写python代码，并运行
4 MCP详解
4.1 MCP结构和通信模式
# 1 MCP 架构：CS架构 【百度网盘就是cs架构】
C：client 缩写--》客户端 # 桌面装的百度网盘
S：server缩写---》服务端 # 在百度服务器上
# 2 我们在Codex中使用 MCP
-C是：Codex-----》装在我们电脑上了
-S是：某个厂商的MCP服务--——》麦当劳在麦当劳的服务器上；天眼查在天眼查的服务器上
# 3 我们C端配置[Codex中]---》就可以连接到S端：麦当劳，天眼查
-我们就能在Codex中，下单麦当劳，查你的积分，优惠券
-我们就能在Codex中，查公司信息
-如果不对了麦当劳mcp服务---》能不能在codex直接下单麦当劳？
# 4 C S 架构---》要通信，客户端和服务端互传信息--》3种通信模型
-Streamable HTTP(HTTP 流式请求) —— 官方推荐 · 现代标准--》最强烈推荐，绝大部分第三方mcp服务都是使用这种
- Stdio（Standard Input/Output） —— 本地开发首选 · 极简高效--》不通过网络，速度快
- SSE（Server-Sent Events）—— 官方弃用 · 不再推荐
# 5 本地跑，也可以用http，没有任何问题
# 6 下面演示的三个案例，都是使用http通信模型
4.2 第三方MCP服务
# 1 自从MCP协议被推出后--》各大厂商，都在开发自己的MCP服务端
-支付宝：支付功能，查账功能
案例：ai购物-->看好了商品：原来自己付款--》现在让大模型决定付款--》调用阿里的mcp的支付功能--》直接完成付款
-高德地图：景点信息mcp服务
案例：ai旅行助手：我要去北海玩---》查出景点拥堵情况，景点门票，好玩的，附近好吃的
-12306：查票，买票mcp服务
案例：ai旅行助手：2月10号去北京玩
-查看2月10日天气是否适合出行
-自动购买2月10日去北京的火车票
-调用了12306mcp服务
-推荐景点
-调用了高德mcp
自动美团订票
-调用了美团mcp服务
12306候补：所有抢票方案，都不如候补
。。。。。
# 3 MCP服务有哪些？放在哪？非常的，老师推荐几个
厂商开发出来--》绝大多数代码都开源：数据不开源--》隐私，重要是数据
# 开源的如下：
## 3.1 ModelContextProtocol https://github.com/modelcontextprotocol/servers
-https://registry.modelcontextprotocol.io/
## 3.2 魔塔MCP广场【国内的】 https://www.modelscope.cn/mcp
## 3.3 MCP.so https://mcp.so/zh
## 3.4 MCP Market https://mcpmarket.com/zh
## 3.5 百炼MCP广场【阿里自家产品多】 https://bailian.console.aliyun.com/cn-beijing/?tab=app#/mcp-market
Codex 装好了：C端
S端：麦当劳，天眼查---》部署好了：部署在他们自己的服务器上了----有个地址--》通过这地址，连接上--》codex就可以用了
S端的代码，需要我们写吗？不需要，我们只用别人写好的
如果同学们去了 高德公司/麦当劳---》MCP服务开发---》Python--》FastMCP框架
懂开发【使用Codex开发】： 开发智能体--》使用大模型+MCP调用---》实现出一款产品
Codex就是一款产品
5 Codex使用麦当劳MCP服务
# 1 信息：https://www.modelscope.cn/mcp/servers/MChina/mcd_mcp_server
# 2 接入介绍：https://open.mcd.cn/mcp / https://open.mcd.cn/mcp/doc
-手机号登录--》麦当劳app--》账号
-拿到API-key：2RXXfAmjg5qpXZ1CWFAO29sDdiTxJQXS
# 2 url地址：https://mcp.mcd.cn
# 3 API_KEY ：独属于你，所有使用Codex下单的账号，就是这个账号
2RXXfAmjg5qpXZ1CWFAO29sDdiTxJQXS
# 方式一：自己配
# 方式二：直接让Codex配
# 4 直接让codex给配置
帮我设置麦当劳的mcp服务：
{
"mcpServers": {
"mcd-mcp": {
"type": "streamablehttp",
"url": "https://mcp.mcd.cn",
"headers": {
"Authorization": "Bearer 替换成你们的API key"
}
}
}
}
帮我设置麦当劳的mcp服务：
{
"mcpServers": {
"mcd-mcp": {
"type": "streamablehttp",
"url": "https://mcp.mcd.cn",
"headers": {
"Authorization": "Bearer 2RXXfAmjg5qpXZ1CWFAO29sDdiTxJQXS"
}
}
}
}
# 使用：
-查询我的积分
-查询我的优惠券
-查询餐厅
-下单等
6 Codex使用天眼查MCP
查公司，法人，官司。。。。
# 0 参考：https://www.tianyancha.com/ai/developer-docs#mcp-tips
# 1 信息：https://www.tianyancha.com/ai/profile # 登录你的账号
# 2 url地址：https://mcp.tianyancha.com/v1
# 3 API_KEY ：https://www.tianyancha.com/ai/profile?tab=usage
mcpk2_7JCr9KQGI2DPsl7HoJnSEKaZX
# 4 请使用 tyc-mcp 查询乐视网信息技术（北京）股份有限公司的基本工商信息。
7 Codex使用独立部署12306 MCP
# 1 12306 第三方写的，没部署，代码放在github上，我们自己部署
-同学们不需要会，我已经部署好了--》买了个云服务器部署了
-相当于：第三方已经给我们部署好了
-这个第三方如何写的？ 使用爬虫技术--》爬取了12306的数据--》可能不稳定
-12306可能有反爬--》之前是没问题的，今天测的时候，有的服务不能用，有的能用
# 2 配置，只需要地址即可：http://121.43.104.179:8080/sse
# 1 functionCalling和MCP
## 1.1 Agent智能体开发
## 1.2 functionCalling
## 1.3 MCP
## 1.4 总结
# 2 functionCalling案例之肯德基门店
# 3 functionCalling案例之AI股票小助手
# 4 MCP详解
## 4.1 MCP结构和通信模式
## 4.2 第三方MCP服务
# 5 Codex使用麦当劳MCP服务
# 6 Codex使用天眼查MCP
# 7 Codex使用独立部署12306 MCP
浙公网安备 33010602011771号