# AI Agent 基础四件套：Agent、Function Call、MCP 与多 Agent 协作

> 理解这些概念，才算真正走进 AI Agent 的世界

## 引子：从"聊天"到"干活"的跨越

"AI 能帮我写代码、做数据分析、发邮件，但它要的东西太多了——每次都要我告诉它怎么调用工具、怎么连接数据库、怎么处理结果。"

这是一个从 Agent 1.0 走过来的用户，在"AI拉呱"社群里分享的真实感受。他说的问题，其实不是AI不够聪明，而是**缺少一套标准化的"干活基础设施"**。

如果把 AI 比作一个刚入职的实习生，裸聊天框就像你只给了实习生一张桌子，没有给他权限、没有给他工具、没有告诉他和谁配合——他再聪明，也只能和你"聊天"，无法真正"干活"。

**Agent 基础四件套，就是让 AI 从"只会聊天"到"真正干活"的四块基石。**

## 第一件：Agent——AI 的"自主行动体"

Agent 这个词已经被用烂了，但在 Hermes 的语境下，它有明确的定义：**具备感知、决策、执行、反馈闭环的自主行动体**。

```
┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   感知       │ ──→ │   决策       │ ──→ │   执行       │ ──→ │   反馈       │
│ (Perception) │     │ (Decision)  │     │ (Action)    │     │ (Feedback)  │
└─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘
       ↑                                                          │
       └──────────────────────────────────────────────────────────┘
                               （闭环）
```

举个具体的例子，让 Hermes "帮我检查一下服务器状态"：

- **感知**：Hermes 接收你的指令，理解你需要检查服务器
- **决策**：决定用 terminal 工具 SSH 登录服务器，执行 `uptime` 和 `df -h`
- **执行**：实际调用 terminal 工具，获取服务器状态信息
- **反馈**：把结果整理成可读报告返回给你，并记录这次操作的经验

**普通聊天界面只完成了"感知"和"反馈"两步，中间最重要的"决策"和"执行"被省略了。** 这就是为什么你和 ChatGPT 聊了这么久，它还是不会帮你干活。

## 第二件：Function Call——AI 调用外部世界的"API 接口"

Function Call 是 LLM 提供的一种能力：**模型在生成回复时，不是只输出文本，而是可以输出一个结构化的函数调用请求。**

它的工作流程是这样的：

```
用户输入："帮我查一下今天的天气"

LLM 解析意图：
→ 输出 Function Call: get_weather(city="北京", date="2026-08-02")

系统执行函数：
→ 调用天气 API，返回结果

LLM 接收结果：
→ 整理成自然语言回复："今天北京晴，28-35°C..."
```

这个过程的关键在于：**LLM 本身不执行函数，它只负责决定"该调用什么函数、传什么参数"。** 实际的执行由系统完成——这既保证了安全性，又保持了灵活性。

Hermes 的 Function Call 做了几个关键的增强：

| 特性 | 说明 |
|------|------|
| **动态工具注册** | 工具可以在运行时动态添加/移除，不需要重启 |
| **工具名模糊匹配** | 用户说"发消息"，自动匹配 messaging 工具 |
| **参数自动补全** | 缺少参数时，LLM 会主动追问或自动补全 |
| **错误重试** | 工具调用失败时，自动重试或切换备用方案 |

## 第三件：MCP——让 Agent 接入你所有工具的"通用协议"

MCP（Model Context Protocol）是 Anthropic 推出的开放协议，**定义了 AI 应用如何与外部工具和数据源交互的标准接口**。

你可以把 MCP 理解为"AI 世界的 USB 接口"——无论是连接数据库、调用 API、还是操作本地文件，只要遵循 MCP 协议，AI 就能即插即用。

### MCP 的核心架构

```
┌──────────────┐         ┌──────────────┐         ┌──────────────┐
│   AI Agent   │  ←MCP→  │   MCP Server │  ←API→  │  外部工具    │
│  (Hermes)    │  协议    │  (中介层)    │  调用    │  (数据库/API)│
└──────────────┘         └──────────────┘         └──────────────┘
```

### Hermes 支持的 MCP 连接方式

| 连接方式 | 适用场景 | 示例 |
|---------|---------|------|
| **stdio** | 本地工具 | 本地文件系统、命令行工具 |
| **HTTP** | 远程服务 | 公司内部 API、SaaS 服务 |
| **OAuth** | 需要认证的服务 | GitHub、Notion、飞书 |

### MCP 目录：一键安装的"应用商店"

Hermes 提供了 MCP 目录功能，预设了 20+ 常用 MCP Server：

- **数据库类**：PostgreSQL、MySQL、SQLite
- **开发工具类**：GitHub、GitLab、Jira
- **内容平台类**：Notion、飞书、Medium
- **AI 服务类**：Stable Diffusion、Whisper

**一条命令就能安装一个 MCP Server：**

```
# 安装飞书 MCP Server
hermes mcp install feishu

# 安装 PostgreSQL MCP Server
hermes mcp install postgres
```

## 第四件：多 Agent 协作——让多个 AI 像团队一样工作

当单个 Agent 无法满足复杂任务时，就需要多 Agent 协作。Hermes 支持三种协作模式：

### 模式一：主从式（Master-Slave）

一个主 Agent 负责分解任务，委派给多个子 Agent 执行。

```
用户请求 → 主 Agent（分解任务）
               ├── 子Agent A：搜索资料
               ├── 子Agent B：分析数据
               └── 子Agent C：生成报告
                     ↓
          主 Agent（汇总结果）→ 用户
```

**适用场景**：复杂报告生成、多维度数据分析。

### 模式二：对等式（Peer-to-Peer）

多个 Agent 地位平等，各自负责不同领域，通过消息通道协作。

```
Agent A（前端开发） ←→ Agent B（后端开发）
     ↕                      ↕
Agent C（数据库）   ←→ Agent D（测试）
```

**适用场景**：全栈开发、大型项目协作。

### 模式三：流水线式（Pipeline）

任务按阶段顺序传递，每个 Agent 处理一个阶段。

```
Agent A（需求分析）→ Agent B（架构设计）→ Agent C（编码实现）→ Agent D（测试验证）
```

**适用场景**：内容创作、自动化工作流。

## 四件套的协同关系

理解了这四个概念，就能看清它们如何协同工作：

```
Agent（自主行动体）
  ├── 使用 Function Call 调用工具
  ├── 通过 MCP 协议连接外部系统
  └── 在需要时，委派给其他 Agent 协作
```

**没有 Agent，Function Call 和 MCP 只是技术概念；没有 Function Call，Agent 无法操作外部工具；没有 MCP，Agent 只能操作本地工具，无法接入你的业务系统；没有多 Agent 协作，复杂任务只能串行执行，效率受限。**

## 写在最后

这四件套是理解 Hermes 的技术基石。下一期，我们将用一张全景图，60秒带你建立 Hermes 的完整认知地图——五大模块、四大能力维度、成本与部署分析，全在这篇里。

---

*关注「AI拉呱」，一起探索 AI 技术的前沿落地。*

*本文是《Hermes Agent 从入门到精通》系列第2篇。*

"AI 能帮我写代码、做数据分析、发邮件，但它要的东西太多了——每次都要我告诉它怎么调用工具、怎么连接数据库、怎么处理结果。"

AI Agent 基础四件套：Agent、Function Call、MCP 与多 Agent 协作

高级算法工程师

人工智能

编程语言

架构设计

AIAgent基础四件套解析：Agent自主行动体、FunctionCall工具调用、MCP通用协议及多Agent协作模式，是AI从聊天走向实际执行任务的关键技术架构。文章详解四者协同关系，帮助开发者构建高效智能体系统。

命令行工具

数据分析

代码解释

文件系统

PostgreSQL

服务器

数据库

ChatGPT

SQLite

GitHub

OAuth

MySQL

Agent

SaaS

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI Agent 基础四件套：Agent、Function Call、MCP 与多 Agent 协作-腾讯云开发者社区-腾讯云

AI Agent 基础四件套：Agent、Function Call、MCP 与多 Agent 协作

AI Agent 基础四件套：Agent、Function Call、MCP 与多 Agent 协作

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐