MCP 与函数调用

先看结论

函数调用让模型生成结构化参数，请求使用某个工具；由应用验证并执行。MCP 规范 AI 应用与工具或上下文服务器之间的通信。两者可以组合使用，但都不会自动选择最安全的工具、保证授权或验证金融数据。

例如，查询 AAPL 股价需要明确代码和市场，选择权限合适的数据源，执行工具调用，并返回事件时间、获取时间、币种和行情覆盖。模型可提出调用请求，由宿主应用检查结果是否可用。

什么是函数调用？

模型 API 接收工具定义，可以返回函数名或工具标识及结构化参数。应用仍负责执行处理函数、检查权限、验证参数，并把工具结果返回对话。模型生成调用不代表执行成功。

不同提供商的请求格式和 Schema 子集不同。适配器可处理部分差异，但仍应测试参数校验、并行调用、流式响应、重试及模型选项。工具列表不必永久固定，应用可以先发现候选项，再为每次请求提供较小的工具集。

OpenAI 函数调用文档可从 OpenAI 函数调用文档 了解该提供商接口；其他模型应核对各自官方文档。

什么是 MCP？

MCP 宿主协调客户端访问独立服务器；服务器可暴露工具、资源与提示词。本地 stdio 与远程 Streamable HTTP 的部署和鉴权要求不同，应使用两端支持的传输方式及协议版本。

以当前规范为准。规范入口已于 2026 年 3 月 6 日核对；较早示例可能采用旧的生命周期规则。应明确测试版本发现、传输支持和可选功能。

影响实现的七项差异

MCP 不会让工具 Schema 自动从模型上下文中消失。Token 用量取决于宿主发送内容、缓存、发现策略及模型 API。角色权限、留存、审批与审计日志也需要实际实现，不能仅凭支持协议就认定具备。

如何组合使用

可采用以下顺序：发现相关工具，检查契约，把必要定义提供给模型，验证模型请求的参数和授权，通过适当客户端执行，再验证返回结果。沿途记录供应商、工具版本、请求标识和时间戳。

金融研究中的回退必须满足相同市场、币种、复权、时效与许可契约；否则应披露降级并确认用户是否接受。不得将空响应或超时变成虚构价格，也不能静默复用过期数据。

何时选择哪种方式

工具稳定的小型应用可采用模型工具调用与普通处理函数。多个客户端共享工具时，可评估 MCP。生产应用也可组合使用。不要仅按工具数量决策，还需考虑部署责任、凭证、可用性、Schema 演进及适配维护成本。

应在相同工作负载下测量候选路径，记录模型与工具版本、Schema Token、缓存状态、传输、首 Token 及完整任务延迟、错误率、重试和总成本。公布基准测试时说明样本量及环境；MCP 不存在通用固定延迟附加值或自动 Token 节省比例。

QVeris 的位置

QVeris 通过支持的接入方式提供发现、检查与能力调用入口，补充宿主及编排层。宿主仍负责用户意图、权限与结果验证；底层数据覆盖和许可取决于所选提供商。

Discover/Inspect 免费；注册验证后一次性获得 1,000 credits；$19 购买 10,000 credits；credits 永不过期；无月费、无自动续费。开发测试与生产中的付费执行都可能消耗 credits。

credits 是计费单位，不是固定调用次数。应检查具体工具，并将重试、提供商费用、模型调用及运维投入纳入同口径对比。

实现示例

以下保留原代码示例。执行前按当前文档核对包版本、协议版本、API 名称和凭证；示例不代表已成功调用的记录。

// Define a tool schema (OpenAI format example)
{
  "type": "function",
  "function": {
    "name": "get_stock_price",
    "description": "Get current stock price",
    "parameters": {
      "type": "object",
      "properties": {
        "symbol": { "type": "string" }
      }
    }
  }
}

// Application code — tools are hardcoded prompt content
const tools = [{ name: "get_stock_price", ... }];

// Every request includes ALL tool schemas
const response = await openai.chat.completions.create({
  model: "gpt-4",
  tools: tools,  // static, predefined
  messages: [{ role: "user", content: "What's AAPL at?" }]
});

# MCP client dynamically discovers tools at runtime
from mcp import ClientSession

# Connect to any MCP Server
session = await ClientSession.connect(server_url)

# Discover tools — no hardcoded schemas needed
tools = await session.list_tools()
# Returns: dynamic list of available tools with schemas

# Call a discovered tool
result = await session.call_tool("get_stock_price", { "symbol": "AAPL" })

# One command to add QVeris MCP Server to Claude Code
claude mcp add qveris -s user -- npx @qverisai/mcp

# Now your Claude Code agent has access to 10,000+ capabilities
# Just ask: "find me tools for stock market data"
# QVeris discovers, inspects, and calls — all through MCP

常见问题

资料来源

本文以 MCP 官方规范和模型 API 官方文档为主要依据。实施前请通过文中链接核对协议版本、API 行为、软件包版本及接入要求。