MCP Tool Schema vs Function Calling：2026 AI Agent 到底该用哪种 JSON 工具调用？

阅读前速览

维度	Function Calling	MCP Tool Schema
定位	模型 API 内置能力，描述单次可调函数	开放协议，描述外部 MCP Server 暴露的工具
JSON 载体	tools[] + tool_calls	inputSchema（JSON Schema 子集）
执行方	应用代码解析 tool_calls 后自行调用	MCP Client 经 stdio/SSE 转发至 MCP Server
2026 推荐	单体 App、快速原型、厂商深度集成	多工具生态、IDE/Agent 平台、可插拔能力

LLM 工具调用在解决什么问题？

大模型本身只能生成文本。要让 Agent 查数据库、调 API、读写文件，就需要一种机器可读的「能力描述 + 调用约定」：模型在合适时机输出结构化 JSON，宿主程序据此执行真实操作，再把结果塞回对话上下文。

2026 年主流路线有两条：各云厂商/OpenAI 兼容 API 提供的 Function Calling（Tool Use），以及 Anthropic 推动的 MCP（Model Context Protocol）。二者都重度依赖 JSON，但层级不同——前者是「模型请求里的一帧数据」，后者是「客户端与服务端之间的协议层」。

Function Calling 是什么？

Function Calling（OpenAI 文档现多称 tools）在每次 Chat Completions 请求中，向模型注入一组工具定义。模型若决定调用，会在响应里返回 tool_calls，包含函数名与 JSON 参数字符串；你的后端执行后，再以 role: tool 消息回传结果。

典型工具定义（OpenAI 风格）：

{
  "type": "function",
  "function": {
    "name": "get_weather",
    "description": "查询指定城市的当前天气",
    "parameters": {
      "type": "object",
      "properties": {
        "city": { "type": "string", "description": "城市名，如 Shanghai" },
        "unit": { "type": "string", "enum": ["celsius", "fahrenheit"] }
      },
      "required": ["city"]
    }
  }
}

模型返回的调用意图：

{
  "tool_calls": [{
    "id": "call_abc123",
    "type": "function",
    "function": {
      "name": "get_weather",
      "arguments": "{\"city\":\"Shanghai\",\"unit\":\"celsius\"}"
    }
  }]
}

注意 arguments 是字符串化的 JSON，解析时务必二次 JSON.parse，并用 Schema 校验，避免注入或类型错误。调试这类嵌套 JSON 时，JSONSort 的格式化与语法检查很有用。

MCP Tool Schema 是什么？

MCP 把「工具」定义在独立的 MCP Server 上。Client（如 Cursor、Claude Desktop、自研 Agent）连接 Server 后，通过 tools/list 发现能力，通过 tools/call 执行。每个工具的参数用 JSON Schema 描述的 inputSchema 声明。

{
  "name": "search_repo",
  "description": "在 Git 仓库中搜索代码",
  "inputSchema": {
    "type": "object",
    "properties": {
      "query": { "type": "string", "description": "搜索关键词" },
      "glob": { "type": "string", "description": "文件 glob，可选" }
    },
    "required": ["query"]
  }
}

MCP 还标准化了认证、资源（Resources）、提示词（Prompts）等能力，Tool Schema 只是其中一层。对 Agent 平台而言，MCP 的价值是工具可插拔、跨宿主复用——写一次 GitHub MCP Server，Cursor 和 Claude Desktop 都能连。

JSON 结构对比：相似处与关键差异

从 JSON 视角看，两者都能用 JSON Schema 描述参数；差异在于谁持有 Schema、谁发起调用、结果如何回流。Function Calling 的 Schema 随每次 LLM 请求发送；MCP 的 Schema 在 Server 注册，Client 动态拉取并可能缓存。

架构边界：内嵌 API vs 开放协议

• Function Calling：工具逻辑通常写在同一应用进程；Schema 与业务代码同仓库；换模型厂商可能要适配 tools 字段细微差别。
• MCP：工具运行在独立 Server（Node/Python/Go）；通过 stdio 或 HTTP+SSE 通信；适合「能力市场」——用户自行安装 Slack、Postgres、Filesystem 等 MCP 插件。

2026 年的 Cursor、Windsurf、Claude Code 等 IDE Agent 大量采用 MCP，正是因为第三方工具供应链比每家模型 API 各自封装 Function 更可扩展。而内部微服务编排、Serverless 函数触发，Function Calling 往往更轻。

2026 选型决策树

1. 只需 3～5 个稳定内部 API，且已锁定 OpenAI/Anthropic/Google 某一 SDK → 优先 Function Calling。
2. 工具要给用户自行安装/卸载，或跨 IDE、桌面客户端复用 → 优先 MCP Server。
3. 同时需要：常见做法是 MCP Server 作为能力层，上层 Agent 框架再把 MCP 工具映射为模型 API 的 tools 数组——不是二选一，而是分层。
4. 强合规与审计：MCP 便于单独部署、网络隔离；Function Calling 需在应用层自行记录 tool_calls 日志。

实战：同一「查订单」能力的两种写法

Function Calling 路径：在 FastAPI 服务里维护 tools=[...]，模型返回 get_order 后，你的代码查数据库并构造 tool 消息。

MCP 路径：部署 order-mcp-server，暴露 get_order；Cursor 连接该 Server，Agent 框架负责把 MCP 调用结果注入模型上下文。

JSON 参数定义几乎可复用同一份 Schema——这也是为何团队应维护单一 Schema 源，再分别导出为 OpenAI parameters 与 MCP inputSchema，避免两套定义漂移。Diff 两份 JSON 时可用 JSON Diff 工具快速比对。

与 JSON Schema 的关系

无论选哪条路线，参数约束的「单一事实来源」都应是 JSON Schema。MCP 直接采用 inputSchema；Function Calling 的 parameters 本质也是 JSON Schema object。建议：

• 在仓库中维护 schemas/tools/*.json
• CI 中用 ajv 等校验示例 payload
• 模型返回的 arguments 字符串必须先 parse 再 validate

关于 JSON Schema 本身的写法，可参考本站另一篇JSON Schema 完整教程。

常见误区

• 把 MCP 当成模型 API 替代品：MCP 不调用 LLM，只提供工具与上下文；模型调用仍在 Client/宿主完成。
• Schema 过于庞大：一次塞入 50+ 工具会拖慢推理并提高误调用率；应做工具路由或分层暴露。
• 忽略 arguments 双重编码：Function Calling 的参数字符串是常见 bug 来源。
• 假设两家 JSON 完全兼容：Gemini、Claude、OpenAI 对 tools 的字段支持仍有差异，需做适配层。

常见问题（FAQ）

MCP 会取代 Function Calling 吗？

不会完全取代。MCP 解决工具供给与互操作；Function Calling 解决模型如何表达调用意图。2026 年趋势是两者叠加：MCP 提供工具，API 层映射为 tools 数组。

哪个 JSON 更简单？

单次定义复杂度相近。Function Calling 额外多一层 tool_calls 往返消息；MCP 额外多 Server 进程与传输配置，但工具 JSON 本身往往更扁平。

私有 Agent 只有内部 API，还要上 MCP 吗？

不必。内部闭环、工具固定且团队不打算开放插件生态时，Function Calling 足够。若预期接入越来越多外部数据源，可预留 MCP 接口。

如何调试工具 JSON？

用 JSONSort 在本地格式化、校验 Schema 与 diff 多版本定义；切勿把含密钥的 tool 响应上传到在线 JSON 站点。

结论

Function Calling 是模型侧的 JSON 工具描述与调用帧；MCP Tool Schema 是生态侧的开放工具注册格式。2026 年构建 Agent：快速业务闭环选 Function Calling；可扩展工具平台选 MCP；成熟团队往往两者并存，并用 JSON Schema 统一参数定义。先理清架构边界，再选 JSON 载体，比争论「哪个协议会赢」更务实。

延伸阅读

• MCP 官方规范 Tool Schema 与传输层定义
• OpenAI Function Calling 文档 tools / tool_calls 消息格式
• JSONSort 本地 JSON 工具箱 格式化、语法校验、Diff
• 博客全部文章 更多 JSON 与 AI 开发笔记

更新日志：2026-08-27 初稿发布