企业级AI落地项目系列课程详解 -> 点击进入
一、MCP技术与Qwen3原生MCP能力介绍
1.智能体开发核心技术—MCP
1.1 Function calling技术回顾
如何快速开发一款智能体应用，最关键的技术难点就在于如何让大模型高效稳定的接入一些外部工具。而在MCP技术诞生之前，最主流的方法，是借助Function calling技术来打通大模型和外部工具之间的联系，换而言之，也就是借助Function calling，来让大模型灵活的调用外部工具。
例如一个典型的Function calling示例，我们希望让大模型能够调用一些天气API查询即时天气，此时我们就需要创建一个查询天气的外部函数，负责调用天气API来查询天气，同时将外部函数的说明传递给大模型，使其能够根据用户意图，在必要的时候向外部函数发起调用请求。
Function calling最早由OpenAI与2023年6月13号正式提出，该项技术的名字也由此命名：https://openai.com/index/function-calling-and-other-api-updates/
此外，Function calling也被称作tool use、tool call等技术。
毫无疑问，Function calling的诞生意义重大，这项技术目前也成为大模型调用外部工具的基本技术范式，哪怕是MCP盛行的今天，底层仍然是Function calling执行流程。
1.2 Qwen3 Function calling能力介绍
不过为了更好的学习本期公开课，需要重点强调的是关于大模型的Function calling的能力如何而来。我们都知道，对于当前大模型来说，有些模型有Function calling能力，如DeepSeek-V3模型，而有些模型没有，如DeepSeek-R1模型：
而对于Qwen3全系列模型来说，不仅支持Function calling，还支持工具的并联、串联调用甚至是自动debug：
这里我们在公开课参考资料总，为大家整理了一份从零手动实现Qwen3 Function calling的代码实战流程：
1.3 Qwen3 Function calling能力从何而来
那模型是如何具备Function calling能力的呢？答案是通过模型训练。对于Qwen3模型来说，由于在训练阶段（指令微调阶段）就带入了大量的类似如下的工具调用对话数据进行训练，因此能够识别外部工具并发起对外部工具调用的请求。而类似的，R1模型的训练过程没有工具调用数据，因此就不具备Function calling能力。
暂无评论内容