AI 核心概念详解：Prompt、Agent、MCP 与 Function Calling
Prompt Engineering（提示词工程）
什么是 Prompt？
Prompt 是与 AI 模型交互的输入文本，它指导 AI 模型生成期望的输出。好的 Prompt 设计可以显著提升 AI 模型的表现。
Prompt 设计原则
- 明确性
❌ 模糊的 Prompt：
"写一个函数"
✅ 明确的 Prompt：
"用 TypeScript 写一个函数，接收一个字符串数组参数，返回数组中最长的字符串，如果数组为空则返回空字符串"
- 结构化
角色：你是一位资深前端开发工程师
任务：审查以下代码中的性能问题
上下文：这是一个 React 组件，用于显示大量数据
约束：需要考虑内存泄漏和重复渲染的问题
输出格式：请按严重程度排序列出问题
- 示例驱动
输入示例：
const user = { name: "张三", age: 25 }
期望输出：
interface User {
name: string;
age: number;
}
任务：根据以上示例，为下面的对象生成 TypeScript 接口...
Agent（智能代理）
Agent 是一个能够自主执行任务的 AI 系统，它具有以下特点：
1. 自主决策
- 理解任务目标
- 制定执行计划
- 选择合适的工具
- 处理异常情况
2. 工具使用
interface Tool {
name: string;
description: string;
execute: (params: any) => Promise<any>;
}
class Agent {
private tools: Tool[];
async solve(task: string) {
// 1. 分析任务
const plan = this.analyzePlan(task);
// 2. 选择工具
const selectedTools = this.selectTools(plan);
// 3. 执行步骤
for (const step of plan) {
await this.executeStep(step, selectedTools);
}
}
}
3. 反馈循环
- 执行操作
- 观察结果
- 调整策略
- 持续优化
MCP (Model-Control-Prompt)
MCP 是一种 AI 应用架构模式，类似于传统的 MVC 模式。
架构组成
- Model（模型层）
interface AIModel {
// 底层模型接口
generate(input: string): Promise<string>;
embed(text: string): Promise<number[]>;
classify(text: string): Promise<string>;
}
- Control（控制层）
class AIController {
constructor(private model: AIModel) {}
async process(prompt: string, context: Context) {
// 1. 预处理
const enhancedPrompt = this.enhancePrompt(prompt, context);
// 2. 调用模型
const response = await this.model.generate(enhancedPrompt);
// 3. 后处理
return this.postProcess(response);
}
}
- Prompt（提示层）
interface PromptTemplate {
name: string;
template: string;
variables: string[];
format(values: Record<string, string>): string;
}
Function Calling（函数调用）
Function Calling 是 AI 模型调用预定义函数的能力，使 AI 能够与外部系统交互。
1. 函数定义
interface FunctionDefinition {
name: string;
description: string;
parameters: {
type: "object";
properties: Record<string, {
type: string;
description: string;
}>;
required: string[];
};
}
const searchFunction: FunctionDefinition = {
name: "search_database",
description: "搜索数据库中的信息",
parameters: {
type: "object",
properties: {
query: {
type: "string",
description: "搜索关键词"
},
limit: {
type: "number",
description: "返回结果数量"
}
},
required: ["query"]
}
};
2. 调用流程
class FunctionCaller {
private functions: Map<string, Function>;
async call(name: string, args: any) {
if (!this.functions.has(name)) {
throw new Error(`Function ${name} not found`);
}
const func = this.functions.get(name)!;
return await func(args);
}
}
3. 最佳实践
- 参数验证
function validateArgs(args: any, definition: FunctionDefinition) {
// 检查必需参数
for (const required of definition.parameters.required) {
if (!(required in args)) {
throw new Error(`Missing required parameter: ${required}`);
}
}
// 类型检查
for (const [key, value] of Object.entries(args)) {
const paramDef = definition.parameters.properties[key];
if (typeof value !== paramDef.type) {
throw new Error(
`Invalid type for ${key}: expected ${paramDef.type}, got ${typeof value}`
);
}
}
}
- 错误处理
async function safeFunctionCall(
func: Function,
args: any,
definition: FunctionDefinition
) {
try {
validateArgs(args, definition);
const result = await func(args);
return { success: true, data: result };
} catch (error) {
return {
success: false,
error: error instanceof Error ? error.message : "Unknown error"
};
}
}
实践应用
1. 智能代码生成
const prompt = `
生成一个 React 组件，要求：
1. 使用 TypeScript
2. 实现一个待办事项列表
3. 包含添加、删除、标记完成功能
4. 使用 localStorage 持久化数据
`;
const response = await agent.generateCode(prompt);
2. 自动化测试生成
const codeToTest = `
function add(a: number, b: number): number {
return a + b;
}
`;
const testCases = await agent.generateTests(codeToTest);
3. 代码重构建议
const code = `
function processData(data) {
let result = [];
for(let i = 0; i < data.length; i++) {
if(data[i].value > 10) {
result.push(data[i]);
}
}
return result;
}
`;
const refactoringAdvice = await agent.suggestRefactoring(code);
总结
- Prompt Engineering 是与 AI 模型有效沟通的基础
- Agent 提供了自主决策和执行的能力
- MCP 架构提供了构建 AI 应用的清晰框架
- Function Calling 使 AI 能够与外部系统交互
这些概念相互配合，共同构建了现代 AI 应用的基础架构。理解和掌握这些概念，对于开发高质量的 AI 驱动应用至关重要。