跳到正文
首页文章工具调用和 MCP,我听懂了,然后呢

工具调用和 MCP,我听懂了,然后呢

我常让 Claude 和 ChatGPT 帮我理解技术概念。最近一次是 Agent 里的工具调用和 MCP,解释听得很顺,两边比起来 Claude 更贴项目。那时手上没有具体项目,真到自己动手接的时候,还是不知道从哪判断。最后还是接了,确认自己懂了的办法,是动手试。听懂一个解释,和能在具体问题里用上,中间有段距离。

学习AI个人思考
工具调用和 MCP,我听懂了,然后呢 封面图

我会用 Claude 和 ChatGPT 帮自己理解技术概念。遇到不懂的,可以一直追问,让它换个例子,或者从自己熟悉的产品说起。这个过程确实比对着一个陌生词来回搜索轻松。轻松,也是这篇想说的问题的起点。

但我现在有点在意,那种听懂了的感觉,到底能保留多久。

最近一次是 Agent 里的工具调用和 MCP。解释听得很顺,比喻也好懂,我当时觉得清楚了。真到自己动手要接的时候,才发现还是不知道从哪判断。一个解释可以顺着我的问题往下讲,也可以把难的部分暂时绕开。读的时候没有卡住,不一定是自己已经理解了,也可能只是对方把路铺得太顺。

没有具体项目,更难判断

那次想接 MCP,手上其实没有一个具体的项目在等它。

没有具体项目,判断就更难。要是有一件具体的事,比如某个工具需要读飞书里的文档,接不接、怎么接,至少有一个参照:接了能不能把这件事做好。没有具体的事,就只能对着概念想,想它能做什么、适合什么,越想越抽象。

解释听得顺,很大一部分原因也在这里。概念层面的解释,本来就可以讲得很圆;一落到具体的事上,就会冒出解释里没有的细节。我当时缺的,不是更好的解释,是一件具体的事。

后来想,那次与其说是想接 MCP,不如说是想弄明白它。弄明白一个东西,和用它做一件事,出发点不一样,停下来的地方也不一样。

听懂了的感觉,是怎么来的

听懂了的感觉,很多时候来自解释本身的顺。

一个好的解释,会把难的地方铺平:先给一个类比,再一步步往下推,每一步都不跳。读的人跟着走,每一步都懂,走完就觉得全懂了。

可铺平的路,是解释的一方铺的。它知道哪里难,就把哪里垫高了一点。换成自己走,没有人垫,那些难的地方就露出来了。所以听得越顺,越要留个心眼:顺,可能是讲得好,也可能是难的地方被绕开了。

这不是解释的问题,是听懂和会用之间,本来就隔着这一段没人垫的路。

最后还是接了

最后还是接了。

接的过程,比听解释有用得多。配置写在哪,工具怎么声明,模型什么时候会去调用,调用失败了会怎样,这些在解释里都是一句带过,动手的时候每一步都要真的弄明白。接的过程中,问题自然就具体了:这一步报错是什么意思,这个字段该填什么。具体的问题,得到的回答也具体,而且马上能验证对不对。

接完以后回头看那段解释,发现它说的都对,只是说的是另一个层次的对。它讲清楚了 MCP 是什么,没讲清楚我接的时候会卡在哪。后者,只有接的时候才知道。

换个条件再问

这不是说之前的解释没有用。先有一个大致轮廓,才有办法继续问。我只是越来越不想把能重复一段话当成学会了。技术名词解释得再顺,也不能替我决定产品里该怎么做。解释回答的是它是什么,决定要回答的是我该不该用、怎么用,这两个问题中间,隔着自己的条件。

想确认自己理解到哪里,我会更愿意试着换一个条件。原来的办法在什么情况下不合适,少一份数据会怎样,结果需要及时更新又会怎样。问到这些地方,往往比继续要一个更简单的解释更有意思。

动手试,是我确认懂了的办法

我确认自己是不是真的懂了,最管用的办法是动手试。

听懂一个解释,我能复述;动手试一次,我才知道自己复述的是不是对的。复述的时候,所有地方都顺;试的时候,总有一两个地方和我以为的不一样。那一两个地方,就是我原来没懂的。

动手试也有门槛。有些东西试一次成本很高,比如要动线上的系统;有些东西根本没法试,比如一个方案一年后会怎样。可对 MCP 这种能在自己电脑上接一接的东西,试一次,比问十次都值。试完再回去看解释,读法也变了:以前是跟着它走,现在是拿着自己的问题去对。

也不想把学习搞得每次都像考试。有些东西只是好奇,知道一点就够了,不必马上找到工作用途。真正准备拿来作决定的部分,再多查一步,和懂的人讨论一下,或者动手试一小段。MCP 那次,就是走到了动手试一小段这一步,才算落了地。

Claude 和 ChatGPT,解释得不一样

我会同时问 Claude 和 ChatGPT。两边的解释有一点不太一样:Claude 的更贴项目,相比之下,ChatGPT 的更通用一些。

贴项目的解释,更容易用上,也更容易让我误以为已经懂了。它说的就是我的情况,听起来就像是答案。可它贴的,是我描述出来的那个情况;我没描述到的部分,它也照样讲得很顺。

所以两边都问,也有一个好处:一个偏情况,一个偏概念,两边对不上的地方,往往就是我该自己去试的地方。

我在项目里也会问算法同事。有些概念让 AI 先解释,至少能让我知道下一句该问什么;涉及眼前的方案,还是得把具体条件带进讨论。两边不互相替代。AI 帮我把问题问得更准,同事帮我把问题放回真实的条件里。

有时候觉得,这种方便反而需要自己留一点停顿。停顿不是不信 AI,是给自己一个机会,看看离开了那段解释,自己还剩下多少。别急着继续下一个词,先看看刚才那段话离开屏幕以后,还能不能说出自己的理解。说不出来也没什么,再问就是了。问完,再试一次。

我还是挺喜欢现在可以随时问的状态。随时能问,是这几年最大的变化之一。只是希望问题越来越具体,而不是收藏的解释越来越多。那次接 MCP,要是一开始就有一件具体的事,大概能少绕一段。

问问 KANG AI

想了解我什么?