16 道 Agent 工程高频判断题从 workflow 到上线上一课解决了安全约束该落在哪一层。这课进入工具接入的标准化问题MCP 到底解决什么问题什么时候自己写 MCP Server 值得什么时候直接 function calling 更划算。一、面试现场面试题“你们团队已经有 REST API为什么还要再封一层 MCP价值在哪”阿里云 AI 平台组三面。候选人负责一个企业内部 Agent接了工单系统Jira、知识库Confluence和审批系统三个后端。每个后端都有成熟的 REST API候选人用 function calling 直连跑了半年没出大问题。面试官的问题不是MCP 是什么——而是你现在的方案够用了什么情况下才值得花精力做 MCP 化。这题考的是判断力不是新概念。这不是某一次面试的原题而是从真实面经和岗位 JD 中提炼的高频判断题。二、大多数人怎么答的两种典型回答。一种是MCP 是趋势应该全面迁移——追热点型。另一种是MCP 就是 function calling 换个皮没必要——忽视型。两种都不对。MCP 和 function calling 不是替代关系。Function calling 是模型层能力——模型知道怎么调工具。MCP 是接入协议层——多个不同 AI 应用都能用统一协议接入同一套工具。前者回答模型怎么调后者回答不同客户端怎么复用同一套工具。典型误判“MCP 就是 function calling 换个皮。”——混淆了模型层能力和接入协议层能力两者解决的问题完全不同。三、正确判断框架截至 2026 年 4 月MCP 是一个开放协议标准连接 AI 应用和外部系统。核心架构三个角色HostAI 应用、Client连接器、Server暴露工具和资源的服务端。判断要不要用 MCP看三个条件。值得做 MCP多客户端复用同一套工具你的工具需要同时被 Claude、ChatGPT、内部 bot 三个不同客户端调用。每个客户端各写一套 function calling 适配层 重复劳动 × 3。封成 MCP Server一次接入全部复用。违反后果每新增一个 AI 客户端就要重写一遍工具适配维护成本线性增长。值得做 MCP需要统一的工具治理工具的权限、审计、版本管理需要集中控制。MCP Server 层可以统一做 auth、capability negotiation握手时按 client 身份决定暴露哪些工具和 usage logging。违反后果每个客户端自己管权限安全策略不一致审计日志散落各处。不值得做 MCP单客户端、短生命周期只有一个 bot 用的内部脚本、一次性数据处理工具、极简逻辑的封装——直接 function calling 更简单。封成 MCP Server 反而增加运维成本进程管理、健康检查、版本部署。违反后果为了追热点做了 MCP 化维护成本高于直连得不偿失。四、面试官追问链追问 1“MCP Server 暴露了 10 个 tools但不同用户应该看到不同子集怎么做”MCP 的 capability negotiation 机制握手阶段 server 根据 client 身份决定 tools/list 返回哪些工具。开发者看到 Jira Confluence 工具HR 只看到 OA Confluence 工具。权限做在 server 侧client 拿到的 tool list 就已经是过滤过的不需要靠 prompt 限制。追问 2“已经有 REST API 了再封 MCP 的价值到底在哪”REST API 面向开发者——调用方需要读文档、写代码、处理认证。MCP 面向 AI 应用——tool discovery 自动化schema 自描述调用方是模型不是人。价值体现在一次封装后任何支持 MCP 的 AI 客户端都能自动发现和调用你的工具不需要额外适配代码。加分题“MCP Server 要处理 500 QPSSTDIO 和 Streamable HTTP 各有什么问题”方向STDIO 是一对一本地进程通信天然不支持多 client 并发500 QPS 需要起 500 个进程。Streamable HTTP 支持多 client 但要处理连接池、SSE 背压和超时管理。高 QPS 场景通常选 HTTP transport 水平扩容。五、落地案例实战拆解企业内部三系统统一接入Jira Confluence OA三个 MCP Server多客户端复用。**架构。**三个后端系统各做一个 MCP Server。Jira Server 暴露工单的 CRUD 工具Confluence Server 暴露知识库检索和页面创建工具OA Server 暴露审批流程工具。三个 server 独立部署各自管理自己的认证和权限。**多客户端复用。**内部 bot、Claude Code、VS Code Copilot 都通过 MCP 协议接入同一套 server。新增一个 AI 客户端时不需要重写任何工具代码——只要客户端支持 MCP接入即用。**权限控制。**Server 侧按角色过滤 tool list开发者连接时看到 Jira Confluence 工具HR 连接时看到 OA Confluence 工具。权限做在 server 的 capability negotiation 里不依赖 prompt。六、上线坑点坑 1为了追热点而 MCP 化只有一个 bot 用的工具不值得封成 MCP Server。多了一层协议开销和运维成本收益为零。坑 2Server 粒度失控一个 server 干 50 件事——工具太杂权限无法细分。50 个 server 各干 1 件事——运维爆炸。经验粒度按业务领域拆一个 server 对应一个后端系统。坑 3协议接上了但安全没补MCP 不自动解决安全问题。权限、审计、速率限制还是要自己做。协议标准化 ≠ 安全标准化。七、本课总结与面试锦囊一句话结论MCP 的价值不是更潮而是把工具接入做成标准化能力——一次封装、多处复用、统一治理。只有一个客户端用的工具直接 function calling 更划算。面试锦囊先说MCP 是接入协议层function calling 是模型层能力两者不是替代关系。再说值不值得做 MCP看三个条件——多客户端复用、统一治理需求、长期维护收益。最后补协议标准化不等于安全标准化权限和审计还是要自己做。判断 Checklist☐ 有 2 个 AI 客户端需要复用同一套工具 → 值得 MCP☐ 需要按角色过滤工具可见性 → MCP capability negotiation 天然支持☐ 只有一个 bot 用、工具逻辑极简 → 直接 function calling☐ 协议接上后补了权限和审计 → 没补就是裸奔别再踩的坑• 为了追热点而 MCP 化——维护成本高于直连• 一个 server 塞 50 个工具——权限管不住• 以为接上 MCP 就自动安全了——协议不管安全学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】