# LLM工具调用面试题介绍 [LLM工具调用面试题介绍](#llm工具调用面试题介绍) ![](https://cdn.xiaolincoding.com//picgo/564e5be42c5d02d7c7628c6b4c16b302.png) 大家好，我是小宇宙。做 AI 应用，光让大模型能聊天是远远不够的，你得让它能「干活」，能查数据库、能调 API、能操作文件，这些能力的背后就是工具调用。Function Calling、MCP、A2A 这些概念现在面试里问得越来越多，但我发现很多同学对它们的理解还停留在「都是调工具的」这个层面，一追问就分不清谁是谁了，更别说解释它们之间的层

LLM工具调用面试题介绍

大家好，我是小宇宙。

做 AI 应用，光让大模型能聊天是远远不够的，你得让它能「干活」，能查数据库、能调 API、能操作文件，这些能力的背后就是工具调用。Function Calling、MCP、A2A 这些概念现在面试里问得越来越多，但我发现很多同学对它们的理解还停留在「都是调工具的」这个层面，一追问就分不清谁是谁了，更别说解释它们之间的层级关系了。

所以我从网上各种真实面经里收集了 16 道工具调用方向的高频面试题，都是真实面试里被问过的，帮大家把从 Function Calling 到 MCP 再到 A2A 这条线完整地捋清楚。涵盖 Function Calling 原理与训练、MCP 协议架构与通信、SSE/WebSocket/WebRTC 通信协议对比、A2A 协议、Skill 概念、LLM 网关等面试题。

写法跟 Agent 和 RAG 专题一样，每道题开头都是一段「面试翻车现场」，让你先感受一下踩雷是什么体验，然后我再一步步把知识点从根上讲透。不是让你背标准答案，而是让你真正理解这些概念之间的关系，面试官换个角度问你也能自己推出来。

题目目录

下面简单介绍一下这 16 道题大概聊了些什么，你可以挑自己不熟的先看。

前三道聊的是 Function Calling 基础，Function Calling 到底是什么、模型是怎么学会调工具的、训练过程具体是怎样的。这三道题是整个工具调用体系的地基，很多人只知道「模型能调工具」，但说不清楚模型输出的是什么格式、谁负责决策谁负责执行、训练数据长什么样，面试官一追问就露馅了。

第 4 到第 5 题聊的是 MCP 协议，MCP 是什么、由哪几部分组成。MCP 现在是 AI 工具生态最热门的话题，理解了 MCP 的架构和组成，后面的对比和选型才有基础。

第 6 到第 8 题聊的是 FC 与 MCP 的对比和选型，两者到底有什么区别、什么场景该用哪个、为什么有些推理模型不支持 MCP。这块是面试里最容易拉开差距的部分，因为大部分人只会单独解释每个概念，但说不清楚它们之间的关系和选型依据。

第 9 到第 11 题聊的是 Agent Skill，Skill 是什么、Skill 和 MCP 有什么区别、Function Calling/Skill/MCP 三者到底是什么关系。Skill 是 Anthropic 在 2025 年 10 月推出、12 月开源为跨平台规范的概念，把使用工具完成任务的知识和流程打包成可复用模块，和 MCP 提供的工具能力形成互补。理解了这三层架构（FC 是语言、MCP 是工具箱、Skill 是操作手册），你对整个工具调用体系就有全局视角了。

第 12 题聊的是 A2A 协议，A2A 是什么、跟 MCP 有什么区别。A2A 是 Google 在 2025 年 4 月推出的 Agent 间协作协议（后来捐给 Linux 基金会维护），和 MCP 的「Agent 连工具」不同，A2A 解决的是「Agent 连 Agent」的问题，属于进阶内容。

第 13 到第 15 题聊的是通信协议，MCP 用什么通信方式、SSE 和 WebSocket 的区别、WebRTC 和 WebSocket 在 AI 对话场景里的差异。这几道题偏底层实现，面试官有时会从 MCP 架构往下追问到通信协议层，提前准备好能让你接住这条追问链。

最后第 16 题聊的是 LLM 网关，网关是什么、解决了什么问题、有哪些主流框架，这道题偏工程实践，做过线上项目的同学答起来会很有优势。