Tool-Calling作为Agent的核心模块，智能体的双手，这项关键能力允许 LLM 调用外部函数，例如应用程序接口（APIs）、数据库、计算器和搜索引擎，决定了AI Agent的可执行边界。
随着垂直领域 agent 的兴起，市面上的应用越来越多，用户不可避免地需要一个编排工具（orchestration tool）来将这些分散的应用串联起来，或者需要某种横向工具（horizontal tool）来统一构建 agent。而 n8n 正是这一生态位中的佼佼者，它正从一个工作流自动化工具，升级为 AI 应用的编排层。
本文提出了一个旨在提升基础模型工具使用能力的大型多模态数据集 ——ToolVQA。现有研究已在工具增强的视觉问答（VQA）任务中展现出较强性能，但在真实世界中，多模态任务往往涉及多步骤推理与功能多样的工具使用，现有模型在此方面仍存在显著差距。
2025上半年AI Agent领域经历模型竞争加剧和范式演进，DeepSeek等新模型打破垄断，推动Tool Use和强化学习突破。Agent从Prompt、Workflow发展为自主决策、环境感知和工具使用的智能体。编程领域验证PMF，落地机会集中于垂直场景和C端创新，但商业壁垒和技术挑战仍待解决。
「工欲善其事，必先利其器。」 如今，人工智能正以前所未有的速度革新人类认知的边界，而工具的高效应用已成为衡量人工智能真正智慧的关键标准。
上一篇文章聊了聊 Tool、MCP 和 Agent 三者之间的关系。简单来说就是 Agent = LLM + Tools，而 MCP 统一了 Tools 开发和使用的过程。
无论你是技术创造者还是使用者，理解这场认知革命都至关重要。我们正在从「AI as tools」向「AI as thinking partners」转变，这不仅改变了技术的能力边界，也改变了我们与技术协作的方式。
将与 Jomy 共同完成一系列技术科普，让最一线的工程师、用通俗的语言、讲最前沿的技术。这是系列第一篇，主题是最近大火的 MCP 和 Agent。读完本文，你一定会感叹：终于搞懂了！原来！竟然！这么简单！
Agentic AI 的 3 要素是：tool use，memory 和 context，围绕这三个场景会出现 agent-native Infra 的机会。
当你想将tool带入一个你无法控制的Agent时，MCP就是有用的。
