Adventure 7：AI 超能力（MCP 工具）
Sign in
Adventure 7：AI 超能力（MCP 工具）
如果 AI 可以自己选工具、自己解决问题，不再需要你一步步交代呢？欢迎来到 Tool Calling 和 Model Context Protocol（MCP）的世界。

Adventure 1

今天的任务
给 AI 超能力
理解 Tool Calling（工具调用）
看清 AI 是怎样自己挑选工具的
掌握 MCP 协议
发现 AI 与工具之间的通用语言
安装 MCP 服务器
搭好真正能让 AI 使用的工具
创建自定义工具
做你自己的一份 AI 超能力

Adventure 1

本节大悬念
❓
如果 AI 能自己挑工具，不再由你指定，会发生什么？
想一想：现在你必须一步步告诉 AI 怎么做——「先做这个，再做那个」。可是，如果 AI 聪明到能自己判断要用哪些工具呢？
它会更强大？更危险？更有用？我们一起来一探究竟。

Adventure 1

第一幕：没手没脚的 AI
先来个比喻。今天的 AI 像一颗会说话的超级聪明大脑，但有个明显的问题……
有大脑
AI 模型非常聪明，能理解复杂的问题
会说话
AI 能生成文字、和你对话
但没有手脚！
AI 没法真在现实世界里做事——它只能告诉你「该做什么」

Adventure 1

天气这个例子
还记得我们想让 AI 查天气吗？我们来回顾一下当时是怎么做到的。
1
用户提问
「今天天气怎么样？」
2
AI 回答
「我没法查天气。」
3
我们写一份 SKILL.md
把每一步指令写给 AI
4
AI 按步骤来
用我们写的脚本去取天气
这套办法能跑通，可如果你有 100 种不同的工具呢？难道要写 100 份 SKILL.md？工作量爆炸。

Adventure 1

讨论时间
两人一组：手动方案的问题

转向同伴讨论（3 分钟）：
  • 如果要为 100 种工具写说明，会出哪些问题？
  • 总共要花多少时间？
  • 如果某个工具升级了，我们写好的说明会怎样？
准备一条洞察，等下分享给全班。

Adventure 1

Tool Calling 带来的变革
Tool Calling 改变了一切。你不再需要把每一步告诉 AI，它自己就能决定用哪些工具。下面对比一下旧方式和新方式。

Adventure 1

传统方式 vs. Tool Calling
❌ 传统方式
用户提问
↓
AI 生成文字回答
↓
我们写一份带具体步骤的脚本
↓
脚本执行动作
↓
结果返回
问题： 所有事情都得你来当中间人！
✅ Tool Calling 方式
用户提问
↓
AI 分析当下需要什么
↓
AI 选定合适的工具
↓
工具自动执行
↓
AI 收到结果并向你解释
神奇之处： AI 拥有了独立性！

Adventure 1

关键区别：AI 拿到了控制权
Tool Calling 之前
你是老板，你告诉 AI：「用这个工具，配上这些参数，按这个顺序。」AI 像机器人一样照做。
Tool Calling 之后
AI 自己当起了「老板」。你交给它一个目标，它自己琢磨：「要解决这件事，先用工具 A，再用工具 B，参数大概是这些。」AI 在自己思考。

Adventure 1

真实例子：搜索请求
没有 Tool Calling
用户： 「帮我搜一下最新的 Python 教程。」
AI： 「抱歉，我没有上网的能力，只能用我训练时的数据来回答。」
💔 走到死胡同，用户失望。
有了 Tool Calling
用户： 「帮我搜一下最新的 Python 教程。」
AI 内心活动： 我需要搜一下网……（自动调用 web_search 工具）
AI： 「我找到了 3 份不错的教程：1）Real Python 的进阶课；2）FreeCodeCamp 的 2024 指南；3）Python.org 官方文档。」
✨ 问题被自动解决了！

Adventure 1

检查点问题
快速检查：你领会了吗？

能答上来的同学请举手：
一句话说出：传统 AI 命令和 Tool Calling 最主要的区别是什么？
（提示：想想是谁在做决定）
如果还有点懵也别担心——很快我们会上手实操，所有点都会串起来。

Adventure 1

第二幕：MCP 协议的谜题
我们知道 AI 能自己调用工具了，下一个问题来了：AI 怎么知道每一种工具该怎么用？答案就是 MCP —— Model Context Protocol。

Adventure 1

MCP 是什么？
全称
Model Context Protocol
一个让 AI 和工具沟通的通用标准。
把它想成 HTTP
  • HTTP = 浏览器和网站之间的对话方式
  • MCP = AI 和工具之间的对话方式
正如所有网站都用 HTTP 让浏览器能正确打开它们，所有工具都用 MCP 让 AI 知道该怎么使用它们。

Adventure 1

为什么需要标准？
想象你走进 10 家不同的餐厅，每家点餐方式都完全不同：一家用菜单，一家用手势，还有一家非要你押韵才行。那简直是灾难。
1
问题
每个工具都有自己独特的接口和命令
2
MCP 的解法
所有工具都遵循同一份「菜单格式」
3
结果
AI 学一次，就能用上所有工具。

Adventure 1

MCP 怎么工作的：一步步来
01
用户发出请求
「帮我找一下电脑里的文件。」
02
AI 识别需求
「我需要一个用来搜文件的工具。」
03
MCP 服务器递上菜单
可用工具如下：list_files、search_files、read_file
04
AI 选定工具和参数
「我用 search_files，参数 pattern='*.txt'。」
05
MCP 执行并返回
运行命令，把结果带回来
06
AI 给出最终答复
「我找到了 3 个文本文件：notes.txt、homework.txt、ideas.txt。」

Adventure 1

标准化的魔力
MCP 真正强大的地方在这里：一旦一个工具遵循 MCP 标准，它就能跟任何懂 MCP 的 AI 配合使用。相当于给 AI 装了一个万能翻译器。
通用兼容
工具可以与所有支持 MCP 的 AI 一起工作
即插即用
装一次，到处都能用
易于扩展
新工具立即可用，无需重新训练模型

Adventure 1

小组讨论
想—配对—分享：协议的力量

第 1 步（1 分钟）： 独立思考
生活中还有什么例子靠「协议」或「标准」让事物协同工作？
第 2 步（2 分钟）： 和搭档分享
互相对比想法，整理出 2 到 3 个例子
第 3 步（3 分钟）： 全班分享
每组挑一个最好的例子分享
可能的例子：USB 线、手机充电器、红绿灯、电源插座……

Adventure 1

第三幕：动手做！
理论够了，开始上手装 MCP 工具。我们要赋予 AI 它的第一项真正的超能力。准备敲命令、看魔法吧。

Adventure 1

活动 1：安装你的第一个 MCP 服务器
我们要安装一个名为 filesystem 的 MCP 服务器，让 AI 能操作你电脑里的文件和文件夹。仔细跟着走。
第 1 步：定位
cd ~/clawd
这会带你进入 clawd 目录
第 2 步：安装
openclaw mcp add filesystem
这会装上 filesystem 工具集
第 3 步：重启
这一步让新工具生效
等大家都完成这几步后再继续。

Adventure 1

测试你的安装
现在来测一下是否成功。逐条试下面的命令，观察发生了什么。
测试 1：列出文件
openclaw agent --message "Show me what files are in my home directory"
预期结果： AI 会列出你所有的文件和文件夹
测试 2：读取内容
openclaw agent --message "Read the contents of SOUL.md"
预期结果： AI 会显示该文件里的文字

🎉 成功标志： 如果你看到了文件名或文件内容——恭喜，你的 AI 现在拥有文件系统的超能力。

Adventure 1

排错站
常见安装问题
报错：command not found
问题： 你没在正确的目录里
修复： 确认你运行过 cd ~/clawd 再继续
报错：Permission denied
问题： 你的用户没有相应权限
修复： 试着在命令前加上 sudo 再执行
装完之后工具没生效
问题： 你忘了重启
修复： 运行 openclaw restart 再试一次

Adventure 1

再安装更多超能力！
filesystem 只是个开始。我们再加两个非常实用的工具：web search 和 calculator。它们会让 AI 能上网搜索、能算数学。
网页搜索工具
openclaw mcp add web-search
让 AI 上网搜索最新信息
计算器工具
openclaw mcp add calculator
让 AI 进行复杂的数学计算
别忘了运行 openclaw restart 再继续！

Adventure 1

检查点活动
测试所有工具

挑战（5 分钟）： 试着让你的 AI 做这几件事：
  1. 「搜一下网上最新的 AI 新闻。」
  1. 「算一下 347 × 892 + 56。」
  1. 「列出当前目录下所有的 Python 文件。」
成功标准： AI 应该针对每个请求自己挑出对应的工具，全程不需要你点名。

Adventure 1

第四幕：做自己的工具
真正激动人心的部分到了——你要从零做一个属于自己的 MCP 工具，正式成为 AI 工具的「创造者」。我们要做的是一个简单但有用的工具：随机数生成器。

Adventure 1

为什么要做自定义工具？
解决独特问题
为只属于你的需求做出还不存在的工具
在创造中学习
通过亲手做，去理解工具到底是怎么运作的
和别人分享
你做的工具可以帮整个社区
可能性无限
你能写出来，AI 就能用上

Adventure 1

活动 2：做一个随机数生成器
我们要做一个生成随机数的工具，借此理解 MCP 工具的基本结构。跟着老师的指引，一步步搭出来。
你会学到
  • MCP 工具的结构怎么写
  • 怎么定义工具的参数
  • 怎么把结果返回给 AI
  • 怎么把工具注册进去
工具规格
名字： random_number_generator
用途： 生成随机数
参数： min、max、count
返回： 一组随机数

Adventure 1

测试你做的工具
做好之后，看看它是否真的能用。试试这条命令：
openclaw agent --message "Generate 5 random numbers between 1 and 10"
观察 AI 的思考过程
你应该能看到 AI 意识到它需要调用你做的工具
检查参数
AI 应该自动设好 min=1、max=10、count=5
核对输出
你应该会拿到 5 个 1 到 10 之间的数
换不同的请求试试！ 改变范围和个数，确认它都能正确响应。

Adventure 1

小组头脑风暴
构想新工具

3 到 4 人一组（5 分钟）：
头脑风暴：你还能做什么自定义工具？可以从这几个角度想：
  • 你有哪些重复做的事情可以自动化？
  • 什么样的工具能让你的生活变轻松？
  • AI 还能在哪些有趣或创意的事上帮上忙？
把你最满意的三个想法写下来分享。

Adventure 1

第五幕：连锁反应挑战
真正有意思的来了：当 AI 需要把多个工具组合起来解决一个问题时，会发生什么？我们用一个复杂任务来看看。

Adventure 1

终极组合测试
我们要交给 AI 一个任务，让它按顺序调度多个工具——这叫做「链式调用」，最能体现 AI 真正的自主能力。
openclaw agent --message "Help me do the following:

1. Generate 5 random numbers

2. Write the results to a new file called results.txt

3. Calculate the average value

4. Report the final answer"
我们来拆解一下应该发生什么……

Adventure 1

幕后正在发生什么
报告
计算
保存
生成
AI 必须有策略地思考：「先生成随机数，再把它们存到某个地方，然后算一下，最后给用户一个总结。」它在自己制定并执行计划。

Adventure 1

观察 AI 的编排能力
跑这套组合测试时，留意以下细节：
1
工具选择
AI 是否按正确的顺序选了正确的工具？
2
数据传递
AI 是否正确把上一步的结果传给下一步？
3
错误处理
万一某一步失败，AI 会换条路走吗？
4
最终汇报
最后 AI 是否清晰地把整件事总结一遍？

Adventure 1

搭档讨论
反思「自主性」

和搭档讨论（3 分钟）：
回想一下你刚刚看到的：
  • 它和传统编程有什么本质区别？
  • AI 有这么大的控制权，可能会出哪些问题？
  • 我们该加哪些防护措施？
准备好分享一条担忧和一条好处。

Adventure 1

常见错误与排错
错误：找不到工具
症状： AI 说它无法访问你刚装好的工具
原因： 工具没注册好，或者系统还没重启
修复： 运行 openclaw mcp list 查看已装的工具，然后 openclaw restart
错误：参数错了
症状： 工具能跑，但结果不是你想要的
原因： AI 选的参数不对
修复： 请求里把你想要的取值说得更明确
错误：工具执行顺序错了
症状： 步骤错乱
原因： 你的请求没把顺序讲清楚
修复： 把步骤写明编号：「先做 X，再做 Y，最后做 Z。」

Adventure 1

🏅 成就解锁！
🦸 超能力赋予者
你让 AI 学会了自主使用工具
🔧 工具创造者
你从零做出了自己的 MCP 工具
🔗 链式高手
你目睹了 AI 按顺序协调多个工具
⚙️ MCP 架构师
你弄懂了 Model Context Protocol 是怎么工作的

Adventure 1

知识检查小测
看看你记住了多少。诚实回答下面 5 道题——别有压力，只是给自己看。
MCP 是什么的缩写？
传统 AI 命令和 Tool Calling 最主要的区别是什么？
今天我们装了哪两个 MCP 工具？说出名字。
装好一个新的 MCP 工具之后，要运行哪条命令？
对还是错：在 Tool Calling 模式下，每个任务你都必须明确告诉 AI 用哪个工具。

Adventure 1

测验答案
1
答案
Model Context Protocol —— 让 AI 和工具能互相沟通的标准
2
答案
AI 自己决定用哪些工具 而不是你来指定每一步
3
答案
下面任意两个都行： filesystem、web-search、calculator，或者你自己做的随机数生成器
4
答案
openclaw restart —— 让新装的工具真正生效
5
答案
错！ 那是老办法。在 Tool Calling 中，AI 会根据你的目标自动选工具

Adventure 1

课后挑战
准备好把功夫往前推一步吗？下面三个挑战能把你对这套机制的理解再往上提一档。
挑战 1：心情日记
做一个自定义 MCP 工具，用来记录你每天的心情。要能保存带时间戳的条目，并支持查看历史。
挑战 2：探索开源
在 GitHub 上找一个开源的 MCP 服务器，装上它，再写一份简短的报告：它是干什么的、怎么工作的。
挑战 3：安全第一
查资料并写一篇短文：如果 AI 能调用付费 API，应该有哪些安全措施？想想成本上限、权限控制、审批流程。

Adventure 1

离堂作业：反思时间

下课前，写下：
  1. 今天你新学到的一件事 让你意外的地方
  1. 你还有一个什么问题 关于 MCP 或 Tool Calling
  1. 你打算把它怎样用上 在你自己的项目里加上自定义 AI 工具
交给老师，或者贴到班级讨论板上。

Adventure 1

下一节：压轴大戏！
🎓
你已经掌握了 Tool Calling 和 MCP，给 AI 装上了超能力，也亲手做了自己的工具。下一段冒险，我们要把前七节全部串起来——拼成一个完整的学习系统。
准备好做一件真正惊人的东西。最后一章见。
Adventure 7 完成
下一节：终极挑战

Adventure 1