Automatische Übersetzung Dieser Artikel wurde automatisch aus der englischen Originalversion übersetzt.
Tool-Schnittstellen für AI Agents: MCP, Function Calling, CLI, Skills
Verwenden Sie Function Calling, wenn eine Anwendung einer einzelnen Model API ein kleines typisiertes Tool-Set bereitstellt. Verwenden Sie das Model Context Protocol (MCP), wenn mehrere kompatible Clients einen wiederverwendbaren Server entdecken und aufrufen sollen. Verwenden Sie eine CLI, wenn bereits ein stabiles Kommando existiert und Text oder Dateien eine geeignete Boundary darstellen. Verwenden Sie einen Skill, wenn wiederverwendbare Anweisungen, Skripte und Referenzen einem Agent die Ausführung eines Workflows beibringen sollen.
Diese Schnittstellen lassen sich kombinieren. Ein Skill kann einem Agent mitteilen, wann er ein MCP Tool aufrufen soll, ein MCP Server kann eine CLI kapseln, und ein Model kann den Aufruf über Function Calling auswählen. Die Security Boundary liegt weiterhin beim Harness und Runtime, nicht bei der Schnittstellenbeschreibung.
_ Zuletzt geprüft: 2026-08-10. Der Vergleich legt den Schwerpunkt auf klare Schemas, Wiederverwendung über mehrere Clients hinweg, Transport- und Deployment-Kosten, Least Privilege, Observability und Zuständigkeit für die Wartung._
Entscheidungstabelle
| Bedarf | Bester Ausgangspunkt | Wichtigster Hinweis |
|---|---|---|
| Kleines typisiertes Tool-Set innerhalb einer Anwendung | Function Calling | Ein gültiges Schema autorisiert die Aktion nicht und macht Argumente nicht automatisch sicher. |
| Wiederverwendbare Tools über kompatible Clients hinweg | MCP Tools | Server-Identität, Credentials, Tool-Änderungen und zurückgegebene Inhalte benötigen separate Kontrollen. |
| Vorhandenes Entwickler- oder Operations-Kommando | CLI | Text-Parsing, Shell Injection, Environment State und weitreichende Credentials können die Boundary fragil machen. |
| Wiederverwendbare Workflow-Anweisungen und Assets | Agent Skills | Anweisungen können die Tool-Nutzung steuern, stellen aber weder einen Transport noch eine Permission Boundary bereit. |
| Stabile In-Process-Logik | Typisierte Function oder Library API | Fügen Sie kein Protocol hinzu, wenn eine Codebase beide Seiten besitzt. |
Function Calling
Function Calling stellt dem Model benannte Operationen mit strukturierten Argumenten bereit. Es eignet sich für ein produktverantwortetes Harness, in dem Tools, Policy Checks, Credentials und Execution in einer Anwendung liegen. Halten Sie Schemas eng gefasst, validieren Sie jedes Argument und evaluieren Sie sowohl die Tool-Auswahl als auch den daraus resultierenden Side Effect.
MCP
MCP trennt Clients von wiederverwendbaren Servern und standardisiert Discovery und Invocation. Es ist nützlich, wenn dieselbe Integration mit mehreren kompatiblen Agents oder Anwendungen funktionieren soll. MCP entscheidet nicht, ob ein Tool Call erlaubt ist. Authentifizieren Sie den Server, begrenzen Sie Tokens, prüfen Sie Änderungen an Tool-Definitionen, isolieren Sie nicht vertrauenswürdige Server und behandeln Sie Results als nicht vertrauenswürdige Eingaben.
CLI Tools
Eine CLI ist häufig der kürzeste Weg zu ausgereiften Fähigkeiten wie Git, Package Managern, Cloud Tooling und Build-Systemen. Bevorzugen Sie Structured Output, explizite Working Directories, nicht-interaktive Flags, begrenzte Timeouts und eng gefasste Credentials. Vermeiden Sie es, aus nicht vertrauenswürdigem Text Shell-Strings zu erstellen.
Skills
Ein Skill bündelt prozedurale Anweisungen und kann Skripte, Referenzen oder Templates enthalten. Er ist nützlich, wenn die eigentliche Herausforderung im Verständnis des Workflows liegt und nicht in der Erstellung eines neuen Remote Tools. Halten Sie den Skill klein genug für ein Review, pinnen Sie externe Annahmen und machen Sie destruktive oder externe Aktionen explizit.
Auswahl-Checkliste
- Wer besitzt Client, Schnittstelle und Implementierung?
- Muss die Schnittstelle von mehreren Clients wiederverwendet werden?
- Ist das Input-Schema eng gefasst und versioniert?
- Wo werden Authorization und Approval durchgesetzt?
- Können nicht vertrauenswürdige Inhalte Credentials oder Network Egress erreichen?
- Sind Calls, Argumente, Results und Policy-Entscheidungen nachvollziehbar?
- Kann ein typisierter Library Call das Problem mit einer kleineren Surface Area lösen?
Weiterführende Lektüre
- AI Agent Tool Use vergleicht MCP, CLI, Skills, Code Execution und Agent-Computer-Schnittstellen im Detail.
- MCP Server Tutorial erstellt einen typisierten Server und testet ihn vor der Model-Integration.
- AI Agent Security behandelt die Kontrollen rund um jede Schnittstelle.