Tool-Schnittstellen für AI Agents: MCP, Function Calling, CLI, Skills
Automatische Übersetzung Dieser Artikel wurde automatisch aus der englischen Originalversion übersetzt.
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 akzeptable Boundary darstellen. Verwenden Sie einen Skill, wenn wiederverwendbare Anweisungen, Skripte und Referenzen einem Agent beibringen sollen, wie ein Workflow ausgeführt wird.
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: 10.08.2026. Der Vergleich priorisiert klare Schemas, Wiederverwendung über mehrere Clients hinweg, Kosten für Transport und Deployment, Least Privilege, Observability und die 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 für kompatible Clients | MCP Tools | Serveridentität, Credentials, Änderungen an Tools und zurückgegebene Inhalte benötigen separate Kontrollen. |
| Vorhandenes Entwickler- oder Operations-Kommando | CLI | Text-Parsing, Shell Injection, Umgebungszustand 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 Logik innerhalb eines Prozesses | Typisierte Function oder Library API | Fügen Sie kein Protokoll 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 produktverantwortliches Harness, in dem Tools, Policy Checks, Credentials und Ausführung 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 zulässig 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 Funktionen wie Git, Package Managern, Cloud-Tools und Build-Systemen. Bevorzugen Sie Structured Output, explizite Arbeitsverzeichnisse, Non-Interactive Flags, begrenzte Timeouts und eng begrenzte Credentials. Vermeiden Sie es, aus nicht vertrauenswürdigem Text Shell-Strings zu erzeugen.
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 so klein, dass er überprüfbar bleibt, pinnen Sie externe Annahmen und machen Sie destruktive oder externe Aktionen explizit.
Checkliste zur Auswahl
- Wer besitzt Client, Schnittstelle und Implementierung?
- Müssen mehrere Clients die Schnittstelle wiederverwenden?
- Ist das Input-Schema eng gefasst und versioniert?
- Wo werden Autorisierung und Freigabe erzwungen?
- 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 Angriffsfläche lösen?
Weiterführende Lektüre
- AI Agent Tool Use vergleicht MCP, CLI, Skills, Code Execution und Agent-Computer-Schnittstellen ausführlich.
- MCP Server Tutorial erstellt einen typisierten Server und testet ihn vor der Model-Integration.
- AI Agent Security behandelt die Kontrollen rund um jede Schnittstelle.