网络安全工程师必知:FunctionCalling和MCP,到底是什么?"

admin 2026-10-16 13:09:13 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

网络安全工程师必知:Function Calling 和 MCP,到底是什么?

原创

承影
承影

兰花豆说网络安全

2026年10月14日 23:34
广东

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

过去,我们使用 AI,主要是让它回答问题、分析日志、编写代码。但现在,AI 不仅能思考和回答,还能调用工具、查询数据库、执行命令,甚至串联多个系统完成任务。

例如,让 AI 分析一段 Web 访问日志,它可以进一步调用日志平台查询数据、使用威胁情报接口核验 IP,再生成安全分析报告。

AI 从“会回答”走向“能干活”,背后有两个值得网络安全工程师重点关注的技术:Function Calling 和 MCP。

一、Function Calling:让 AI 学会调用工具

Function Calling,通常翻译为“函数调用”或“工具调用”,是让大模型能够按照约定的格式,提出调用外部函数或工具的请求。

需要注意:大模型通常负责决定调用什么工具、传递什么参数,真正执行函数的是外部程序,而不是模型本身。

以安全运营为例,工程师希望 AI 查询某个 IP 的威胁情报。系统可以预先定义一个查询函数,要求输入 IP 地址并返回查询结果。

典型流程如下:

  1. 用户提出问题:“帮我查询这个 IP 是否存在恶意行为。”
  2. 大模型判断需要调用威胁情报查询函数。
  3. 模型按照约定的参数格式输出调用请求。
  4. 应用程序校验参数和权限,执行查询。
  5. 查询结果返回给大模型,由模型分析并生成结论。

Function Calling 解决的核心问题是:如何让大模型按照结构化约定,调用外部能力。

在网络安全领域,它可以用于日志查询、漏洞信息检索、资产查询、告警分析、工单创建,以及调用自动化响应接口等场景。

二、MCP:让 AI 更方便地连接外部工具

如果说 Function Calling 解决了模型如何提出工具调用请求,那么 MCP(Model Context Protocol,模型上下文协议)关注的是:AI 应用如何以统一的协议连接外部工具、数据和上下文资源。

MCP 由 Anthropic 于2024年推出,采用客户端—服务器架构。一个 MCP Server 可以向 AI 应用提供三类主要能力:

  • Tools(工具):执行操作,例如查询漏洞、检索日志。
  • Resources(资源):提供数据,例如安全知识库、配置文件。
  • Prompts(提示模板):提供可复用的提示模板。

举个例子,一家企业有多个安全系统:SIEM、安全资产管理平台、漏洞扫描平台和工单系统。过去,开发者可能需要为不同 AI 应用分别编写各系统的对接代码。

通过 MCP,可以为这些系统提供标准化接口,让支持 MCP 的 AI 应用更方便地发现和使用相应能力,减少重复集成工作。

但要注意,MCP 并不意味着所有系统接入后就能自动互通。实际使用仍然需要开发或部署 MCP Server,并处理身份认证、权限控制、数据格式和兼容性等问题。

三、Function Calling 和 MCP 有什么区别?

两者并不是竞争关系,而是解决不同层面的问题。

对比维度 Function Calling MCP
核心作用 让模型提出工具调用请求 标准化 AI 应用与外部能力的连接
关注重点 调用什么、传递什么参数 如何发现、连接和使用工具及资源
主要参与者 模型、应用程序、函数或工具 MCP Host、MCP Client、MCP Server
典型用途 让 AI 查询 IP 威胁情报 让 AI 应用通过统一协议连接威胁情报服务
两者关系 可以作为工具调用机制的一部分 可以承载工具定义与调用交互

需要特别说明:MCP 并不等于 Function Calling,也不取代大模型自身的工具调用能力。MCP 负责协议层面的连接与交互,而模型如何选择工具、如何生成调用请求,仍取决于 AI 应用和模型的具体实现。

四、网络安全工程师必须关注的三个风险

当 AI 可以调用工具,它就不再只是一个聊天窗口,而可能成为能够访问企业数据、执行操作的智能体。新的能力也意味着新的攻击面。

第一,工具权限过大。

如果 AI 能直接执行系统命令、修改防火墙策略或删除数据,一旦模型判断错误,或者被恶意指令诱导,就可能造成真实损失。

建议遵循最小权限原则,对高风险操作设置审批、隔离和审计机制。

第二,提示词注入与工具滥用。

攻击者可能在网页、邮件或文档中植入恶意指令,诱导 AI 调用不该调用的工具,尝试读取敏感数据或执行越权操作。

不能因为请求来自 AI,就默认它是可信的。所有工具调用都必须在服务端进行权限校验。

第三,MCP Server 和工具供应链风险。

恶意或存在漏洞的 MCP Server,可能成为数据泄露、凭据窃取和越权操作的入口。

企业应核验服务来源,审查工具实现,保护 API 密钥,限制网络访问,并持续监控工具调用行为。

五、未来:安全工程师要学会构建“可控的 AI”

Function Calling 让 AI 能够调用工具,MCP 则让外部工具和数据能够通过更标准化的方式接入 AI 应用。两者共同推动 AI 从内容生成走向任务执行。

对于网络安全工程师而言,这不仅意味着可以利用 AI 提升安全运营、漏洞分析和应急响应效率,也意味着必须重新审视传统安全边界。

过去,我们重点保护 API、数据库、服务器和业务系统;现在,还需要关注 AI 能调用什么工具、能够访问哪些数据、如何获得授权,以及每一次操作是否可追溯。

AI 时代,安全的关键不只是让模型更聪明,而是让它在正确的权限下,执行正确的操作,并且始终处于可控、可审计的边界之内。

END

推荐阅读

网络安全人士必知的AI Agent网络攻防能力基准测试框架BountyBench

2026-10-13

一文讲透 SCA 与 SBOM:软件供应链安全,为什么两者缺一不可?

2026-10-12

Anthropic 免费开放 AI 漏洞扫描:开源软件安全,正在进入 AI 自动化时代

2026-10-11

网安人必看!REA 开源工具,让 AI 直接参与软件逆向分析

2026-10-10

湖南网信办约谈4家大模型企业:安全不是上线后的补丁

2026-10-09

网络安全工程师必知:FunctionCalling和MCP,到底是什么?" 网络安全文章

网络安全工程师必知:FunctionCalling和MCP,到底是什么?"

文章解析FunctionCalling与MCP技术,指出前者让AI按约定调用外部工具,后者标准化AI应用与外部能力连接,两者解决不同层面问题。文章强调网络安全工程师需关注工具权限过大、提示词注入与工具滥用、MCPServer供应链三大风险,建议遵循最小权限原则、服务端权限校验及持续监控,构建可控可审计的AI。
从一张浴室照到具体门牌号,这家AI公司把室内照片变成侦查线索" 网络安全文章

从一张浴室照到具体门牌号,这家AI公司把室内照片变成侦查线索"

本文介绍Graylark公司AI工具Raven,能通过分析室内照片像素特征反推拍摄地点,甚至匹配到具体房源。该工具已售予洛杉矶警局等执法部门,具备定位、车辆识别、图像真伪验证等功能。文章同时指出其数据来源涉及Airbnb等平台抓取争议,并警示照片隐私边界已改变,建议公众注意分享照片的潜在风险。
最新AI渗透平台收录【信矛AI自主渗透平台】" 网络安全文章

最新AI渗透平台收录【信矛AI自主渗透平台】"

本文介绍信矛AI自主渗透平台(SpearTrust),针对业务系统日级迭代下年度渗透测试过期问题,提出常态化持续安全验证方案。平台以AI原生、专家在环为核心,自主推演攻击路径、验证漏洞可利用性并生成可复现证据链。文章强调监管变化(公安部令第176号)推动渗透测试常态化,并展示600余项目实战验证成果,覆盖系统上线前、重保前等六类关键场景。
评论:0   参与:  0