企业官网建设流程全解析

Function Calling、MCP、Skills 到底怎么选？Agent 模型通道改走 TaoToken 再跑流程验证

在把 MCP Server 接到 Claude Code，或者写 SKILL.md 让模型按固定流程执行时，很多人先怀疑协议、schema 或权限，却忽略了模型通道本身是否可用。TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 提供模型通道的 Key 和 Base URL，但它不替代 Function Calling、MCP 或 Skills 的工作。请求如果打到错误 Base URL、Key 没生效，Function Calling 不会返回 tool_calls，Skills 的 load_skill 也不会被触发。先把 TaoToken 的 Key 和 Base URL 配好，再去区分 Function Calling、MCP、Skills 的选型，会少走很多弯路。API 地址填 https://taotoken.net/api，注意不带 /v1，也不加 UTM。接下来用天气查询 tool_calls 和 SKILL.md 加载流程做验证，看请求能否通、tool_calls 能否正常返回。

一、原问题与场景：Function Calling、MCP、Skills 不是同一层，SKILL.md 跑不通先查模型通道

Function Calling、MCP、Skills 经常被放在一起讨论，但它们并不是互相替代的三个工具。更准确地说，Function Calling 是模型侧的原子能力：模型把用户的自然语言意图转换成结构化的函数调用，典型表现就是返回带 tool_calls 的 JSON。MCP 解决的是异构系统接驳问题：它提供一套标准化协议，让 LLM 或 Agent 客户端能以统一方式连接外部数据源和已有系统。Skills 更偏流程编排：用文字、Markdown、脚本和资源文件定义任务流程，再通过 Function Calling 去加载 SKILL.md，让模型按文档里的步骤执行。

这三者的选型并不复杂。简单 API 调用优先用 Function Calling，比如查天气、算汇率、查订单状态。需要接已有系统时用 MCP，比如接公司知识库、Jira、数据库、GitHub、Slack 这类已经存在的服务。面对强流程任务时用 Skills，比如发版、合规检查、代码审查、数据分析 SOP。真正容易踩坑的地方在于：无论你选哪一种，只要涉及模型决策，就会产生模型请求，而模型请求本身要消耗 Token。原文讲了概念和选型，但没有给模型通道的准备步骤。接 MCP Server 或写 SKILL.md 跑流程时，如果模型通道没配好，就会出现请求超时、401、404、tool_calls 不返回、SKILL.md 不加载等现象。

如果你用 Claude Code 或 Codex 做 MCP、Skill 实验，需要把模型通道单独配好。Claude Code 关注 settings.json 里的 ANTHROPIC_* 变量，Codex 关注 config.toml 里的 model_provider 和 base_url。以 TaoToken 为例，Base URL 填 https://taotoken.net/api，Key 用刚创建的 YOUR_API_KEY。TaoToken 只提供模型通道的 Key 和 Base URL，不替代 Function Calling、MCP 或 Skills 本身。MCP Server 仍然要你自己接，SKILL.md 仍然要你自己写，tools schema 仍然要你自己定义。把模型通道准备好之后，再跑原文里的天气查询 tool_calls JSON 或 SKILL.md 加载流程，验证请求能通、tool_calls 能正常返回。

二、TaoToken 前置：只提供模型通道的 Key 与 Base URL

TaoToken 在这类实验里的角色很明确：提供模型请求所需的 Key 和 Base URL。它不是 MCP Server，也不是 Skills 运行时，更不是 Function Calling 的实现方。你需要先到官网注册并创建 Key：

官网注册入口：
https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

创建 Key 后，在支持 Function Calling 的客户端里填入：

• Base URL：https://taotoken.net/api
• API Key：YOUR_API_KEY
• 模型 ID：按你在 TaoToken 控制台实际可用的模型填写，本文用 MODEL_ID 代指

注意两个细节。第一，Base URL 不要写成 https://taotoken.net/api/v1，很多 OpenAI 兼容客户端会自动拼接 /v1/chat/completions，你多写一层会导致路径重复，出现 404。第二，Base URL 不要带 UTM 参数，UTM 用于网页跳转统计，不适合作为 API 基础地址。Key 则使用你在控制台新建的那一个，不要继续用示例里的 YOUR_API_KEY。

如果你只是验证 Function Calling，可以在通用 OpenAI 兼容客户端里设置环境变量。如果你用 Claude Code 做 MCP、Skill 实验，就改 settings.json 中的 ANTHROPIC_* 配置。如果你用 Codex，就改 config.toml。Cline、CC Switch 或其他支持自定义 Base URL 的客户端，逻辑相同：找到模型提供商设置，把 Base URL 指向 https://taotoken.net/api，把 API Key 换成刚创建的 Key。TaoToken 不替代编辑器，也不替代 Agent 框架，它只负责让模型请求有可用的通道。

三、可复制配置：settings.json、config.toml 与 SKILL.md 示例

先给通用环境变量配置。很多支持 Function Calling 的 SDK 和 CLI 都会读取 OPENAI_BASE_URL 与 OPENAI_API_KEY：

export OPENAI_BASE_URL="https://taotoken.net/api" export OPENAI_API_KEY="YOUR_API_KEY"

请求时用${OPENAI_BASE_URL}/v1/chat/completions，也就是 https://taotoken.net/api/v1/chat/completions。Base URL 本身仍然保持不带 /v1。

如果你用 Claude Code 做 MCP 和 Skill 实验，可参考~/.claude/settings.json：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "MODEL_ID" } }

如果当前 Claude Code 版本读取的是ANTHROPIC_API_KEY，就把变量名替换成对应名称，值仍然是刚创建的 Key。JSON 文件不要写注释，变量名大小写也不要改错。改完后重启 Claude Code，避免旧环境变量被缓存。

如果你用 Codex，可参考~/.codex/config.toml：

model = "MODEL_ID" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY"

然后设置环境变量：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

这里base_url同样不带 /v1，不加 UTM。model_provider和[model_providers.taotoken]的名称要一致，否则 Codex 可能找不到供应商配置。

Skills 实验需要准备一个 SKILL.md。它的 front matter 里name和description很关键，因为模型会依据这些元数据判断是否加载。下面是一个天气报告 Skill 示例：

--- name: weather-report description: 当用户询问某个城市某天天气时，按固定流程调用 get_weather 并生成简短报告 --- # weather-report 执行流程： 1. 从用户问题中提取城市和日期。 2. 调用 get_weather，参数为 city 和 date。 3. 如果缺少城市或日期，先向用户追问。 4. 拿到工具结果后，输出城市、日期、温度、天气和一条出行建议。

当用户问“杭州明天天气怎么样”时，支持 Skills 的客户端会把 Skill 元数据放进上下文。模型判断需要该 Skill 后，会通过 Function Calling 调用类似load_skill(skill_name)的函数，把 SKILL.md 内容加载进当前上下文。之后模型再按文档步骤调用get_weather。整个过程依赖 Function Calling，而 Function Calling 的模型请求走的就是你刚配好的 TaoToken 通道。

MCP 实验同理。MCP Server 的注册方式取决于客户端，比如在 Claude Code 的 MCP 配置里声明 server 命令、参数和环境变量。但 MCP 只负责客户端与外部系统之间的 JSON-RPC 接驳，模型侧仍然要能返回 tool_calls。如果模型通道不通，MCP Server 即使启动成功，Agent 也无法完成工具调用。

四、验证请求：天气 tool_calls JSON 与 SKILL.md 加载结果

先验证 Function Calling。用 cURL 发一个带 tools 的请求：

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "MODEL_ID", "messages": [ {"role": "user", "content": "帮我查一下杭州明天的天气"} ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "查询指定城市指定日期的天气", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "城市名"}, "date": {"type": "string", "description": "日期，如 tomorrow 或 2025-01-01"} }, "required": ["city", "date"] } } } ], "tool_choice": "auto" }'

如果模型通道正常，并且模型支持 Function Calling，响应里应该出现tool_calls，而不是一段纯自然语言。期望结果类似：

{ "choices": [ { "message": { "role": "assistant", "content": null, "tool_calls": [ { "id": "call_weather_001", "type": "function", "function": { "name": "get_weather", "arguments": "{\"city\":\"杭州\",\"date\":\"tomorrow\"}" } } ] }, "finish_reason": "tool_calls" } ] }

看到finish_reason为tool_calls，function.name为get_weather，就说明模型已经正确输出结构化调用。接下来你的应用要解析function.arguments，执行真实天气查询，再把结果以role: "tool"和对应tool_call_id回填给模型。模型收到工具结果后，才会生成最终回答。

再验证 SKILL.md 加载流程。你可以把 tools 里加入load_skill：

{ "type": "function", "function": { "name": "load_skill", "description": "按名称加载 SKILL.md，用于执行固定流程", "parameters": { "type": "object", "properties": { "skill_name": {"type": "string"} }, "required": ["skill_name"] } } }

当用户请求匹配weather-report的 description 时，期望模型返回：

{ "tool_calls": [ { "id": "call_skill_001", "type": "function", "function": { "name": "load_skill", "arguments": "{\"skill_name\":\"weather-report\"}" } } ], "finish_reason": "tool_calls" }

客户端解析后读取 SKILL.md，把内容注入上下文。如果 SKILL.md 里定义了get_weather调用步骤，后续模型还会继续输出天气查询的 tool_calls。成功标志是：请求能通、tool_calls 正常返回、SKILL.md 能被加载、后续工具调用能按流程继续。选型仍然照原文：简单 API 用 Function Calling，接既有系统用 MCP，强流程任务用 Skills。

五、本篇常见错排查：Base URL、tool_calls、skills 加载失败

第一，Base URL 多写 /v1。配置里应填 https://taotoken.net/api，请求路径由客户端拼接。如果填成 https://taotoken.net/api/v1，再拼一次 /v1/chat/completions，就会出现重复路径和 404。

第二，Key 没有替换。YOUR_API_KEY只是占位符，必须换成 TaoToken 控制台新建的 Key。401 或 invalid api key 通常先查这里。

第三，Claude Code settings.json 语法错误。JSON 不支持注释和尾逗号，ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN等变量名要按客户端版本文档写。改完要重启客户端。

第四，Codex config.toml 中 provider 名称不一致。model_provider = "taotoken"必须对应[model_providers.taotoken]。env_key指定的环境变量也要提前 export。

第五，模型通道没带 tools。Function Calling 需要请求体里有 tools 定义。没有 tools 时，模型可能只返回自然语言，不会出现 tool_calls。

第六，工具结果回填错误。执行完函数后，回填消息要用role: "tool"，并带上原来的tool_call_id。如果当成普通 user 消息回填，模型可能无法继续流程。

第七，SKILL.md 的 description 太模糊。描述里要写清触发条件，例如“当用户询问某城市某天天气时”。如果描述太泛，模型可能不触发load_skill。

第八，MCP Server 启动成功但模型通道不通。MCP 只解决客户端到外部系统的接驳，模型请求仍要经过 TaoToken 或其他模型通道。MCP Server 日志正常，不代表 tool_calls 会正常返回。

第九，Base URL 带 UTM。API 基础地址不要带utm_source、utm_content等参数，网页官网链接可以带，API 地址保持干净。

第十，客户端缓存旧配置。环境变量、settings.json、config.toml 改完后，最好重启 Claude Code、Codex、Cline 或 CC Switch，再发一次天气 tool_calls 验证请求。

六、CTA：按排障、验证模型与长期 Agent 分流

如果你的问题集中在 settings.json、config.toml、CC Switch、Cline 或 MCP/Skills 接入排障，先检查 API Key 和接入文档。API Keys 页面：
https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

接入文档入口：
https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

如果你只是先验证模型能否正常返回 tool_calls、SKILL.md 能否触发加载，去模型对话里发一条带工具的测试请求：
https://taotoken.net/console/chat?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite

如果你准备把 MCP、Skills 放进长期编码或 Agent 工作流，关注 Coding Plan：
https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

还没有 Key 的话，从官网注册并创建：
https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

拿到 Key 后，把 Base URL 填成 https://taotoken.net/api，Key 填 YOUR_API_KEY 对应的实际值，再跑一遍天气查询 tool_calls JSON 或 SKILL.md 加载流程。选型不变：简单 API 用 Function Calling，接既有系统用 MCP，强流程任务用 Skills。TaoToken 只负责模型通道，Function Calling、MCP、Skills 的实验和流程仍然由你的客户端、MCP Server 与 SKILL.md 共同完成。