上一篇讲了 MCP 是什么，提到它有三种能力。这一篇展开讲这三种——Tools、Resources、Prompts。
多数人接触 MCP 只用 Tools（它和上一篇的 @tool 概念一致）。但 Resources 和 Prompts 也是 MCP 的能力，各有用途。理解全部三种，才能用好 MCP。
三种能力一句话
先一句话概括：
| 能力 | 一句话 | 模型怎么用 |
|---|---|---|
| Tools | 模型可调用的函数 | 模型决定调用，传参，拿结果 |
| Resources | 模型可读的数据源 | 模型（或应用）读取，作为上下文 |
| Prompts | 可复用的 prompt 模板 | 应用加载，填变量，用 |
下面逐个讲。
Tools：模型调用的函数
这是最常用的，和上一篇 @tool 概念一致——模型可以「调用」的函数。
典型场景：查订单、发邮件、调外部 API。模型根据需要，决定调哪个工具、传什么参数，拿到结果继续推理。
关键特征：由模型主动决定调用。模型判断「这个问题需要查数据库」，于是调用数据库工具。工具是有副作用的（执行了什么操作）、有返回的（给了结果）。
Tools 是 MCP 最核心、最常用的能力。前面两篇（32、33）讲的基本都是它。
Resources：模型可读的数据
Resources 是模型（或应用）可以读取的数据源。和 Tools 不同，Resources 不是「调用执行」，而是「读取内容」。
典型场景：一份配置文档、一段产品说明、一个日志文件。把这些作为 Resource 暴露，应用可以读取它们，塞进模型的上下文。
关键特征：是数据，不是动作。Resources 提供的是「模型可以参考的信息」，而不是「模型可以执行的操作」。
什么时候用 Resource 而不是 RAG 检索？如果数据量小、结构固定、每次都要参考（比如产品规格表），直接作为 Resource 读取更简单；如果数据量大、要按相关性筛选，用 RAG 检索更合适。
Prompts：可复用的提示模板
Prompts 是标准化的、可复用的 prompt 模板。一个组织可以把常用的 prompt（比如「代码审查提示」「总结提示」）作为 MCP Prompt 暴露，不同应用加载使用。
关键特征：是 prompt，不是数据或动作。它解决的是「prompt 复用」问题——团队里每个人各写各的 prompt，质量参差；标准化成 MCP Prompt，大家用同一份经过打磨的。
这个能力目前用得相对少，但随着 prompt 工程的成熟，标准化复用 prompt 的需求会增长。
三者的区别与配合
| 维度 | Tools | Resources | Prompts |
|---|---|---|---|
| 本质 | 动作（函数） | 数据（内容） | 提示（模板） |
| 谁用 | 模型调用 | 应用/模型读取 | 应用加载 |
| 类比 | API 方法 | 配置文件 | 函数签名模板 |
三者可以配合：一个 MCP server 可能同时提供 Tools（让模型能操作）、Resources（给模型参考数据）、Prompts（标准化提示）。完整的 MCP 应用，三种能力都用上。
现实：Tools 主导，另两个在长
现实情况：Tools 是 MCP 当前绝对的主力，大多数 MCP server 只提供 Tools。Resources 和 Prompts 用得少，但概念上是 MCP 的一部分，未来可能长起来。
所以学 MCP，先吃透 Tools（已经够用），知道有 Resources 和 Prompts 这两个能力（遇到时不陌生），不用急着深入后两个。
收束：三种能力，Tools 为主
这一篇讲了 MCP 三种能力：
- Tools：模型调用的函数（最常用）
- Resources：模型可读的数据源
- Prompts：可复用的 prompt 模板
- 三者本质不同：动作、数据、提示
- 现实 Tools 主导，另两个在长
下一篇转到 Phase 5 的另一半——记忆：Agent 怎么记住上文。会讲 LangChain 的记忆是怎么实现的（state + middleware），不是什么神秘机制。
关于十三Tech
我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。我相信 AI 是程序员的最佳搭档。
如果你想跟完这套「图解 LangChain」，欢迎关注公众号 「十三Tech」。全系列 42 篇，会按认识基础、LangGraph 状态机、Agent 与 middleware、RAG 检索、Tools/MCP/记忆、生产化收束这条线更新。
