Agent Skill 与 MCP | 分享会 | (╹ڡ╹ ) 的博客

Agent Skill

什么是 Agent Skill

专业概念：Agent Skill（智能体技能）是一种模块化的能力扩展包，用于增强通用 AI 智能体的功能。它封装了特定领域的指令、元数据和可选资源文件（如脚本、模板、文档），让 AI 在遇到匹配场景时能自动调用这些专业能力，完成特定任务
通俗解释：就是大模型可以随时翻阅的说明文档
例子：比如，我现在想让大模型作为我的智能客服，那么我就可以一个“智能客服 Skill”，或者我又想要让大模型为我做一个会议总结，那么我又可以写一个“会议总结 Skill”，这样一来我就不用每次对话都去重复粘贴这一长串的要求，大模型自己翻翻这个说明文档就知道该怎么干活了

当然，说明文档只是一个简单通俗的说法，Skill 的功能要远比这个强大的多，后面会进行介绍，这里只是方便初步理解使用

怎么使用 Agent Skill

以 trae 为例：

步骤：
- 在项目根目录下创建 .trae 文件夹
- 在 .trae 文件夹内创建 skills 文件夹
- 在 skills 文件夹内创建你的技能文件夹（例如：skill-reviewer）
- 在技能文件夹内创建核心文件 SKILL.md

目录结构：

skill-name/
├── SKILL.md           # 必需：核心指令文件
├── references/        # 可选：参考文档目录
├── assets/            # 可选：模板和资源目录  
├── scripts/           # 可选：可执行脚本目录
└── templates/         # 可选：可复用的模板目录

核心文件 SKILL.md 的必要内容：
1. 元数据
  1. 这个 skill 叫什么
  2. 它做什么
  3. 什么时候应该使用
2. 主说明书（指令）
  1. 遇到这类任务怎么做
  2. 推荐的步骤是什么
  3. 有哪些约束
  4. 哪些边界需要注意
  5. …
3. 格式模板如下
```
---
name: template-skill
description: 请在此处替换为该技能的描述，以及 trae 应在何时使用它。

---

# 在下方插入指令
```
- 注意：name：name 名字要求与 skill 文件夹名字一致

Agent Skill 的核心机制

核心机制：按需加载，指系统或模型仅在识别到特定任务需求时，才加载、激活或调用相关的代码库、功能模块或提示词指令

进阶用法

核心机制：按需加载中的按需加载，类似于模块化分离出去，核心 SKILL.md 文件在需要的时候才进行引入调用，以进一步减少核心文件的体积

reference 概念：
- 给大模型准备的可以模块化分离出去的「权威参考资料」，告诉它在执行某个技能时，应该遵循哪些具体规则、标准和规范，这些当然也可以直接写在 SKILL.md 文件中，但这样核心文件不免越来越大，一些我们暂时没有用到的规范将会在我们这次的对话中浪费资源，因此我们可以将它们模块化的分离出去，核心 SKILL.md 文件在需要的时候才进行引入调用，以进一步减少核心文件的体积
- reference概念示例
script 概念：
- 可执行脚本目录，当 skill 不只是“给建议”，还需要执行一些确定性动作时，就可以把这些动作写成脚本放在这里

加载机制

渐进式披露

与 prompt 的区别

前面说了这么多，是不是感觉这和 prompt 提示词还有些相似，那么它俩的区别在哪里呢？

Prompt 是“给模型的一次性指令表达”
Skill是把一类可复用的 prompt + 工作流 + 资源约束打包成模块化能力
Skill 不是 Prompt 的对立面，而更像是：结构化、可复用、可发现、可按需加载的 Prompt 工程产物

推荐了解学习视频：

https://www.bilibili.com/video/BV1cGigBQE6n/（本文一些例子与图片也来自与本视频）

https://www.bilibili.com/video/BV1dz6oBWEWx/

MCP

MCP 是什么

MCP（Model Context Protocol，模型上下文协议） 是一套开源、标准化、跨平台的通信协议，核心目标是统一大模型、Agent、工具、数据源之间的上下文交互标准，解决上下文碎片化、数据隔离、协议不兼容问题。
本质上，大模型是一个只能问答的工具，而 MCP 的出现，就等于是让大模型拥有了使用各种外部工具的能力，简单来说，MCP 是让大模型从”只能聊天”升级为”能动手干活”的技术桥梁。
想象一下，大语言模型（比如我这样的 AI）就像一个特别聪明的大脑，但这个大脑只能”动嘴说话”，不能”动手做事”。比如你想让 AI 帮你整理电脑里的文件、查看数据库、或者操作设计软件，它通常做不到。
- MCP 就是解决这个问题的”万能插座”：
  - 它是一种标准化的连接协议，就像手机的 USB-C 接口一样
  - 通过 MCP，AI 可以安全地连接到你的电脑、数据库、各种软件工具
  - 让 AI 不仅能”说”代码，还能”做”事情 - 比如自动读写文件、操作浏览器、调用 API 等
- 举个实际例子：没有 MCP 时：你问 AI “帮我整理上周的会议记录”，AI 只能告诉你方法，不能真的去操作你的文件。有了 MCP 后，通过配置各种 MCP 服务工具，AI 可以直接访问你的文件系统，自动找到并整理那些会议记录文件。

MCP Server

MCP Server 就是 AI 的”工具管家”

举个例子：
- 你家有很多工具（文件、数据库、浏览器、计算器等），AI 就是一个新来的小助手，它想帮你做事，但不知道工具放在哪里、怎么用，MCP Server 就是这个管家，它把所有工具整理好，贴上标签，告诉 AI：“想要这个功能，就按这个标准方式来调用我”
一句话来说，MCP Server = 让 AI 安全地操作你电脑上各种工具的”安全桥梁”，本质是一段程序

tool

MCP Server 内置的一些模块
简单解释，一个 tool 其实就是一个编程语言里面的一个函数
举个例子，一个处理查询天气的 MCP Server ，它内部可能包含两个函数
- tool示例

调用 MCP Server 的内部执行机制

推荐 MCP 市场：

mcp.so

MCP Servers

The largest collection of MCP Servers, including Awesome MCP Servers and Claude MCP integration. Search and discover MCP servers to enhance your AI capabilities.

https://mcp.so/

https://mcpmarket.com/zh

mcpmarket.com

smithery.ai

https://smithery.ai/

Agent Skill 与 Prompt 与 MCP 的区别

它们看着功能相似，其实本质不在一个层面：

Skill 是 AI 的“技能书”或“操作手册”，教 AI 怎么做，增强内在认知和专业能力
MCP 是 AI 的“手”，让 AI 能够实际操作和连接外部工具，扩展外部操作能力和系统集成

一篇很好的关于我以上讲的 Agent Skill 与 Prompt 与 MCP 的关系的文章：

以下内容也摘自其中，https://javaguide.cn/ai/agent/skills.html

1. Skills vs Prompt

维度	Prompt	Skills
本质	单次对话的文本指令	可持久化、可发现的能力单元
复用性	随对话上下文丢失，难以维护	标准化封装，跨项目、多场景复用
加载机制	全量载入（挤占 Token）	延迟加载（按需读取正文）

Prompt：用户即时表达意图的载体（如”分析这份报表”）。
Skills：包含**元数据（何时使用）+ 正文（如何执行）**的完整方案，通过 load_skill() 机制按需加载到上下文。

2. Skills vs MCP

这是最容易产生误解的地方。

维度	MCP (Model Context Protocol)	Skills
核心思路	标准化连接：通过 JSON-RPC 统一数据格式	逻辑编排：用自然语言描述复杂执行路径
定义方式	在 Server 端用代码（TS/Python）写死逻辑	在 `SKILL.md` 中用自然语言引导模型决策
环境依赖	需要运行一个 MCP Server 进程	依赖可执行环境（如本地 Shell 或沙箱）
哲学	以协议为中心：一次编写，所有 AI 通用	以模型为中心：利用模型推理能力处理不确定性

MCP 解决的是连通性 ：它像 USB-C，让 AI 能以统一格式读文件、查数据库。
Skills 解决的是编排逻辑 ：它像一份说明书，告诉 AI 如何执行复杂任务流——这些任务完全可以包括调用多个 MCP 工具。
两者的关系 ：它们解决的是不同层面的问题。MCP 负责把外部系统接入进来，Skills 负责决定什么时候用、怎么组合这些能力。一个高级 Skill 的底层往往就是调用多个 MCP 工具。