7.5 其他工具生态《AI智能体应用开发》

AI智能体应用开发 鲍亮崔江涛李倩范涛 清华大学出版社【行情 报价 价格 评测】-京东

《AI智能体应用开发》1~6章试读-CSDN博客

除了OpenAI /v1/chat/completions接口外，还有一些其他的工具生态，它们实际上也可以以某种形式转换为7.4节描述的工具协议。在本节将介绍两种生态，分别是MCP[13]和Claude Skills[14]。

7.5.1 MCP

MCP（Model Context Protocol）是由Anthropic于2024年末推出的一项开放标准，旨在成为AI应用领域的“USB接口”。在传统的集成方式中，开发者需要为每个数据源（如Google Drive、Slack、本地数据库）编写特有的连接代码；而MCP提供了一个通用的通信协议，使得AI模型可以无缝地切换和访问各种外部上下文。

[wy1] [wy2]

图7-4 MCP架构

1. 核心架构

MCP采用了典型的客户端-服务器（Client-Server）架构，包含以下三个关键角色。

• MCP Host：运行AI模型的宿主环境（如Claude Desktop、IDE或自定义的智能体应用）。
• MCP Client：宿主内部的组件，负责与各种服务器建立连接。
• MCP Server：轻量级程序，负责暴露特定工具（Tools）或数据（Resources）。

2. 三大原语（Primitives）

MCP将外部能力抽象为以下三种核心形式。

• Resources（资源）：类似于“读取”操作。它允许模型访问静态数据，如本地文件、数据库记录或API文档。
• Tools（工具）：类似于“执行”操作。这是对7.4节函数调用的升级，支持更复杂的双向交互和状态变更。
• Prompts（提示模板）：服务器可以提供预设的指令模板，帮助模型更好地理解如何使用该服务器提供的数据。

3. 与OpenAI协议的关系

虽然MCP的底层使用JSON-RPC 2.0进行通信，但它的设计初衷是高度兼容的。开发者可以通过中间层轻松地将MCP Server工具转换为OpenAI/v1/chat/completions接口所需的tools列表格式，从而让仅支持OpenAI协议的模型也能享受到MCP社区丰富的插件。

7.5.2 Claude Skills

在AI助手不断演进的技术版图中，Claude Agent Skills（代理技能）代表了一项基础性的架构创新。它将一个通用型大语言模型转化为一个能够高效、模块化地执行复杂上下文任务的专业化系统。

与传统的提示工程（Prompt Engineering）不同，后者需要在每一次交互中反复嵌入指令，而Claude的Skills机制引入了结构化、可复用、基于文件系统的能力模块，使系统能够按需加载与执行。

每个Skill由三部分构成：SKILL.md（主要指令文件，必需）、scripts/（可执行代码，可选）、reference/（参考资源，可选）。

Claude Agent Skills的架构本质上是一种基于文件系统的能力模块化设计。每一个Skill都以独立目录的形式存在于Claude的虚拟文件系统中，通过SKILL.md文件向模型声明其名称、用途和适用场景。这种设计将“模型本身的语言能力”与“具体任务能力”解耦，使Claude能够像加载插件一样扩展自身功能，而无须在每次交互中重复注入大量指令性提示。

在此基础上，Claude引入了分层加载机制来控制上下文成本。Skill的内容并非一次性进入模型上下文，而是按照“元数据-指令-资源”的层级逐步暴露：元数据在系统启动时即被读取，用于能力发现；当某个Skill被实际需要时，其核心指令才会被加载进上下文；而更大体量的参考资料或可执行脚本，则仅在被明确引用时才从文件系统中读取或执行。这种渐进式加载方式使模型在保持能力丰富度的同时，避免上下文窗口被无关信息占用。

动态加载与触发逻辑是Skills架构的关键运行机制。Claude在处理用户请求时，会基于已加载的Skill元数据对任务意图进行匹配，一旦识别出合适的Skill，便从文件系统中按需加载对应的指令内容，并在必要时调用相关资源或脚本执行。整个过程遵循“先识别、再加载、再执行”的顺序，使Claude能够在不牺牲推理空间的前提下，完成结构化、可复用且可组合的复杂任务流程。