当前位置：首页 > news >正文

大模型工具使用指南：MCP与Skills对比分析，收藏级技术解析

news 2026/3/27 1:42:23

正如猿人通过制作与使用石器开启人类工具新纪元，LLM借助外部数字工具减少幻觉，正引领人类迈入生产力大爆发的数字时代。

包括Function Call，MCP以及Skills都是LLM可以使用的外部工具，他们也属于上下文工程（Context Engineering）的一部分。

本文主要讨论一下智能体Agent工具领域的昨日之王MCP与今日新星Skills的联系与区别。

注：关于MCP与Skills的概念、技术原理市面上的资料与技术文章已是汗牛充栋，本文则不做重复阐述，本篇重在描述技术发展的时间轨迹以及联系与区别。

1、MCP的不足之处

MCP的作用与优势自然不必多说，上图是Anthropic公司给我们描述的以及网络上人们讨论MCP的美好画面。然而对于自己设计过MCP Sever或使用过MCP Tools的人来说，这画面并非故事的全部，MCP的安全风险、用户体验以及技术设计都存在一些问题（早在2025年3月，Mnaus首席科学家Peak就说出了“Actually, Manus doesn’t use MCP”，可见其团队AI认知的市场领先性）

下图是社交媒体上一个关于MCP的梗图，它非常形象地反应了当前MCP的尴尬现状

总结起来，MCP作为AI智能体连接外部工具的标准协议，虽在标准化集成方面具有优势，但仍存在多方面的不足之处：

协议层面：缺乏垮厂商标准化

虽然Anthropic公司开源了MCP协议

执行安全和隔离机制不足

这一点已得到改进，在2025年6月18日的更新中，协议增强了安全性（如明确MCP服务器作为OAuth资源服务器的角色

上下文同步与状态管理复杂，一次性加载全部Tools，大量消耗Token
（假设服务数为M，每个服务包含的Tools数量为N，则总Tools数量为M*N），这挤占了本来就很宝贵的智能体Agent上下文空间 - 即所谓“上下文爆炸”，这就决定了MCP + Tools组合形式的不可扩展性(No Scaling)。

这点严重阻碍了MCP的发展，在这个背景下，Skills机制的思路被探讨提出，即让大模型通过编写代码来动态调用外界工具，而不是一次性获得所有工具定义，这有助于管理复杂的工具集和大量数据返回，提升上下文空间的利用率。

注：虽然Claude Code MCP团队近期也提出了动态加载工具的思路以减少上下文Token数量(Tool Search now in Claude Code: https://x.com/trq212/status/2011523109871108570)，但Skills概念已深入人心。

2、从Claude.md/AGENTS.md到Skills

Claude.md 是Anthropic公司提出的一种项目上下文注入机制——当在 Claude 桌面应用中与某个项目文件交互时，Claude 会自动读取项目根目录下的 Claude.md 文件，并将其内容作为持久化指令注入到对话上下文中，主要是为了提高提示词的使用效率。

AGNET.md则是OpenAI和Google一起提出的对Claude.md/GEMINI.md/CODEBUDDY.md等机制的一个厂商标准化设计（所有Agent厂商都可以实现支持，这样开发者就不需要每个厂商写一个全局md文件）。它的核心思想为

统一标准：一个文件服务所有 AI 编程工具
开放格式：由 OpenAI、Google 等共同制定，非专有
智能就近：支持嵌套，离文件最近的 AGENTS.md 优先

AGENTS.md: One File for All Agents - by Aravind Putrevu

如果把LLM比喻为计算机的CPU，Context是内存，AGENTS.md则是这台智能机的外接硬盘（以文件系统组织形式）。

既然文件组织形式这么好用，为什么不推而广之？同时，在创建Agent应用实践过程中工程师们逐渐认识到这样一个现象：AI所有使用的工具类型当中，使用代码工具（写代码+执行代码）执行任务最擅长，完成任务的效率最高（UIUC的王星尧博士的《Executable Code Actions Elicit Better LLM Agents》论文专门研究了这个主题，读者可自行搜索阅读之）。Anthropic公司也认识到：Claude固然强大，但实际工作不仅需要流程性知识，还需要组织背景信息。于是在2025年10月Anthropic推出了Agent Skills：一种基于文件和文件夹构建专业智能体的新方式，其核心理念是让用户可以将专业知识和工作流程打包成"技能包"，使 Claude 从通用 AI 助手变身为特定领域的专家。

注：2025年7月，Manus工程博客发表《AI Agent的上下文工程：构建Manus的经验教训》，其中一条即为：使用文件系统作为上下文，再一次感叹Manus团队的超前认知。

也就是说：当文件系统遇上代码工具，计算机的生产力就彻底被解放了。这种设计思想最终可以追溯到：Unix/Linux “一切皆文件”的设计哲学。

一句话解释Skills：以文件系统的形式组织专业知识与工作流的技能包/工具箱。

下图是Anthropic官方收录的skills集合，基本上涵盖了职场人士的高频技能任务，如office套件、前端设计、画图等

https://skillsmp.com/zh 是民间收录的skills集合，当前技能数已达6w+。也就是说一旦定义为skills，这些技能就可以通过智能体Agent为所有人共享。如果说软件世界里的代码/库是操作行为上的复用，Skills则是方法论上的复用，而且是自然语言维度上的复用。这也意味着数字世界skills能力的边际成本已趋近为0。昨日，社交媒体上阿里千问App上的“一句话点奶茶外卖”的能力便是这些工具应用的冰山一角。

3、MCP与Skills的联系与区别

既然Skills这款Agent工具如此好用，是不是可以不需要MCP了？并不是。在单机里、在简单环境、在初级任务里，Skills机制确实可以很出色的完成使命。但现实世界尤其是商业环境，各个平台提供的服务都不尽相同，同一个平台的各业务方向执行环境也并非完全共享。这一切都需要一种可以交换商业服务的标准化协议，而且需要透明、安全、高效，这便是MCP存在的必要性。

Anthropic《Equipping agents for the real world with Agent Skills》

上图是Claude Code使用Skills与MCP的真实场景，二者的主要职责可以表述如下：