【AI】MCP和SKILLS区别
在 Cursor 中，MCP 和 Skills 是两种让 AI 变得更强大的扩展方式。为了让你更直观地理解，我们可以把 Cursor 里的 AI 想象成一个**“超级员工”**：
- MCP 是这个员工的“外接器官”（比如给他装上一双能连接公司数据库的手，或者一副能实时联网的眼镜）。
- Skills 是这个员工脑子里的“标准作业程序 / 专属技能书”（比如教他一套“如何写周报”的固定流程，或者“如何按公司规范写代码”的必读手册）。
下面为你详细拆解这两个概念：
🌉 什么是 MCP？—— 给 AI 插上“外接器官”
MCP的全称是 Model Context Protocol（模型上下文协议）。它的核心作用是打破 AI 的“信息孤岛”，让 Cursor 能够连接和操作外部世界。
- 它的本质：一套标准的“USB-C 接口”。只要外部工具（比如 Figma、GitHub、本地数据库、浏览器等）实现了这个接口，Cursor 的 AI 就能直接读取里面的数据，甚至指挥它们干活。
- 它能做什么：
- 连设计稿：通过 Figma MCP，AI 可以直接读取设计稿的图层、颜色、间距，一键生成 1:1 还原的网页代码。
- 连数据库：AI 可以直接查询你本地的数据库，帮你写 SQL 或分析数据。
- 连浏览器：AI 可以操控浏览器，帮你自动化测试网页或抓取实时信息。
- 怎么配置：通常在 Cursor 的设置界面（Tools & MCP）里添加，或者在
.cursor/mcp.json文件里写一行配置命令/网址即可。
📖 什么是 Skills？—— 给 AI 发“专属技能书”
Skills是一套可复用的能力模块。它的核心作用是把你或团队的“最佳实践”和“固定工作流”教给 AI，让它在遇到特定任务时，能像专家一样按标准流程办事。
- 它的本质：一本“按需加载的操作手册”。它不是简单的几句话规则，而是包含详细步骤、示例代码、甚至辅助脚本的完整指南。
- 它能做什么：
- 规范代码审查：你可以写一个“PR 审查 Skill”，教 AI 在审查代码时，先拉取差异、再检查有没有调试代码、最后按固定格式输出报告。
- 统一提交规范：写一个“Commit 规范 Skill”，AI 在生成提交信息时，就会自动按照
feat(xxx): 描述的格式来写，而不是随便写个“update code”。 - 封装复杂流程：比如“日志分析 Skill”，教 AI 遇到报错时，自动去读
.log文件、用正则提取堆栈信息、最后汇总出错误原因。
- 怎么触发：
- 自动触发：你在 Skill 文件里写好描述（比如“当用户要求审查代码时使用”），AI 发现你的指令匹配时会自动调用。
- 手动调用：你可以在对话里直接输入
/skill-name来强制让 AI 使用某个技能。
⚡ 一张表看懂它们的区别
为了帮你更好地区分，我们可以把它们和 Cursor 里的另一个概念Rules（基础规则）放在一起对比：
| 概念 | 本质比喻 | 核心作用 | 触发方式 |
|---|---|---|---|
| Rules (规则) | 公司宪法 | 规定最基础的底线（如：禁止写某类代码、统一用某种命名） | 始终生效，每次对话都带着 |
| Skills (技能) | 岗位操作手册 | 封装特定领域的复杂工作流（如：代码审查、日志分析） | 按需加载，遇到特定任务才激活 |
| MCP (协议) | 外接器官/工具 | 连接外部数据源和工具（如：查数据库、读 Figma、控浏览器） | 按需连接，AI 需要外部数据时调用 |
💡 总结
- 如果你希望 AI能“看到”或“操作”你电脑里、或其他软件里的东西，你需要用MCP。
- 如果你希望 AI在处理特定任务（如写 Commit、审代码）时，能严格按照你规定的“套路”和“步骤”来执行，你需要用Skills。
两者结合，就能让 Cursor 从一个普通的“聊天机器人”，进化成真正懂你业务、能连接你所有工具的“超级编程代理”。