上个月我把一整个MCP服务给删了。不是因为它不好——相反，它跑得那叫一个丝滑。删它纯粹是因为我突然醒悟：我搭了个“方向跑偏”的抽象层，纯属白费功夫。

那服务封装了一套复杂的代码仓库分析工作流，认证、限流、异常处理全套配齐，标准的生产级配置。结果后来我用Agent Skills重搞了一遍，只花了俩小时。不用搭服务，不用定协议，就一个Markdown文件加几个示例，搞定。

那一刻我豁然开朗：MCP和Skills根本不是竞争对手，它们解决的是完全不同的问题。把它俩搞混，要么会造出过于复杂的架构，要么就得面对一碰就碎的脆弱系统——纯属自找罪受。

现在的AI生态圈，正经历一场严重的“身份认同危机”。MCP服务遍地都是，各大主流AI工具也纷纷上线Agent Skills，开发者们直接陷入迷茫：“到底该用哪个啊？”

问错问题了兄弟。这就好比问“我该用数据库还是函数？”——一个负责存储能力，一个负责调用能力，各司其职罢了。MCP给AI提供“工具”，也就是它能执行的动作；而Skills给AI灌输“知识”，告诉它该在何时、以何种方式使用这些工具。

2025年3月OpenAI支持MCP之后，离谱的事发生了：大家开始啥都用MCP服务来搭。想让ChatGPT懂你们公司的编码规范？搭个MCP服务。想让它遵循特定工作流？再搭一个。需要它理解你们的文档格式？猜都猜到了——还是搭MCP服务。

这哪里是扩展能力，分明是用“架构债”伪装出来的“可扩展性”，纯属给自己埋雷。

MCP服务本质是“执行环境”。它的核心价值，就是把AI嘴里的“我可以这样调用GitHub API”，变成实实在在的API调用动作。

比如Claude要读取你的Notion数据库时，不会瞎编API调用逻辑——它会给你的Notion专属MCP服务发请求，由服务器处理认证、发起真实API调用，最后返回结构化数据。MCP服务，就是“能力”的栖息地。

打个比方：MCP就像是AI的双手。没有它，AI没法敲键盘、开文件、查数据库，根本没法在现实世界里执行任何操作。而MCP服务，就是那双“能干活的手”。

一个典型的MCP工具定义长这样：


server.tool({
  name: "query_database",
  description: "对生产数据库执行SQL查询",
  inputSchema: {
    type: "object",
    properties: {
      query: { type: "string" },
      limit: { type: "number", default: 100 }
    }
  },
  async handler(params) {
    const result = await db.query(params.query, params.limit);
    return { rows: result.rows, count: result.count };
  }
});

关键词是“handler”——这可是会真实运行的代码。MCP服务，就是连接AI“意图”和系统“执行”的桥梁。

Agent Skills的真实作用：知识上下文层

Skills就不一样了。它不管AI“能做什么”，只管AI“知道什么”。

Agent Skill是一个结构化的“知识包”，它告诉AI：“遇到这种场景时，你需要这些上下文，要遵循这些模式，这是正确做法的示例”。

Skills就是带YAML前置配置的Markdown文件——无服务器、无协议、无运行时，纯粹是AI在需要时加载的结构化信息。

这是我自己用的代码审查Skill，实战派选手：


---
name: code_review_standards
description: 应用团队的代码审查规范
tags: [code, review, standards]
---
# 代码审查规范
## 适用场景
在审查合并请求（PR）或分析代码质量时激活。
## 审查清单
- 安全性：检查SQL注入、XSS攻击、权限绕过漏洞
- 性能：标记N+1查询、缺失索引、内存泄漏问题
- 编码风格：严格遵循团队规范（见下方示例）
## 示例
### 规范写法：参数化查询
```python
cursor.execute("SELECT * FROM users WHERE id = ?", (user_id,))
```
### 不规范写法：字符串拼接
```python
cursor.execute(f"SELECT * FROM users WHERE id = {user_id}")
```
## 常见模式
遇到数据库查询时，务必验证是否使用了参数化写法……

注意看：这里没有任何执行逻辑、API调用或处理器。Skills纯纯是“知识输出”——教AI怎么思考，而不是怎么动手。

MCP和Skills的区别，就像“工具”和“培训手册”的区别。

MCP回答的是“我能做这件事吗？”；Skills回答的是“我应该做这件事吗？该怎么做？”

我见过一个团队，花了三周时间搭了个MCP服务，就为了强制执行API设计规范。服务器要校验API文档、检查命名规范、标记安全问题，几百行校验逻辑全跑在服务端。

然后有人灵魂拷问：“这玩意儿为啥不能做成Skill？”

问得好！AI根本不需要服务器来理解“什么是好的API设计”——它需要的是示例、模式，以及你们团队对“好设计”的定义。而这，正是Skills的强项。

最后他们花了一个下午，把MCP改成了Skill。效果一模一样，却省掉了所有基础设施的麻烦。

最妙的地方来了：Skills和MCP是“神仙队友”，能完美配合。Skills告诉AI“要做什么”，MCP给AI“做事的能力”。

分享我的真实工作流：我有个叫“deployment_verification”的Skill，里面写死了我们的部署检查清单，包括“验证数据库迁移”“检查错误率”“校验API端点”这些步骤。

但这个Skill不负责执行检查——它会引用能真正干活的MCP工具：

Skill提供工作流知识，MCP服务提供执行能力——缺了谁都玩不转。

什么时候才真的需要MCP？（提示：比你想的少得多）

MCP只适用于“需要在系统中真实执行”的能力。满足以下场景，再考虑MCP：

但“知识类”需求，完全不需要MCP。教AI编码规范？用Skill。解释公司流程？用Skill。提供优质文档示例？还是用Skill。

判断标准很简单：如果能把内容写成指令和示例，那大概率是Skill；如果要碰外部系统或实时数据，那才是MCP该干的活。

什么时候用Skill更香？（能帮你省好几个星期）

Skill在处理“领域知识”和“流程信息”时，优势拉满。

我以前维护过一个MCP服务，专门用来“理解”公司的故障响应手册——它会解析手册、提取流程，再格式化给AI看。现在回头看，纯属过度工程化的典型。

其实AI根本不需要解析逻辑就能懂手册，直接给它手册原文就行。我把整个手册改成了Skill——就是结构化的手册文本，结果效果更好，因为AI能看到完整上下文，而不是被切割后的片段。

对于频繁更新的知识，Skill也更合适。更新Skill只需改个Markdown文件；而更新MCP服务，得改代码、测试、重新部署——维护成本天差地别。

反常识观点：大部分MCP服务器都没必要存在

说个扎心的大实话：现在大家搭的MCP服务，大部分都是“没必要的抽象层”。

开发者们把MCP当成了“万能解药”：想给AI灌输公司上下文？搭MCP服务。需要它理解架构？搭MCP服务。想强制执行规范？还是搭MCP服务。

这思路完全错了。MCP是用来“执行”的，不是用来“教学”的。

过度依赖MCP，其实源于一个好初衷：开发者想做正式、可版本化、可测试的集成。但这份初衷，却让大家把“知识类问题”，硬生生做成了“能力类问题”的服务器架构。

Skill看似“不正式”，就一个Markdown文件，但这份“不正式”恰恰是它的优点。知识就该易于更新、易于评审、易于理解，把它裹在服务器架构里，不会变更好，只会更难维护。

终极测试法：如果把MCP服务里的所有执行逻辑删掉，它还能提供价值，那它就该是个Skill。

最优架构，是让两层各司其职、协同工作：


// MCP服务器：只负责能力执行
server.tool({
  name: "deploy_service",
  description: "将服务部署到生产环境",
  inputSchema: { /* ... */ },
  handler: async (params) => {
    return await deploymentSystem.deploy(params);
  }
});

---
name: production_deployment
description: 安全的生产环境部署工作流
---
# 生产环境部署流程
## 部署前检查清单
1. 确认所有测试用例执行通过
2. 检查无活跃故障
3. 确认部署窗口期
## 部署步骤
使用 `deploy_service` 工具，参数配置如下：
- 环境："production"
- 回滚：启用
- 部署后监控15分钟
## 回滚条件
出现以下情况立即触发回滚：
- 错误率>1%
- P95响应时间>500毫秒
- 任何严重告警触发

边界清晰，各司其职。MCP服务管部署的“技术实现”，Skill管“安全部署的知识”——完美。

MCP和Skills不是二选一的对手，而是AI系统架构中“互补的两层”。

最大的误区，就是把它俩当成替代品。它们不是替代品，而是同一技术栈的不同层级。搞懂“什么问题该归哪一层管”，就能在“优雅架构”和“维护地狱”之间，做出正确选择。

你正在搭建什么样的架构？是不是把知识塞进了服务器，又把执行逻辑写进了Markdown文件里？

搞懂 MCP 与 Agent Skills，AI 架构效率翻倍

大模型全栈架构师

人工智能

架构设计

开发工具

MCP服务和AgentSkills是AI生态中的互补技术：MCP负责系统执行能力（API调用、数据库操作等），而Skills专注于领域知识传递（编码规范、工作流程等）。正确区分使用可避免架构过度复杂化，MCP处理需要真实系统交互的场景，Skills则更适合知识型需求。两者协同工作能构建更高效的AI系统，MCP提供"怎么做"的能力，Skills指导"该做什么"的决策。

结构化数据

文件系统

数据库

服务器

ChatGPT

4核4G3M云服务器 新用户低至38元/年！

2026新春采购季

tencentdb-catalog

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

MCP服务和AgentSkills是AI生态中的互补技术：MCP负责系统执行能力（API调用、数据库操作等），而Skills专注于领域知识传递（编码规范、工作流程等）。正确区分使用可避免架构过度复杂化，MCP处理需要真实系统交互的场景，Skills则更适合知识型需求。两者协同工作能构建更高效的AI系统，MCP提供"怎么...

搞懂 MCP 与 Agent Skills，AI 架构效率翻倍

搞懂 MCP 与 Agent Skills，AI 架构效率翻倍

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐