- 综合排序
- 最热优先
- 最新优先
你分得清 Prompt、Agent、Function Call、Skill、MCP 吗？
Skill（技能） 是什么：这是一个偏产品和应用层的概念。一个 Skill 可以理解为赋予 Agent 的一种特定能力或“插件”。 工作流程：一个支持 MCP 的 Agent 可以通过 MCP 客户端，去连接一个 MCP 服务器（比如一个 Google Drive 服务器，或一个本地文件服务器）。 一个 Skill 可以封装多个 Function Call。Skill能力包应用/产品层如何将一组相关功能打包，方便 Agent 调用？ Agent 通过拥有 Skill 来获得能力。MCP协议基础设施层如何让 Agent 能通用、安全地发现和连接任何工具？它是“万能接口标准”。 Skill 是技能包，将相关工具打包，让 AI 的能力模块化。 Agent 是执行者，利用大脑（LLM）规划，使用手脚（Function Call/Skill）去自主完成任务。
8510编辑于 2026-03-16浅谈AI工作流 VS AI Agent VS MCP
MCP（模型上下文协议） 使代理变得强大的秘密武器。 •不是面向用户的工具 — 这是为开发者准备的。 •MCP 安全地将AI代理与以下工具连接：•Notion•Slack•日历•Perplexity•可以将它看作是一个带有记忆和权限的API翻译器。 没有MCP，你的代理可以思考，但无法行动。 结尾 像一些智能体平台像扣子空间和百炼中做的那样，可以将工作流发布成mcp，然后添加到任务中由AI 大模型决定什么时候该调用哪一个mcp来提供支持，有点类似于套娃，可以催生出无限多种可能。 AI工作流适合那些重复性的任务，AI代理则能够在复杂环境中做出自主决策，而MCP则为AI代理提供了强大的基础设施支持。 声明：本文部分内容由山行AI翻译整理自：https://medium.com/@genai.works/cheat-sheet-ai-workflow-vs-ai-agent-vs-mcp-0459dcdcbf83
13410编辑于 2026-03-13AI Agent Skill 科普
这些"不可控"的行为，让很多人对 AI 不能完全放手去用，今天，我就来详细聊聊AI Agent Skill 这个让AI变"听话"的工具。 什么是AI Agent Skill？ 实战案例解析 写作Agent Skill 以我使用的写作Agent为例，核心架构是： 两层判断机制 先判断工作区（公众号/视频/技术文档等） 再判断任务类型（新写作/修改/审校等） 9步写作流程 从理解需求到最终交付的完整流程 企业应用企业用Skill标准化业务流程，提高效率和一致性。比如"客服Skill"、"销售Skill"、"产品Skill"等。 Q：团队如何共享Skill？ A：通过共享文档、代码仓库或专门的Skill管理平台。 Q：如何处理多个Skill的冲突？ A：建立Skill的优先级机制，明确哪个Skill在什么情况下生效。 总结 AI Agent Skill不是什么复杂的技术概念，它就是一种让AI更听话、更实用的方法。 通过结构化的规则和流程，Skill解决了AI"不可控"的核心问题。
23020编辑于 2026-03-10拒绝概念通胀：一文读懂 Data Agent、Skill 与 MCP 的技术真相
最近一个月，被问了三次类似的问题： "Agent、Skill、Tools、MCP……这些到底啥关系？" "我们花了 50 万做的 AI Agent，感觉就是个套壳聊天机器人？" 行业里充斥着：Agent（数字员工）、Bot（机器人）、Skill（技能列表）、Tools（工 集）、MCP（模型上下文协议）、Command（指令）…… 这种混乱的本质，是营销话术跑在了技术工程标准前面 目前这更多是由 LLM 自主完成，或者在 Skill 中预定义路径。 MCP（协议连接） 它可以扩展数字员工的 Tools 能力，给员工装上更多"干活的手"。 畅想未来，当 LLM 足够强大时，所谓的 Skill 可能就不需要了，也许仅仅是"一个 LLM + MCP + 数据 + 应用"就能搞定一切。 规划 VS 工作流 上面在"数字员工"介绍中，我使用了"规划"，而没引入"工作流"。也许有人认为这就是同一个东西，但这里面有核心区别： 规划（Planning） 一种推理能力，是动态的。
18110编辑于 2026-03-04MCP 和 Skill 的联系和区别
MCP和Skill是ClaudeCode中两个关键的扩展机制。他们到底是什么关系？今天用一句话说清楚。MCP是手，Skill是脑。MCP扩展AI能做什么？Skill扩展AI怎么做好？两者互补而非替代。 Skill是一个Markdown文件，教Claude如何完成特定任务，就像黑客帝国里你有上传功夫技能AI，按需加载专业知识，比如代码审查标准。 写作风格指南两者的核心区别在于MCP解决能力边界问题，让AI能访问外部系统。Skill解决知识边界问题，让AI知道如何做好特定任务。 MCP是跨平台协议，Skill是ClaudeCode专属功能，最强大的用法是组合使用，比如代码审查工作流。Skill定义审查标准和流程。MCP负责获取GitHubPR创建基软任务。 Skill是编排层，MCP是执行层。记住口诀：MCP是手，Skill是脑。MCP让AI能做事，Skill让AI做好事，单一任务选其一。复杂工作两手抓。
52610编辑于 2026-01-23mcp agent skills rules 这些的区别和作用， 落地场景 ， 和普通的API 调用到底有什么区别？
“自主决策 + 多步执行”的能力 → 有：Agent → 没有：其他全是“被调用的能力组件” 二、API vs MCP：这是很多人最容易混淆的点 1️⃣ 传统 API 调用（你非常熟） 业务代码 → SDK 3️⃣ MCP ≠ Agent 非常关键的一点： MCP 只负责“接工具” 不负责“什么时候用 / 怎么用 / 用几次” 这件事永远是 Agent 的职责 三、Skill：站在 Agent 视角的“能力单元 • 只干一件事 2️⃣ Skill 和 MCP 的关系 Skill（能力定义） ↓ MCP（暴露给模型的协议） ↓ LLM / Agent（使用者） Skill 是“业务抽象” MCP 是 单纯 LLM + 知识库 = 高级搜索 没有 Agent = 没有闭环 = 没有业务价值 真正有价值的是： Agent ├─ Skill（能干活） ├─ Rule（不乱来） └─ MCP（能接系统 ） 八、最后给你一个工程级结论 API 是“函数” Skill 是“能力” MCP 是“适配层” Rule 是“护栏” Agent 是“执行体”
5710编辑于 2026-03-16- 来自专栏运维有术
一张图读懂 Skills 与 MCP：让你的 AI Agent 同时拥有“大脑”和“双手”
要突破这一瓶颈，关键在于理解并运用两种根本不同的 AI 扩展框架：Skill 和 MCP。它们分别赋予了 AI Agent 思考的“大脑”和行动的“双手”。 要点一：最直观的区别—“专业手册” vs “USB-C接口” 要理解 Skill 和 MCP，最快的方式就是通过一个直观的类比。 Skill 就像是给 AI 一本“专业手册”。 要点二：最核心的差异—教 AI “怎么想” vs 让 AI “能做到” 这两个框架最核心的差异，在于它们作用于 AI 的不同层面。 Skill + MCP = 最佳组合 在一个专业级的 AI Agent 中，这两者协同工作的流程是这样的： Skill（大脑）：负责定义“做什么”和“怎么做”。它为任务提供专业的流程和领域知识。 简单回顾一下：要打造一个强大的 AI Agent，我们不仅需要通过 Skill 赋予它专业的知识和思考框架，还需要通过 MCP 给予它连接和改变物理与数字世界的能力。
3.8K22编辑于 2026-01-27 - 来自专栏AI大模型
2026年AI应用技术栈：深度剖析Agent Skill“渐进式披露”架构！企业如何利用Agent Skill，为通用大模型配备精准的“岗位SOP”？
**Agent Skill 是什么？ 但在 VS Code、Cursor 等 IDE 深度集成后，社区迅速意识到这是一种**“解耦模型智力与业务逻辑”**的通用方案。 如果说大模型是一个高智商的“通用人才”，那么 Agent Skill 就是企业为其配备的**“岗位 SOP（标准作业程序）”**。### 1. 传统 Prompt vs. ---## 六、 行业图谱：Agent Skill 与 MCP 的协同效应在 2026 年的技术栈中，**MCP (Model Context Protocol)** 与 **Agent Skill** **最终产出**： * 用户得到一份既包含实时数据（来自 MCP），又符合专业研报格式（来自 Skill）的分析报告。
4.5K20编辑于 2026-01-09 - 来自专栏机器学习与统计学
大模型世界新宠，从Claude走向开源，OpenAI 入局，Agent Skills 10000字教程
大家好，我是 Ai 学习的老章 今天聊一个我觉得被严重低估的东西——Agent Skills（智能体技能） 如果你一直关注 AI Agent 领域，可能听说过 MCP（Model Context Protocol 一、什么是 Agent Skills？ 简单来说，Skill 就是一个教 AI 怎么干活的「技能手册」。 [24] 科研论文处理 6.3 工具 **Skill_Seekers[25]**：把文档网站自动转换成 Claude Skill 七、Skills vs MCP vs Subagents：什么时候用什么 这三个概念容易混淆，我给你划个重点： Skills vs MCP vs Subagents 对比 一句话总结： Skills = 教 AI 怎么做（可移植的专业知识） MCP = 给 AI 连接数据（外部数据源和 2025 年是 AI Agent 之年，Skills 给了我们一个极其简洁的方式来扩展 Agent 能力。
2.3K13编辑于 2026-01-13 Google Antigravity官宣：支持Agent Skill
2025年末，Google内部悄悄上线了Antigravity——一个深度集成MCP（ModelContextProtocol）的AgenticIDE。 今天我们就拆解Antigravity的Skill能力。什么是Antigravity？ 一句话说清Antigravity=VSCode+MCP插件+技能系统+云原生上下文感知它通过MCP（ModelContextProtocol）连接外部工具（如kubectl、terraform、gcloud ---创建一个skill每个技能都需要一个SKILL.md文件，并在文件顶部包含YAML前置元数据：如下是一个代码审查的skill最佳实践保持技能专注性每个技能应专注于做好一件事。 为什么Skill很重要大多数AI编程工具仍停留在“聊天模式”：你需要一遍又一遍地重复解释相同的规则。
62010编辑于 2026-01-18MCP是理想，Skills是现实
MCP想解决的问题其实很明确：让不同的AI Agent能够标准化地交互。就像USB统一了设备接口，MCP想统一Agent之间的通信协议。 Anthropic的官方文档里是这么描述MCP的： 标准化的消息格式：所有Agent用JSON-RPC通信 能力发现机制：Agent可以查询其他Agent提供什么功能 安全的权限控制：细粒度的访问控制和数据隔离 MCP的定位：Agent之间的标准化通信 适用场景： 大型企业的Agent生态，需要严格的权限控制 跨组织的Agent协作，需要标准化接口 复杂的Agent编排，需要动态能力发现 长期的系统演进，需要协议稳定性 Skill的定位：单个Agent的能力封装 适用场景： 快速原型验证和MVP开发 中小团队的AI应用落地 现有系统的AI能力增强 需要快速迭代的业务场景 说白了，MCP是“企业级基础设施”，Skill vs Skill”，而是两者结合： 团队内部用Skill快速开发 跨团队协作用MCP标准化 两者通过适配层连接 预测四：更多“务实方案”会出现看到Skill的成功，会有更多基于简单可靠技术栈的AI方案出现
23110编辑于 2026-02-27一文吃透 Agent Skills：从概念到落地，打造靠谱智能体工程体系
四、Agent Skills vs MCP：核心区别与互补关系 很多人会疑惑：到底该用Agent Skills还是MCP？答案很明确：二者并非替代关系，而是缺一不可的互补组合。 1. 在实际应用中，二者的组合自然且高效：在Skill中明确规定“何时调用哪个MCP工具、参数如何配置、调用失败如何兜底”，就能形成一套闭环的Agent执行逻辑。 七、结论：组合MCP与Skill，构建规模化Agent工程体系 如果用一句话总结核心逻辑：MCP是“接口标准”，解决Agent“连接外部世界”的问题；Skill是“工作流标准”，解决Agent“把事情做对 MCP打破了工具接入的碎片化壁垒，让Agent能顺畅对接真实世界的各类资源；Skill则为Agent注入了“工程师思维”，让其做事有流程、有标准、有兜底。 掌握Agent Skills与MCP的组合逻辑，从一个小Skill开始落地，你会发现智能体的可靠性与复用性将实现质的飞跃，真正赋能业务效率提升。
2K10编辑于 2026-01-22- 来自专栏技术专栏全家桶
Agent之一篇文章带你深度学习AgentSkills
后来，VS Code、GitHub、Cursor、Amp、OpenCode，几乎所有主流AI编程工具都加入了。 Django联合创始人Simon Willison说： Skills可能比MCP更重要。 模型上下文协议（MCP）规范了Agent与工具的通信方式，但MCP仅适用于通信层面，而非分发层面，MCP只是定义了如何与服务器交互，却没有说明如何打包、共享或部署服务器。 MCP 更像是 API，Agent 只关心提交什么「参数」、得到什么「结果」。 Skill 则是个代码/文件库，Agent 需要知道自己应该「如何」运行（读取）「哪个」文件。 但Skill 和 MCP 一样，依赖于模型通过上下文中的「技能描述」「工具描述」来自行选择是否调用、调用哪个。 所以 Skill 并没有解决 Agent 有时会忽略工具（不调用）或者选错工具的现象。 （前提是这个外包自己已经具备了相对完善的能力、Skill 和 MCP） 我觉得其实MCP也好, Skills也好, 说白了核心目的都是一种动态和精确控制context的机制和手段, 本质还是为Agent
82510编辑于 2026-02-03 - 来自专栏测试开发技术
Claude Skills彻底火了，一次编写，全网通用
官方定义是这样说的： Agent Skills are organized folders of instructions, scripts, and resources that agents can 、Claude Code、Agent SDK、Developer Platform 都支持 三层加载架构 这是 Skills 设计最巧妙的地方——Progressive Disclosure（渐进式披露 Skills vs MCP：两个不同层面的东西 刚接触的时候很容易搞混，它们到底什么区别？ skill 提供写作框架和风格指南 context7 MCP 查询最新的库文档 tavily MCP 搜索相关的最佳实践 一句话总结：MCP 提供连接外部系统的能力，Skills 提供如何使用这些能力的知识 内容要实战 多用对比示例（Good vs Bad） 提供 checklist 包含真实的坑和解决方案 团队共享 # 放项目目录，团队共享 cp -r ~/.claude/skills/team-api-standards
48810编辑于 2026-02-28 Google Antigravity官宣：彻底支持Agent Skill！
2025 年末，Google 内部悄悄上线了 Antigravity —— 一个深度集成 MCP（Model Context Protocol） 的 Agentic IDE。 前几天谷歌正式官宣：正式支持Agent Skill。 今天我们就拆解 Antigravity 的Skill能力。 什么是 Antigravity？ 一句话说清 Antigravity = VS Code + MCP 插件 + 技能系统 + 云原生上下文感知 它通过 MCP（Model Context Protocol） 连接外部工具（如 kubectl 创建一个skill 每个技能都需要一个 SKILL.md 文件，并在文件顶部包含 YAML 前置元数据： 如下是一个代码审查的skill 最佳实践 保持技能专注性 每个技能应专注于做好一件事。 总结 会写 Skill 的人，相当于给自己配了一个永远不会忘事的助理。经常写 skill 的人，就会身边随时都有贴身秘书，无形中会发现自己节约很多重复的无聊工作时间。
53430编辑于 2026-02-27AI Agent核心能力载体：Skills技能模块从基础到实战全指南
核心定位：Agent的能力扩展单元，连接Agent决策与实际业务逻辑的桥梁。2. Skills vs MCP vs 普通API：核心区别在哪？ Agent专属的轻量技能组件跨Agent的工具共享协议通用的服务调用接口依赖关系与Agent深度集成，无外部依赖依赖外部MCP Server，需协议适配依赖API服务，需单独适配调用调用成本极低，直接调用 ，不占用过多上下文较高，需携带协议信息，占用上下文中等，需处理请求/响应格式，适配成本高复用性高，可在同类Agent中直接复用，支持组合高，多Agent可共享同一MCP Server低，需为不同Agent ”MCP和API，而是“优化”Agent的能力调用方式——对于Agent开发，优先用Skills封装核心功能，需多Agent共享时搭配MCP，简单外部服务调用可适配普通API。 安全可控：与Agent深度集成，可精细化管控权限（如“文件操作Skill”仅开放读取权限），避免MCP协议粗放权限带来的安全风险。
3.2K30编辑于 2026-02-06AI 中的 Skill 会完全取代 MCP 吗？
一、Skill 和 MCP 分别是什么？ 二、为什么会有「Skill 取代 MCP」的错觉？ 之所以会被拿来比较，多半是因为这两点： 第一，Skill 越来越「能干」。 三、Skill 和 MCP 如何配合才更有价值？ 真正用得好的是「Skill + MCP 一起上」： Skill 负责：在什么场景下、优先用哪些能力、按什么顺序调用、输出要符合什么格式。 Skill + MCP 一起用时：Skill 规定「先查官网和 README，再按我们项目的方案模板（背景、方案、接口、风险）来写」；MCP 负责真的去打开网页、拉取内容。 所以，不是 Skill 取代 MCP，而是「规范层（Skill）+ 能力层（MCP）」一起，把 AI 从「只会聊天」变成「能按你的规矩、用你的工具干活」。
26610编辑于 2026-03-02- 来自专栏云开发
Agent Skills实战分享：AI编程最后一公里，别让代码死在localhost里
Agent Skills 是一种轻量级、开放式的格式，用于通过专业知识和工作流扩展 AI Agent 的能力。 从本质上讲，一个 Skill 就是一个包含 SKILL.md 文件的文件夹。 Agent Skills 在 2025 年 12 月正式成为开放规范，目前已有包括 Claude、Cursor、VS Code、GitHub Copilot、OpenCode等主流AI开发工具宣布兼容支持 2、Activation（激活）：当任务与某个 Skill 的描述匹配时，Agent 才会按需将该 Skill 的完整 SKILL.md 指令读入当前上下文。 MCP vs Skills 在构建 AI 原生开发生态的道路上，我们始终坚持“先打通，再优化”的逻辑。 目前，CloudBase MCP 已经支持了包括 Cursor、Claude Desktop、VS Code 在内的多种主流工具，帮助大量开发者实现了 AI 与云端的物理连接。
47910编辑于 2026-01-29 - 来自专栏云开发
Agent Skills实战分享：AI编程最后一公里，别让代码死在localhost里
本文将分享如何用 Agent Skill 解决 AI Coding 领域的痛点问题，也分享如何解决 AI 不调用 Skill 等实践技巧。 Agent Skills 是一种轻量级、开放式的格式，用于通过专业知识和工作流扩展 AI Agent 的能力。从本质上讲，一个 Skill 就是一个包含 SKILL.md 文件的文件夹。 Agent Skills 在 2025 年 12 月正式成为开放规范，目前已有包括 Claude、Cursor、VS Code、GitHub Copilot、OpenCode等主流AI开发工具宣布兼容支持 MCP vs Skills在构建 AI 原生开发生态的道路上，我们始终坚持“先打通，再优化”的逻辑。 目前，CloudBase MCP 已经支持了包括 Cursor、Claude Desktop、VS Code 在内的多种主流工具，帮助大量开发者实现了 AI 与云端的物理连接。
71310编辑于 2026-01-28 - 来自专栏Apache SeaTunnel
AI Agent 两大 “神辅助” 对决：MCP vs Skills 谁更能打？
在MCP架构中，AIAgent通常作为客户端，通过MCP协议向MCPServer发送请求。 在Skills模式下，AI并不是直接调用系统接口，而是通过调用一个Skill，由Skill内部完成具体的执行逻辑。 一个Skill通常包含三部分内容：对任务的描述、执行逻辑以及必要的提示词或工具调用流程。通过这种方式，复杂的业务逻辑可以被封装为一个可复用的AI能力。 它们通常由Agent平台内部管理，并以插件形式持续扩展。这种模式非常适合封装复杂任务，使AI能够提供更高层次的智能服务。 例如，一个Skill可以根据用户描述自动生成SeaTunnel的pipeline配置；另一个Skill可以分析任务日志并给出优化建议。这些能力本质上属于“数据工程专家知识”的AI化表达。
18610编辑于 2026-03-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号