- 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。
1K10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
19510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。
61020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。
25710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。
72610编辑于 2026-01-23- 来自专栏iPaaS和系统集成
MCP vs Skills：你的AI Agent到底需要什么？
MCP vs Skills：协议标准与任务指南MCPMCP（Model Context Protocol） 是一个开放的标准协议，由Anthropic推出。 在MCP架构中，AI Agent作为客户端向MCP Server发起请求，MCP Server负责将请求转换为实际的系统操作，如调用REST API、执行脚本或访问数据库，再将结果返回给AI Agent Skills就是这些培训内容——它封装了特定领域的任务逻辑，每个Skill通常包含任务描述、执行逻辑和提示词模板三个核心要素。 例如，一个"数据同步任务创建"Skill可能包含：理解用户对数据源和目标的描述、生成对应的任务配置、调用系统接口创建任务。MCP与Skills的关系：替代or互补？ 的支持能力，包括Skill的开发门槛、复用性、社区生态等。
29210编辑于 2026-03-30 mcp 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”
60810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。
5.5K22编辑于 2026-01-27 - 来自专栏AI前沿技术
智能体｜ Agent Skill 技术介绍
本文从“是什么”到“怎么用”，再到“如何写” Agent skill 的角度，把我们从无尽的提示词里解放出来。 关注“AI老马” —【获取资源】&【进群交流】 一、Agent Skill 的通俗解释 通俗的讲： Agent Skill = 给AI打包好的“专业能力模块”。 在 Anthropic 的 Agent 体系里，Skill 是让 AI 从“聊天机器人”变成“专业智能体”的核心。 可以把它理解成，给 AI 安装一个永久生效的插件，把工作流程固化成可调用的技能。 二、Agent Skill 渐进式披露 2.1，skill 的加载过程 渐进式披露是 agent skill 解决有效知识注入的精髓。 四、Skill-未来AI效率的核心组件 Skill 不是一个小功能，它是 AI Agent 时代的基础单元。Anthropic 做 Skill 的本质，是让 AI 从“随机应答”变成“专业执行”。
7000编辑于 2026-04-02 - 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。
2.7K13编辑于 2026-01-13 - 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。
5.1K20编辑于 2026-01-09 - 来自专栏程序员分享
一口气拆穿Skill/MCP/RAG/Agent/OpenClaw底层逻辑
写在前面AI圈最近被各种概念轰炸：Skill、MCP、RAG、Agent、OpenClaw……每天都有新名词冒出来，但你真的搞懂它们之间的关系了吗？ Skill vs MCP工具对比维度MCP工具Skill定位底层能力（螺丝刀）完整方案（装修服务）复杂度单一功能组合多个工具+业务逻辑使用场景开发者调用终端用户直接使用实际案例MCP工具：browser_click 对开发者MCP：学会MCP，开发的工具可以在所有支持MCP的平台使用Skill开发：封装专业能力，在Skill市场获得收益Agent应用：构建垂直领域的智能助手对企业降低AI应用门槛：无需从零开发，直接使用 分阶段实施先接入现有MCP工具再开发定制Skill最后构建复杂Agent对于用户1. 体验现有工具试用支持MCP的AI平台探索Skill市场的各种能力2. 关注我，持续分享AI技术干货 下期预告：《手把手教你开发第一个MCP工具》 #AI #Agent #MCP #RAG #Skill #OpenClaw #技术解析 #人工智能
1.4K10编辑于 2026-03-22 MCP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
35110编辑于 2026-02-27Google 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。
67310编辑于 2026-01-18一文吃透 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。
2.4K11编辑于 2026-01-22- 来自专栏【腾讯云开发者】
一文讲透从0构建AI Agent
MCP 解决的问题 没有 MCP 时： Agent A 对接 GitHub → 写一套 GitHub 工具定义 + 执行逻辑 Agent A 对接 Slack → 写一套 Slack 工具定义 有了 MCP： Agent A ─┐ ┌─ GitHub MCP Server Agent B ─┤── MCP 协议 ──────┤─ Slack MCP Server MCP 的核心能力 MCP 定义了三种核心原语： Tools (工具)：Agent 可以调用的可执行函数，让模型执行操作 Resources (资源)：Server 暴露给 Agent 的只读数据，让模型读取上下文 Skill 封装了专家经验，自动执行 团队协作 每个人的操作方式不一致 统一的 Skill 定义保证流程一致性 4.5 如何选择：Tool vs Skill vs Sub-Agent 需求来了 Skill：可复用的流程模板 选择原则：原子操作用 Tool，固定流程用 Skill，需要独立上下文用 Sub-Agent 推荐阅读 LangChain Agent 概念 — Agent 框架的设计思路
41510编辑于 2026-03-27 - 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
1.1K11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
86910编辑于 2026-02-28 AI 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。
4.4K30编辑于 2026-02-06- 来自专栏MixLab科技+设计实验室
重磅 | 模型自己写的 Skill 没用？SkillsBench 揭秘 Agent Skill 增强真相
Shadow：Skill把Prompt和脚本、Tool整合在一起，想要设计好用的skill，需要深刻理解原理，把适合的任务放入到Prompt、脚本和Tool。 良好架构的Skill，可以提升执行效率和准确性。 这篇论文研究得出：模型自己写的Skill没用。推荐阅读⬇️ 导读：Agent Skills 正在成为 LLM 智能体的标配，但它们真的有效吗？ 随着 Claude Code、Gemini CLI 等 agent-centric 工具的爆发，Agent Skills（智能体技能）已成为增强 LLM 代理能力的热门方案。 作为首个将 Skills 作为一级评估对象的基准测试，它通过 7,308 条轨迹的大规模实证评估，揭示了 Agent Skills 效能的真相。 建议：过于详尽的文档会增加 context burden，agent 难以从中提取 actionable guidance。
54030编辑于 2026-03-25
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