MCP 和 Skill：AI Agent 时代的“插座”和“菜谱”

这两天，越来越多人开始接触 AI Agent，也开始频繁听到两个词：MCP 和 Skill。

它们看起来都和“增强 AI 能力”有关，但其实不是一回事。

简单说：

MCP 解决的是：AI 怎么连接外部世界。
Skill 解决的是：AI 应该怎么把一件事做好。

一、MCP 是什么？

MCP，全称通常是 Model Context Protocol，可以理解为一种让 AI 连接外部工具和数据源的协议。

比如，AI 本身并不能天然访问你的 GitHub、数据库、浏览器、本地文件系统、企业知识库。但如果这些系统通过 MCP 暴露能力，AI 就可以用一种统一方式去调用它们。

它可以读取信息，也可以执行操作。

例如：

• • 读取 GitHub PR 评论
• • 查询数据库表结构
• • 操作浏览器页面
• • 获取本地文件内容
• • 调用内部业务系统接口

所以，MCP 更像是一个“标准接口”。

它不关心 AI 具体要怎么完成任务，它关心的是：外部能力如何被 AI 安全、规范、统一地调用。

二、Skill 是什么？

Skill 可以理解为 AI 的“任务手册”或“工作流经验包”。

它通常不是一个外部系统，也不是一个协议，而是一组说明：当 AI 遇到某类任务时，应该按照什么步骤做、优先使用哪些工具、注意哪些风险、产出什么结果。

比如一个“修复 GitHub PR 评论”的 Skill，可能会规定：

先读取未解决的 review threads，再定位对应代码，再修改实现，再跑测试，最后总结改动。

一个“生成公众号封面图”的 Skill，可能会规定：

使用 2.35:1 宽图比例，标题要融入画面，风格要像中文科技媒体，不要做成普通海报。

所以，Skill 的核心不是“连接能力”，而是“指导行动”。

三、二者最大的区别

可以用一句话概括：

MCP 是能力接入层，Skill 是任务方法层。

再换个更直观的比喻：

MCP 像插座和接口，Skill 像菜谱和操作手册。

有了 MCP，AI 知道怎么连接外部系统。
有了 Skill，AI 知道面对具体任务时该怎么做得专业。

二者关注点完全不同：

四、它们如何一起工作？

真正强大的 AI Agent，往往不是只靠 MCP，也不是只靠 Skill，而是两者配合。

举个例子：

你对 AI 说：“帮我修一下 GitHub PR 里的 review comments。”

这时候：

MCP 负责提供能力：

AI 可以读取 PR、查看评论、访问代码、检查 CI。

Skill 负责提供方法：

AI 知道要先看哪些评论、怎么判断是否已解决、修改后要跑什么测试、最后怎么回复你。

没有 MCP，AI 可能知道该怎么做，但够不到真实系统。
没有 Skill，AI 可能能调用很多工具，但做事顺序混乱，结果不稳定。

一个提供“手”，一个提供“脑中的流程”。

五、为什么这件事重要？

过去我们使用 AI，更像是在和一个聪明的聊天窗口互动。

现在的趋势是，AI 正在变成能真正处理任务的 Agent：它可以读取上下文、调用工具、执行步骤、检查结果。

这时，能力本身已经不够了。

只会接工具的 AI，可能会乱用工具。
只懂方法的 AI，如果没有外部接口，也只能纸上谈兵。

MCP 和 Skill 的组合，正是让 AI Agent 从“会说”走向“会做”的关键。

MCP 让 AI 接入世界。
Skill 让 AI 学会做事。

六、一个简单判断方法

以后再看到类似概念，可以这样判断：

如果它在讲“AI 怎么连接 GitHub、数据库、浏览器、文件系统”，大概率是在讲 MCP 或工具协议。

如果它在讲“遇到某类任务时，AI 应该按什么流程处理”，大概率是在讲 Skill。

前者偏基础设施，后者偏方法论。

结语

MCP 和 Skill 都是在增强 AI，但增强的方向不同。

MCP 让 AI 有手有脚，能接触外部系统。
Skill 让 AI 有章法，能把复杂任务做得更稳定。

未来的 AI Agent，不会只是一个更聪明的聊天机器人，而会更像一个能接入工具、理解流程、持续完成任务的数字协作者。

而 MCP 和 Skill，正是这个协作者背后的两块关键拼图。