Agent、Mcp、Skills的区别与协同

很久没写了现在回来了。也就是去谈完了一场恋爱出了趟远门走了走看了看。收了收心回来看了下Skills也从最初的顶层设计里的设计想法发展到了今天的有规范支撑、有场景落地的阶段。可以认为这是Mcp之后又一轮的设计到落地的技术实践很扎实的实践。那只龙虾的事儿下次再聊吧。当初Mcp出现的时候就说过它是一个重要的里程碑因为它标志着大模型能正确的调用工具了因为它就是这样一套规范告诉我们应该怎么让它认识工具知道从上下文里去找什么。但是注意那只是在工具已有的情况下才能起到很好的作用。如果我们试图在过程中创造一个工具并使用那么效果并不好总会遇到许多工程化的问题。具体的例子很多多半都是类似用Python或者更高阶的代码辅助工具们写一段代码来执行的场景。很多时候他们能用只是不可控、不健壮、有漏洞。有人会说那个什么什么的辅助编程工具就很好用基本没有这些问题。此处请参见AI辅助编程的第一原则人类不要下场改代码提出新的问题和修改提示词才是你们的工作。这就好比在很多项目团队里产品经理和需求方可以提产品设计和业务需求但是不要指挥开发人员怎么写代码是一个道理。两个术语体系两个物种不要混搭干一件事情。我们简单回忆下Mcp里的一些定义在服务器端定义了Prompts-提供提示模板Resources-提供可读资源Tools-提供可调用工具我们再来看下Skills的一些定义****Metadata-元数据可用 Skills 的名称、描述及其文件路径。这些信息会被预先放到上下文系统提示词中以确保 Agent 知道有哪些 Skills 可以利用。****Resources-资源除了SKILL.md文件每个 Skill 还可以包含其他类型的资源文件如配置文件、文档等。当 Agent 需要更具体的信息时它会进一步读取这些资源文件的内容从而将其加载到上下文中。****Instructions-指令每个 Skill 都有一个对应的SKILL.md文件其中包含了 Skill 的详细描述、使用方法和示例等信息。当 Agent 需要某个 Skill 的帮助时它会通过Read工具读取SKILL.mds 文件的内容进而将其动态加载到上下文中。对比之下我们就能发现他们之间的对应和递进关系Skills关注的是工具能力的内部实现Mcp关注的是工具能力的外部交互。所以Mcp也好Skills也好他们关注的对象是工具能力是被智能体使用的工具能力它的使用方不是人类而是智能体。前些天有被问到智能体和Skills到底是关系感觉能做的事情差不多有点分不清我也可以把一个智能体封装成一个Skills来对外发布使用也可以把一个Skills当成一个智能体来发布。答案我刚才已经基本都说了。而且类似的话题早在Mcp出现的时候也出现过“智能体和Mcp到底是什么关系”。那会儿听完也是笑了笑不知道为何还有人讨论的那么激动或许是有“蓝军”非要反着说吧。如果你问的是他们“能做什么”以及他们的内部实现差异不大。如果你问的是他们“是什么”又或者他们“给谁用”那么就截然不同了。智能体的用户是人类而Mcp和Skills的用户是智能体。智能体的内部实现依赖Mcp和Skills这些约定来规范化工具能力的有序使用工具能力的内部实现依赖Mcp和Skills这些约定来规范化工具能力的内部结构让大模型能更好的理解也增加其白盒化程度。再者任何的规范和约定为了其扩展性的考量也总是会适度的外延一些。我想这也是为什么会出现“智能体和Skills的关系有点分不清”的错觉的另一个缘由。技术团队的人基本都明白的一个道理或是常识一个系统的全部代码实现既可以写在一个main方法里存在一个代码文件里也可以分层分模块成很多个代码文件和多个方法实现引用和调用。对一个好的程序员来说这两种写法的程序效率和健壮性等所差无几甚至很多时候前者更优。差别只是换了个人来阅读和维护时通常会产生大量的成本所以我们约定了一系列的代码规范。如果不再需要“换人”的考量时有许多规范自然也就没有了存在的必要性。所以AI的世界或者说智能体的世界里也正在迅速的做类似的事情形成智能体之间的共识跨智能体可读、可维护的约定。未来人类和智能体之间的协同关系也将会顺利的映射成产品经理和开发人员之间的协同关系而Skills体系大体就成了智能体的开发框架体系。至于Skills的一些原理相关的这里不是很想写很懒散也没觉得特别重要。大体就是人在构建软件/系统的体系过程中会注意和遇到的问题都会在智能体时代再走一遍只是走得更快以及出来的东西的一些偏好上的差异。毕竟谁都不能保证人和AI的阅读习惯一定是一致的人与人的阅读和理解习惯都存在差异。到那时智能体们会说人类别再来干预Skills了这本就不是为你们而创造的。或许也会蛮有意思的。也许那才是大家向往的人生状态更生活化去追求精神层面的升华、滋养灵魂和另一群有趣的灵魂一起去好好看世界。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】