一文讲透Agent三件套:MCP、Skill、Hook如何给大模型装上护栏


让 Agent 会干活不难,难的是让它干得安全、可控、有迹可循。prompt 约束是软的,Agent 一旦"自信"起来就会绕过;真正的安全边界,要靠工程架构来保障。 





01



MCP、Skills、Hooks 三者的关系


MCP 为 Agent 接入平台能力——以 tools 的形式,让 Agent 按接口定义发送请求、调用后端。


但单个工具调用凑不成完整流程。工具之间如何协作、按什么顺序串联,需要 Skills 来编排——Skills 与业务紧密绑定,定义"先做什么、再做什么、失败怎么办"。


即便有了流程,Agent 在调用时仍会出问题:参数一多就丢字段,复杂嵌套就误填,偶尔还擅自调用高风险工具造成意外伤害。Hooks 正是在 Agent 发起工具调用(以及 Skills 内脚本执行)时进行规则拦截,保障安全运行;同时记录审计日志,让每次调用有迹可循。




02



MCP 设计:Agent需要一个应用市场


   2.1 MCP 协议是怎么回事


MCP(Model Context Protocol)协议中,Server 暴露给 Client 三种核心原语:Tools、Resources、Prompts。要理解 Agent 插件怎么设计,先要理解这三种原语在 Agent 运行时分别是如何被加载和使用的。


Tools:启动时批量注册,注入 system prompt


Agent 启动时,CodeBuddy 框架向所有已配置的 MCP Server 发送 tools/list 请求,拿到完整的工具清单。每个工具是一个结构体:name(工具名)、description(功能描述)、inputSchema(参数的 JSON Schema)。这些定义会被注入到 LLM 的 system prompt 中——LLM "看到"的不是函数指针,而是一段文本描述:"你可以调用 workflow_create,它接受 name(必填, string)、spaceId(必填, int64)……"


Resources:惰性拉取,Agent 按需查询


Resources 不像 Tools 那样启动时一次性拉取。它们的加载是惰性的——Agent 在对话中根据需求主动发起 resources/read 请求。


比如 MCP Server 暴露了 150+ 张数据表作为 Resources(starrocks://tables/...的 URI)。Agent 不会在启动时把所有表的 schema 都拿到,而是等用户说"查一下 ODS 层的员工表有哪些字段"时,才去请求对应的 Resource URI,拿到字段名、类型、注释。这套按需加载机制避免了启动时的通信风暴,也避免了 system prompt 被大量无用信息填满。


Prompts:Server 端预定义的提示词模板


Prompts 是 MCP Server 上预定义的、可参数化的提示词模板。Agent 通过 prompts/list查看可用模板,通过 prompts/get获取具体模板并填入参数。与 Tools 不同,Prompts 没有副作用,纯粹是帮助 Agent 更好地理解"在特定场景下该怎么做"。



三种原语的多维对比

维度
Tools
Resources
Prompts
数据流向
双向(参数入 → 结果出)
单向(Server → Client,只读)
单向(Server → Client)
读写
读写
只读
只读
加载策略
启动时批量注册,注入 system prompt
惰性按需拉取,可缓存
惰性按需获取,可缓存
适合场景
CRUD、部署、启停等需要"动手"的操作
表 schema、数据字典、配置文档等大量结构化参考数据
需要标准化引导的重复性任务
核心优势
唯一能修改外部状态的通道
量大不占 prompt 空间,按需加载
可复用、可参数化,保持行为一致
不适合
纯信息查询(用 Resource 更高效)
实时计算任务(应走 Tool)
动态决策(模板会限制推理灵活性)


实战中用好这三种类型的原语,能够提高agent调用效率和token的使用效率。MCP协议计划在2026年7月28日发布一次重大更新(当前为候选版),主要是从原来的有状态连接变成无状态连接,这对后续高性能的MCP集成是一次重大的进步,MCP逐渐会成为Agent更坚实的基础设施。具体的内容可以参考这个博客。 

(https://blog.modelcontextprotocol.io/posts/2026-07-28-release-candidate/)


   2.2 自建 MCP Server 的经历


最初方案是自建一个 Spring Boot MCP Server——在 Agent 和 DES 后端之间架一套中间代理(Agent → MCP → des-mcp-server → REST → DES Backend)。


自建的好处是自由度极高——工具注册策略、参数校验逻辑、错误处理方式都可以自己控制,比如可以按业务域灵活分级部署工具。但真正上手之后,两个核心问题逐渐暴露:

  • 架构取舍:如果新建一套 AiController 并直接调用 Service 层来绕过原 Controller,那么原 Controller 上设计的 AOP 切面、并发控制、异常处理等逻辑全部需要在新 AiController 中重做一遍——不是简单的"调用转发",而是整套横切关注点的二次实现。

  • 部署运维:MCP Server 作为一套独立的 Java 服务,构建、部署、监控、扩缩容都需要额外维护——它和服务本身不在同一个交付单元里,版本同步、依赖管理、线上排错都多了一层。


这些本质上不是"做不出来"的问题,而是"值不值得单独维护一个中间代理层"的问题。正是这个判断,让我们把目光转向了部门内已有的基础设施。


   2.3 选择 SA-Market


SA-Market 是部门内已有的 MCP 市场,原生支持将 REST API 自动注册为 MCP 工具——上传 Swagger/OpenAPI 规范(后也支持 MCP Json),平台自动解析出 tool schema,无需写一行 MCP 适配代码。架构上同样是一层路由(Agent → MCP 协议 → SA-Market → REST → DES Backend),但省掉了自建中间服务的所有维护成本。这更像是应用市场,能够有一个中心化的平台路由分发各个项目接入的能力,集中管理和维护。


对比自建方案,SA-Market 省掉了两块最大的开销:

  • 不用自建中间服务:2.2 中提到的架构取舍和部署运维问题直接不存在了——不用纠结 AiController 的复用策略,也不用维护独立 Java 服务的构建部署链路

  • 不用手写适配代码:Tool 的 inputSchema 和后端接口入参之间的耦合是绕不开的——自建方案里这份映射靠人工维护,SA-Market 则是上传一份 OpenAPI/JSON 规范,平台自动解析出 MCP 工具定义,省去了手写和维护映射逻辑的工作





03



Skills 设计:Mermaid一言以蔽之


   3.1 多步骤操作的编排困境


MCP 工具就位后,一个完整的业务流程往往要调用多个工具,而且工具的使用有顺序依赖和注意事项。


比如部署一个工作流:

导入 JSON → 保存草稿 → 调试运行 → 修复问题 → 更新 → 发布上线


这不是一个单步 MCP 调用,而是 5-6 个步骤组成的有向无环图。如果靠 LLM "自由发挥"来编排,会出现:

  • 跳步:没调试就直接发布上线,带着 bug 跑

  • 乱序:先 publish 再 save draft —— 状态机冲突

  • 遗漏错误处理:debug_run 失败了不知道怎么修,卡在半路


MCP 工具层解决了"能调用什么",但没有解决"怎么组合调用才是正确的"——这个编排问题,需要 Skills 层来解决。


   3.2 Mermaid SOP:用流程图替代文字步骤列表


但是SOP 类型的 Skill 一旦步骤长、分叉多,纯文本写下来既冗长又难理解。引入 Mermaid 后,几行就能描述一个分支复杂的完整流程。


以 deploy-workflow Skill 为例,它的 mermaid SOP 大致结构是:

相比于纯文本的步骤列表,Mermaid 的视觉表达让 Agent 能更准确地理解:

  • 哪些步骤是顺序依赖的(A→B→C)

  • 哪里有条件分支(成功→继续,失败→诊断修复)

  • 失败后的回退路径是什么(回到上一步重试)


虽然没有进行量化实验对照,但实际使用效果可以感觉到,Agent 跳步、乱序的问题显著减少,因为Mermaid能够在有限的篇幅传达高密度的信息。


   3.3 强制走链规则


除了 SOP 编排,Skills 层还有一条硬约束:某些 MCP 写工具必须先走完对应 Skill 才能调用。例如:

  • 调用 workflow_importtool 前必须先走 des-generatorskill —— 确保 JSON 是标准化流程生成的、经过字段校验的

  • 调用 dqc_rule_createtool 前必须先走 dqc-workflow-generatorskill → create-dqcskill —— 确保规则参数完整、合规


这条规则在 context.md中定义为行为规范约束,Agent 在执行写操作前会检查依赖链并引导用户先走 Skill 流程。它不依赖 Hook 层的代码拦截(Hook 层负责的是安全分级),而是在 Agent 的推理层面建立"先走流程、后调工具"的纪律。





04



Hooks 设计:All you need is 强而有力的脚本


如果说 MCP 层解决"能操作什么"、Skills 层解决"怎么正确操作",那么 Hooks 层解决的是最后一个、也是最关键的问题:Agent 被允许怎么操作——安全边界在哪里。


   4.1 Hook 的运行原理:MCP 调用链路中的检查点


Hook 不是嵌入 Agent 对话流程中的 prompt 规则,而是插件框架在 MCP 工具调用链路里注入的同步拦截点。


Agent 构造完 tool call 后、框架实际发起调用之前,引擎暂停执行流,将 tool_name 和 tool_input 序列化后交给 Hook 脚本裁决。脚本执行校验逻辑后返回结构化控制字段:continue 决定放行或拦截,permissionDecision 决定是否弹出确认框,modifiedInput 用于补全缺失参数,等等。引擎根据这些字段执行最终动作,放行、弹窗确认、或直接拒绝。Agent 无法绕开,因为 tool call 到实际执行的路径被框架独占,Hook 是这条路径上的唯一道闸。


des-agent-plugin这里主要使用了三种事件类型,PreToolUse(调用前拦截)、PostToolUse(调用后审计)、SessionStart(会话开始注入)。


Hook
触发时机
文件
代码量
职责
PreToolUse
调用 MCP 工具之前
pre_tool_guard.py
~60KB
安全拦截 + 参数校验 + 字段补全
PostToolUse
MCP 工…
— 以上为试看内容(约 40%),开通会员后阅读全文 —