Skill 技能开发与应用 · 编写与封装 · 2026-07-27

做 AI Agent,先分清 MCP 和 Skills

分清MCP与Skills,AI Agent的正确打开方式!一文解析两者区别及使用场景。 核心内容:

  1. MCP的定义与作用:Model Context Protocol作为中间层标准化外部数据调用
  2. MCP与提示词工程、上下文工程的区别:明确不同AI应用场景的处理逻辑
  3. MCP解决的关键问题:安全、标准地将外部数据和工具接入AI模型

什么时候用MCP,什么时候用Skills。

看完,你就会清楚他们的使用场景和区别。

首先,我们先从大模型本身说起。

你可以把大模型理解成一个预测机器。它读过很多书、网页、文档、论坛帖子,然后根据这些信息里的模式,去回答各种问题。

比如你问它,唐朝的发展历史。它会知道。

你问它,怎么检查一个数据库。它也知道一些通用做法。

但真正想让它给出正确答案,光靠“它知道很多”是不够的。

更关键的是,你要给它正确的上下文。

这个上下文可能包括很多东西。

比如你希望数据按什么格式输出。

比如你们团队的数据库是怎么配置的。

又比如某个工具刚刚去数据库里查了一次,把查到的结果返回给模型。

如果只是告诉模型一个角色、一个任务,让它回答问题,这通常叫提示词工程。

但如果你开始把格式要求、外部数据、工具返回、业务规则这些信息一起给它,让它基于这些上下文做判断,这就更接近上下文工程。

简单说,提示词工程更像是“怎么问”。

上下文工程更像是“怎么把它做判断需要的信息准备好”。

那问题就来了:

我们到底怎么把正确的上下文交给 AI?

又怎么在这个基础上,去做一个真正能干活的 Agent?

先看 MCP。

假设你的 Agent 需要读取 CRM,也就是客户关系管理系统里的数据。

一种很粗糙的做法是,把这个系统的 API 文档复制给大模型,再把访问凭证也给它,然后跟它说:

请你更新一下这个客户的联系方式,千万别出错。

这听起来就不太稳。

因为你其实是在让模型自己理解文档、自己判断怎么调用接口、自己处理认证和请求格式。

MCP,也就是 Model Context Protocol,解决的就是这个问题。

它做的事情,是把 AI 模型和各种数据源之间的沟通方式标准化。

你可以把它理解成一个中…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/LargeLanguageModel/2026072765902.html