- 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。
1.3K10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
21610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。
67620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。
32010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。
78510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。
52110编辑于 2026-03-30 - 来自专栏不二小段
Agent Skill 相关资料、笔记和思考
Coding Agent、MCP、Skill 上落后于 Anthropic。 其他家的 Agent，都只能模仿，MCP 和 Skill 俨然已经形成了事实上的行业标准。 现在介绍 Skill 的文章非常多，已经可用并分享出来的 Skill 也非常多。 笔记：Skill 的成功在于比 MCP 更简洁，更纯文本（Skill vs MCP） Skill 可以很简单，简单到就是几句 Prompt；但 Skill 也可以很复杂，可以装下完整的代码工具库。 套娃了） 笔记：Skill 的核心理念，就是 Skill（Skill vs Workflow / MCP） 这句话像是废话，我自己写出来都觉得是废话，但没想出更好的表述方式。 Memory infrastructure for LLMs and AI agents） 一个 skill 不如 MCP 好用的例子：Notes on SKILL.md vs MCP - Tao of
11510编辑于 2026-04-09 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”
68610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。
6K22编辑于 2026-01-27 - 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。
5.4K20编辑于 2026-01-09 - 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。
2.9K13编辑于 2026-01-13 - 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
1.6K10编辑于 2026-03-22 - 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”。
34820编辑于 2026-04-02 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
88111编辑于 2026-02-27深度解析Skills：从Prompt到能力复用的技术革命
Skills的本质：模块化能力包 Agent Skills是模块化的能力包，包含指令、元数据和可选资源（脚本、模板），让AI Agent在需要时自动加载和使用。 Skills加载流程示意图 Skills vs MCP vs Prompt：互补关系 三者的核心定位 Skills、MCP、Prompt不是竞争关系，而是互补关系： 维度 Skills MCP Prompt MCP vs Prompt对比图 Skills与MCP：工作手册 vs 门禁卡 Skills解决"怎么做"（方法论/工作流），MCP解决"连到哪儿"（连接外部系统）。 Skills与MCP协作关系 Skills vs Prompt：从临时指令到持久能力 Skills不就是高级一点的Prompt吗？ 答案既是肯定的，也是否定的。 组织架构示例： 公司级Agent产品 ├── 市场部维护：品牌文案Skill ├── 法务部维护：合同审阅Skill ├── 财务部维护：报销审核Skill └── 技术部维护：代码审查Skill 所有技能装在同一个
14910编辑于 2026-04-14别再问LLM、Workflow、Function Call、MCP、Skill、Agent、OpenClaw是什么了，看完这篇秒懂！有配套源码
简单地讲，LLM是大脑，Function Calling、MCP 是手脚，Skill 定义能力边界与执行路径，Workflow固化标准执行流程,是没有动态规划能力的Agent，是简版的Agent，Agent 区别来了：MCP 是“给你螺丝刀”，Skill 是教你装修全流程”。 没有 Skill，AI 拿到工具也不知道咋用；有了 Skill，小白 AI 秒变行业专家！ 核心能力：感知、规划、执行、验证、反思 vs 其他方案： 特性 Workflow Function Call Agent 灵活性 ❌ 低 ⚠️ 中 ✅ 高 自主性 ❌ 无 ❌ 无 ✅ 有 七、OpenClaw 演进路线： LLM → Workflow → Function Call → MCP → Skill → Agent → OpenClaw 选择指南： - 简单问答 → LLM - 标准化任务 → Workflow - 需要外部数据 → Function Call - 多平台工具复用 → MCP - 特定领域能力 → Skill - 复杂自主任务 → Agent - 生产环境部署 → OpenClaw 参考资料
3210编辑于 2026-04-14一文吃透 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。
2.5K11编辑于 2026-01-22Google 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。
69310编辑于 2026-01-18别再乱学 AI 了！这 7 个名词 = 一套完整 AI 工作流
openclaw，qclaw，autoclaw，不管啥Claw，还是离不开LLM、Agent、SubAgent、Prompt、Skill、Project、MCP 今天我用最通俗的大白话，给你把这 7 个概念讲得明明白白 Agent 可以叫 SubAgent（外包团队） 帮忙， 用 Skill（专业技能） 干活， 在 Project（项目文件夹） 里工作， 通过 MCP（外部工具接口） 调用外部资源。 Agent vs 纯 LLM： • 纯 LLM：只是对话模型，只能"说" • Agent：在 LLM 基础上增加了工具调用、规划能力，能"做" 一句话总结： Agent 不是问答机器，是能独立完成任务的员工 你的 AI 员工 主动思考，独立干活 SubAgent 员工叫的外包 并行处理，效率翻倍 Skill 专业技能包 从万金油变专家 Project 专属工作区 井井有条，记得住 MCP 万能工具接口 从动口到动手 层次关系 LLM（基础） ↓ 加上工具调用能力 Agent（应用） ↓ 分工协作 SubAgent（扩展） ↓ + 专业模板 Skill（增强） ↓ + 外部接口 MCP（连接）
4110编辑于 2026-04-14- 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
75510编辑于 2026-03-27
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