先介绍下ReAct 智能体

ReAct 智能体（全称 Reasoning + Acting Agent）是大语言模型（LLM）领域最主流的智能体架构之一，核心是让模型在解决复杂任务时，像人一样边思考、边行动、边观察、再思考，形成闭环，从而突破纯文本推理的局限。

ReAct = Reasoning（推理） + Acting（行动）

Thought（思考）->Action（行动）->Observation（观察）

• 普通 LLM：一次性生成答案，无外部交互，易幻觉、无法处理复杂任务。
• ReAct 智能体：多轮思考 - 行动 - 观察，调用外部工具，生成有依据、可验证的答案。

MCP

MCP（Model Context Protocol，模型上下文协议）

MCP 是一套标准化通信协议，由 Anthropic 推出，用于让大模型 / 智能体以统一、安全的方式连接外部工具、数据源与系统，工具需要适配多个供应商，而MCP不需要，只需要写一个即可

核心作用：统一工具接入规范、跨模型 / 客户端复用、安全沙箱、权限管控

类比：AI 界的 USB 协议，提供统一接口，让模型 “够得到” 外部资源

Skills

Skills 是预定义、结构化的任务执行单元，封装特定任务的流程、知识与执行逻辑

核心作用：固化专业流程、标准化输出、沉淀领域知识、降低模型决策成本

类比：AI 的技能手册 / 工具包，告诉模型 “能做什么、怎么做”

模型仅可见Skill的名称和描述，只有任务命中时，才会动态加载到上下文中，节省tokens消耗，降低成本，同时提高模型专注力

SKills 就是给AI的一个说明书，也是一段文本，定义了一些规则，和输出，提示词是当前问的内容，一般Skills的名字和文件夹的名字相同，内容命名为SKills.md

Context

Context是上下文的意思，也就是代表AI的短期记忆，Context window 代表上下文窗口，一般模型的上下文窗口在100万左右tokens