Prompt、Agent、Skill、MCP、Claude Code 到底啥区别？
一次把 AI 世界的角色关系讲清楚
最近后台被问最多的一个问题就是：
Skill 和 Prompt 有啥区别？ MCP 不也是给 AI 加能力的吗？ Claude Code 和 Cursor 又有什么不同？
这些词你可能每天都在看到：
Prompt Agent Skill MCP Claude Code Cursor
但如果把它们放到一张图里，很多人其实是说不清关系的。
今天这篇文章，我们不用教科书式解释，而是用一个简单的类比：
开一家公司。
你需要：
-
招员工
-
制定流程
-
给权限
-
配工具
-
给办公环境
AI 世界里的这些概念，其实就是这些角色。
理解这一点，这些词就再也不会混了。
目录
1 AI系统整体结构 2 LLM：AI系统的大脑 3 Prompt：你给 AI 的临时指令 4 Agent：AI开始自己干活 5 Skill：AI的 SOP 手册 6 MCP：AI连接世界的门禁卡 7 IDE：AI工作的办公室 8 Claude Code：终端里的 AI 特种兵 9 一张图看懂 AI 技术栈
一、AI系统整体结构
先看一张整体结构图。
这张图表达的其实是：
AI系统是一套分层架构。
不同概念解决不同问题。
接下来一个一个讲。
二、LLM：AI系统的大脑
最底层的能力，是 大模型（LLM）。
例如：
GPT Claude Gemini DeepSeek
你可以把大模型想象成：
一个刚入职的天才员工。
他很聪明：
-
会写代码
-
会写文档
-
会分析数据
-
会总结资料
但有个问题。
他刚入职。
他不知道：
公司流程 公司业务 公司数据在哪
所以 AI 最大的问题从来不是智商，而是：
不了解你的业务。
后面的所有概念，本质都是在解决这个问题。
三、Prompt：你给 AI 的临时指令
最直接的方式是什么？
你直接告诉他。
例如：
帮我写一份技术方案 语气专业一点 参考之前的模板
这就是 Prompt。
Prompt 的本质是：
临时指令。
特点很明显：
|
特点 |
说明 |
|---|---|
|
临时 |
用完即弃 |
|
一次性 |
每次都要重新写 |
|
不可复用 |
不会沉淀 |
所以 Prompt 最大的问题是：
每次都要从零开始。
四、Agent：AI开始自己干活
传统 AI 工作模式是：
人问一句 AI答一句
流程是：
人 -> 提问
AI -> 回答
但 Agent 不一样。
Agent 的模式是：
你给目标，它自己执行。
例如：
目标：
做一份竞品分析报告。
Agent 会自动：
1 搜资料 2 整理数据 3 写报告 4 自检优化
流程大概是这样：
Agent 的核心能力只有一句话：
从问答模式，变成执行模式。
五、Skill：AI的 SOP 手册
问题来了。
Agent 虽然会干活，但质量不稳定。
有时候很好。 有时候很乱。
原因其实很简单：
没有标准流程。
解决方案就是：
Skill。
Skill 可以理解为：
给 AI 写的一本 SOP 手册。
例如：
写技术方案的 Skill：
1 收集需求 2 整理架构 3 对比方案 4 输出结论
Skill 的特点：
|
Prompt |
Skill |
|---|---|
|
临时 |
长期 |
|
每次重写 |
可复用 |
|
临时指令 |
标准流程 |
所以很多 AI Agent 系统，其实核心就是：
Skill库。
Skill 越多：
AI 越像一个老员工。
人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇
六、MCP：AI连接世界的门禁卡
AI 还有一个巨大问题。
它虽然聪明，但：
看不到真实世界。
例如：
GitHub 数据库 CRM 搜索引擎
AI默认是访问不到的。
这时候就需要 MCP。
MCP 全称：
Model Context Protocol
你可以理解为：
AI访问系统的统一接口。
就像 USB 接口一样。
Skill 和 MCP 的区别其实非常关键：
|
能力 |
Skill |
MCP |
|---|---|---|
|
作用 |
方法 |
连接 |
|
本质 |
SOP |
API |
|
解决问题 |
怎么做 |
去哪拿数据 |
一句话总结：
Skill 解决 方法问题MCP 解决 数据问题
七、IDE：AI工作的办公室
AI也需要工作环境。
对于程序员来说，这个环境就是：
IDE。
例如：
Cursor Trae Windsurf
以前 IDE 只是写代码的工具。
现在 AI IDE 变成了：
AI工作空间。
里面已经集成：
-
LLM
-
Agent
-
Skill
-
MCP
Cursor 火的原因就是：
Agent可以直接操作整个代码仓库。
八、Claude Code：终端里的 AI 特种兵
还有一类工具，不走 IDE。
直接在终端里工作。
代表就是：
Claude Code。
特点是：
-
没有图形界面
-
直接操作代码库
-
可以执行 shell
-
可以并行执行任务
流程类似这样：
所以很多人会这样理解：
IDE里的AI 像办公室员工。
Claude Code 更像直接在工地干活的工程师。
九、一张图看懂 AI 技术栈
最后，用一张图把所有概念串起来。
整个 AI 技术栈其实就是：
|
层级 |
作用 |
|---|---|
|
LLM |
大脑 |
|
Prompt |
指令 |
|
Agent |
执行 |
|
Skill |
方法 |
|
MCP |
连接 |
|
IDE |
工作环境 |
|
Claude Code |
自动执行工具 |
最后
很多人喜欢问：
Prompt Agent RAG Skill
哪个更重要？
其实答案是：
都不是。
真正改变效率的，是：
它们一起工作。
当这些能力组合起来：
大模型负责理解 Agent负责执行 Skill提供方法 MCP连接数据
AI就不再只是聊天工具。
而是一套：
真正能执行工作的系统。
AI时代真正改变的不是某个模型。
而是：
软件系统第一次拥有了执行能力。
这才是变化的开始。
从0到1！大模型(LLM)最全学习路线图，建议收藏！
想入门大模型(LLM)却不知道从哪开始? 我根据最新的技术栈和我自己的经历&理解，帮大家整理了一份LLM学习路线图，涵盖从理论基础到落地应用的全流程!拒绝焦虑，按图索骥~~
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取