一文讲透 Skill、Tool、SOP、MCP:别再把它们混为一谈
文章摘要:
在大模型应用和 Agent 项目中,Skill、Tool、SOP、MCP 经常被混用。本文不堆概念,而是从“业务规则、AI能力、执行动作、连接协议”四个层次出发,讲清它们各自解决什么问题、彼此如何配合,以及为什么 MCP 不能简单替代 API。
推荐标签: 大模型 MCP AI Agent 企业架构 Skill
前言
最近在做大模型应用、智能问数、企业 Agent 或 MCP 项目时,很多团队都会遇到类似问题:
- Skill 到底是不是提示词?
- Tool 和 API 有什么区别?
- SOP 能不能直接变成 Skill?
- 有了 MCP,是不是原来的 API 就可以不用了?
- Agent、工作流、MCP 到底谁负责编排?
这些问题看起来是名词问题,实际上会直接影响系统架构。
概念理解错了,项目很容易走向两个极端:
- 把所有 API 原样暴露给大模型,让模型自己“碰运气”调用;
- 把一大段 SOP 塞进提示词,就认为已经完成了 AI 能力建设。
本文给出一个最容易落地的理解框架。
一、先记住这四句话
- SOP:规定业务应该怎样做。
- Skill:描述 AI 如何完成一类任务。
- Tool:负责执行一个具体动作。
- MCP:让 AI 用统一方式连接 Tool 和外部资源。
可以把它们想象成一次维修任务:
- SOP 是维修手册;
- Skill 是维修人员掌握的维修能力;
- Tool 是扳手、万用表和诊断仪;
- MCP 是统一规格的工具接口;
- ERP、数据库和业务系统则是被操作的真实对象。
二、SOP:它首先是业务规则,不是技术接口
SOP 的全称是 Standard Operating Procedure,即标准作业流程。
例如,一家公司规定“库存不足时如何补货”,SOP 可能是:
1. 查询当前可售库存
2. 计算未来7天预测销量
3. 查询在途采购数量
4. 判断是否存在缺货风险
5. 生成补货建议
6. 金额超过5万元需要财务审批
7. 审批通过后创建采购单
SOP 关注的是:
- 先做什么、后做什么;
- 什么情况下继续;
- 什么情况下审批;
- 发生异常怎么办;
- 谁负责;
- 输出结果是什么。
注意,SOP 并不天然属于 AI。没有 AI 时,人也可以按照 SOP 执行。
因此,SOP 的本质是业务标准化。
三、Skill:不是一个接口,而是一类任务能力
很多人把 Skill 理解成“一个 Prompt”,其实不够准确。
一个成熟的 Skill,至少应包含:
任务目标
输入要求
业务知识
执行步骤
SOP规则
Tool选择方式
异常处理
人工确认节点
输出模板
例如“库存异常诊断 Skill”,它不只是调用一次库存接口,而可能完成:
查询销量
→ 查询库存
→ 查询在途采购
→ 计算周转天数
→ 按SOP识别缺货和积压
→ 生成补货、调拨、促销建议
→ 高风险操作提交审批
因此:
Tool 是“查询库存”,Skill 是“完成库存异常诊断”。
这就是两者最重要的区别。
Skill 的核心价值
Skill 让 AI 不只是“会调用工具”,而是“知道为什么调用、什么时候调用、先调用什么、失败后怎么办”。
从企业视角看,Skill 是把以下内容打包起来:
业务经验 + 操作流程 + 判断逻辑 + 工具编排 + 输出标准
四、Tool:真正执行动作的能力
Tool 是 AI 能够调用的具体能力,例如:
query_order_summary
query_inventory
query_product_cost
create_purchase_request
send_approval
update_product_price
Tool 的特点是:
- 输入明确;
- 输出明确;
- 动作可验证;
- 权限可控制;
- 失败可识别;
- 调用可审计。
Tool 和 API 到底有什么区别
API 是系统的技术接口;Tool 是面向 AI 的业务能力封装。
例如底层系统有三个 API:
GET /stock/available
GET /stock/locked
GET /purchase/in-transit
对 AI 来说,可以封装成一个更好理解的 Tool:
query_inventory_status
Tool 内部完成:
- 调用三个 API;
- 合并结果;
- 统一字段;
- 做权限过滤;
- 将错误码转换成可理解信息。
所以不要简单地把所有 API 原样注册成 Tool。
一个好的 Tool,需要有明确的业务语义。
五、MCP:它是协议,不是业务系统
MCP 的全称是 Model Context Protocol。
它解决的是:
- AI 如何发现有哪些工具;
- AI 如何知道工具需要哪些参数;
- AI 如何读取外部资源;
- AI 如何调用工具;
- 不同 AI 客户端如何复用同一套能力。
典型架构如下:
MCP Server 可以向 AI 暴露:
- Tools:可执行动作;
- Resources:数据、文档、上下文;
- Prompts:预设模板。
MCP 不会自动解决什么
MCP 并不会替代:
- API 网关;
- 数据中台;
- 工作流引擎;
- ETL;
- 消息队列;
- 调度系统;
- 权限系统。
它重点解决的是 AI 接入问题。
六、四者放在一起是什么关系
完整关系可以写成一句话:
SOP 定义规则,Skill 组织任务,MCP 提供连接,Tool 执行动作,应用系统保存真实结果。
流程如下:
七、用一个真实业务场景理解
用户说:
分析最近30天的滞销商品,并给出处理建议。
1. SOP 做什么
SOP 规定:
- 连续 14 天无销量且库存大于 0,视为滞销;
- 周转天数超过 90 天,视为高库存;
- 降价超过 10% 需要主管审批;
- 商品下架必须由运营确认。
2. Skill 做什么
Skill 负责:
识别时间范围
→ 查询销量
→ 查询库存
→ 查询成本和毛利
→ 根据SOP判断
→ 生成促销、调拨、降价或下架建议
→ 触发审批
3. Tool 做什么
Tool 负责:
query_sales_data
query_inventory
query_product_margin
create_price_approval
create_product_offline_request
4. MCP 做什么
MCP 让 AI 能够统一调用:
- 销售数据 MCP Server;
- 库存 MCP Server;
- 商品 MCP Server;
- OA 审批 MCP Server。
5. 应用系统做什么
- BI 返回销售指标;
- WMS 返回库存;
- ERP 返回成本;
- OA 完成审批;
- 商品系统完成下架或调价。
八、有了 MCP,还要不要 API
当然要。
推荐关系不是:
MCP 替代 API
而是:
MCP 建立在 API 之上
正确架构:
AI / Agent
↓
MCP Client
↓
MCP Server
↓
Tool
↓
API
↓
业务系统
API 适合
- 系统之间固定调用;
- 高并发交易;
- 微服务通信;
- 前后端交互;
- 数据同步。
MCP 适合
- AI 动态选择工具;
- 自然语言驱动操作;
- 多系统能力统一暴露;
- Agent 多步骤执行;
- 外部资源读取。
九、企业落地时最容易犯的错误
1. 将所有 API 直接暴露给大模型
这样会导致 Tool 数量爆炸,参数复杂,模型很难稳定选择。
2. 把 SOP 原文直接复制到 Prompt
SOP 面向人工,往往不够结构化。需要转成:
- 可执行步骤;
- 判断规则;
- Tool 调用;
- 异常分支;
- 审批节点。
3. 给 AI 过大的写权限
AI 不应该直接获得数据库超级账号,也不应该绕过审批修改价格、付款或删除数据。
4. Tool 粒度过细
大量“查询某个字段”的 Tool 会让 Agent 调用链过长。
5. 只关注能不能调用,不关注能不能审计
企业级 Agent 必须记录:
用户是谁
使用了哪个Skill
调用了哪个Tool
传入了什么参数
是否经过审批
最终是否成功
十、推荐的企业分层架构
第一层:业务应用
ERP、CRM、WMS、BI、OA、数据库、第三方平台
第二层:API与数据服务
API网关、微服务、SQL服务、文件服务、消息服务
第三层:Tool
查询订单、查询库存、创建工单、修改状态
第四层:MCP
订单MCP、商品MCP、库存MCP、数据MCP
第五层:Skill与SOP
销售分析Skill、库存诊断Skill、商品上架Skill
第六层:AI应用
企业助手、智能问数、运营Agent、客服Agent
十一、最后用一张表结束
| 你要解决的问题 | 应使用的概念 |
|---|---|
| 业务流程怎么规定 | SOP |
| AI 如何完成一类任务 | Skill |
| 如何执行一个具体动作 | Tool |
| AI 如何统一连接外部系统 | MCP |
| 系统之间如何稳定通信 | API |
| 固定审批如何流转 | 工作流 |
| 大批量数据如何同步 | ETL |
| 无接口系统如何自动操作 | RPA |
总结
真正合理的企业 AI 架构,不是只部署一个 MCP Server,也不是给大模型注册几十个 API。
它应该形成以下闭环:
SOP 定义规则
→ Skill 形成任务能力
→ MCP 连接外部系统
→ Tool 执行具体动作
→ API 调用现有系统
→ 业务结果正式落库
→ 全过程审计
当这几个层次被划分清楚后,企业 Agent 才能从“演示效果”走向“稳定生产应用”。
更多推荐


所有评论(0)