搭建智能体–skill和mcp的进一步理解

对于skill和mcp，了解到什么程度，才算好的理解
1.skill和mcp在那个软件里使用

2.skill和mcp的来源

3.skill和mcp如何和具体的使用常用的app

一、Skill 和 MCP 在哪些软件里使用？

这两个概念主要出现在支持 AI Agent（智能体）的应用和平台中。你可以把它们理解为给 AI 扩展能力的两种不同“插件”。

MCP（Model Context Protocol） 的使用场景很广，任何想接入外部工具和数据的 AI 应用都可以作为 MCP 主机（Host） 。比较典型的有：

• Claude Desktop：Anthropic 官方客户端，原生支持接入 MCP 服务器。
• Dify：这个 LLM 应用开发平台，既支持连接外部的 MCP 服务器作为工具使用，也支持将自己的应用发布为 MCP 服务器。
• AI 编程工具：如 VS Code / GitHub Copilot，可以作为 MCP 主机运行 MCP 应用。
• 其他 AI 应用与框架：包括 ChatGPT、Google Gemini、Cursor、Cherry Studio等，都在逐步支持 MCP。

Skill 目前最知名的实践来自 Anthropic（Claude 的母公司）。它在 Claude 相关的生态中扮演重要角色：

• Claude Code：Anthropic 的命令行工具，可以直接安装和使用 Skill。
• 支持 Skill 的 Agent 框架：任何遵循 Anthropic 推出的 Agent Skills 开放标准的智能体框架，都可以加载和使用 Skill。

二、Skill 和 MCP 的来源是什么？

它们都出自同一家公司——Anthropic（Claude 的开发商）。

• MCP（Model Context Protocol，模型上下文协议）：由 Anthropic 在 2024 年 11 月开源推出。它诞生的初衷是解决 AI 应用与外部工具、数据源集成时的“重复造轮子”问题。在 MCP 出现前，每想让一个 AI 连接一个新工具，都要写一套定制代码。MCP 像一个 “AI 界的 USB-C 接口” ，定义了一套标准协议，让任何支持 MCP 的 AI 都能“即插即用”地连接任何遵循该协议的工具。
• Skill（技能）：在 MCP 推出约一年后，Anthropic 又推出了 Skill。如果说 MCP 解决的是“模型能用什么”（连接外部工具），那 Skill 解决的就是“模型该怎么用”。Skill 不是一个协议，而是一种 “能力封装格式” 。它把完成特定任务的专业知识、标准作业流程（SOP）和操作规范，封装成一个轻量级的、可被 AI 自动理解和执行的模块。

三、Skill 和 MCP 如何与常用的 App 结合使用？

两者的定位不同，与 App 的结合方式也各异，但经常协同工作。

1. MCP：作为“万能连接器”

MCP 的核心价值在于连接。一个支持 MCP 的 App（如 Claude Desktop）可以通过配置，连接到一个或多个 MCP 服务器。每个 MCP 服务器就像一个小型“适配器”，封装了与特定外部系统（如数据库、API、文件系统）交互的能力。

• 实战案例：你可以让 Claude Desktop 连接高德地图的 MCP 服务器，然后直接对它说“帮我规划一份北京三日游的攻略”，Claude 就能通过 MCP 调用高德地图的 API 来获取路线、景点等信息。同理，也可以连接 Notion MCP 服务器，让 AI 帮你搜索、整理工作区的内容。
• 在 Dify 中：你可以在 Dify 的工具页面添加一个 MCP 服务器（比如连接 GitHub 或 Notion 的 MCP 服务器）。之后，你在 Dify 中构建的 AI 应用就能像调用内置工具一样，调用这个 MCP 服务器提供的所有功能。

2. Skill：作为“专家级操作手册”

Skill 的核心价值在于指导。它本身不直接连接外部系统，而是为 AI 提供完成某项任务的步骤、方法和标准。

• 实战案例：一个“会议准备”的 Skill，会告诉 AI：先去 Notion 找项目页面，再看上一次的会议记录，最后按团队标准格式生成一份会议准备文档。这里的“去 Notion 找”这个动作，可能就需要通过 MCP 连接 Notion 来完成。
• 在 Claude Code 中：你可以直接安装一个“生成 PPT”的 Skill（如 pptx skill），然后 Claude Code 就会按照这个 Skill 定义的流程，自动帮你生成一份演示文稿。

3. 协同工作：1+1 > 2

MCP 和 Skill 不是替代关系，而是互补和协作的关系。它们经常被组合使用，来构建更强大的 AI 智能体。

一个经典的比喻：MCP 是给 AI 一双“手”，让它能够触达和操作外部世界的工具；Skill 则是给 AI 一本“操作手册”，教它如何用这双手高效、正确地完成任务。

在实战中，通常的搭配方式是：

• MCP 负责“连接”：通过 MCP 服务器，让 AI 能够访问 Notion、GitHub、数据库、内部 API 等各种外部系统。
• Skill 负责“编排”：一个 Skill 可以“指挥”多个 MCP 服务器，按照预设的业务流程协同工作。

举例：一个“生成周报”的 Skill，可以这样工作：

1. Skill 规定：先通过 GitHub MCP 获取本周的代码提交记录。
2. 再通过 Notion MCP 获取本周的项目任务进度。
3. 最后，按照 Skill 内置的模板和格式，将这两部分信息整合成一份完整的周报。

这样，AI 就不再是简单地执行单个指令，而是能像一个真正的员工一样，按照标准流程，自主调用各种工具来完成一项复杂的、端到端的任务。

—、、