MCP 和 Skill 是 AI Agent 生态中两个不同层级但紧密协作的概念。高德曾用一个非常形象的比喻概括：“MCP 是砖，Skill 是预制件，Agent 是精装房。” 下面帮你理清它们的关系。
MCP（Model Context Protocol）—— 标准协议层
MCP 是 AI 时代的通用连接协议，相当于一个"标准 USB 接口"。它的核心职责是数据供给——为大模型提供访问外部数据源和工具的标准通道。
它是一个独立运行的程序（MCP Server），负责连接数据库、API、文件系统等外部资源
任何支持 MCP 协议的 AI 平台都可以直接调用，无需额外开发
解决的核心问题是：让大模型"拿到数据"
Skill —— 业务技能层
Skill 是一个打包好的"技能包"，最早由 Anthropic 提出，现已成为行业标准扩展规范。 它的核心职责是逻辑定义——教大模型"怎么用数据完成任务"。
一个 Skill 通常包含：
SKILL.md：说明书，定义何时触发、如何执行
Script：可执行脚本，处理自动化逻辑
Reference：参考资料，按需加载的领域知识
Skill 解决的核心问题是：让大模型"知道怎么做"，把领域知识、操作流程、最佳实践封装在一起，开箱即用。
两者的关系：互补协作，不是替代
Anthropic 官方对二者关系的精准概括是：
“MCP connects Claude to data，Skills teach Claude what to do with that data.”
（MCP 负责给大模型提供数据，Skill 负责教大模型如何处理数据。）
它们的协作流程是这样的：
文本

编辑

用户发出指令
↓
模型匹配到合适的 Skill
↓
Skill 加载后，内部逻辑通过 MCP 调用所需的外部工具/数据
↓
完成闭环，返回结果
简单说：Skill 是 MCP 的消费者。Skill 内部会调用 MCP 提供的能力，但 Skill 还额外包含了"什么时候用、怎么用、异常怎么处理"这些业务逻辑。
一张表看清区别
表格
维度 MCP Skill
本质 通信协议/连接标准 能力包/业务逻辑封装
核心职责 数据供给（拿数据） 逻辑定义（用数据）
类比 标准 USB 接口 装好驱动的成品设备
灵活度 高（原子能力，自由组合） 中（预编排好的流程）
开箱即用 低（需要自己编排） 高（拿来就能用）
实际场景举例
以"一句话寄快递"为例：
只用 MCP/CLI：AI 拿到地址解析、时效查询、下单等原子能力，但需要自己编排调用顺序，灵活但容易出错
用 Skill：直接调用"寄快递 Skill"，内部自动完成地址校验→比价→下单全流程，省心但定制性稍弱
MCP + Skill 结合：Skill 内部通过 MCP 调用底层能力，既有业务逻辑保障，又能灵活扩展
所以回到你的问题：MCP 和 Skill 不是二选一的关系，而是"底层管道 + 上层封装"的协作关系。MCP 提供标准化的数据通道，Skill 在此基础上封装业务逻辑，两者配合才能让 Agent 真正"办成事"。