很多人第一次看到 MCP 和 Agent Skill，会觉得它们都在给 Agent 增强能力，所以容易把两者混在一起。其实它们不是一类东西，也不是谁替代谁。MCP 更像工具和数据的标准接口；Skill 更像一份可复用的操作手册，告诉 Agent 拿到工具之后按什么步骤完成任务。

这篇文章用更通俗的方式讲清楚：MCP 和 Skill 各自解决什么问题、为什么经常一起出现、真实项目里应该怎么搭配。

一、先说结论：MCP 是“手”，Skill 是“操作手册”

MCP 解决的是外部连接能力。Agent 想读文件、查数据库、调用搜索接口、访问企业系统，都需要有一套标准方式把这些能力接进来。MCP 就是为这件事服务的。

Skill 解决的是流程沉淀能力。Agent 有了读文件、查数据库、运行脚本这些工具以后，面对复杂任务仍然可能不知道先做什么、后做什么、用什么标准判断。Skill 就是把这些经验、步骤、模板、脚本打包起来。

所以最容易记的说法是：MCP 让 Agent 能做事；Skill 让 Agent 会做事。

二、MCP：把外部工具和数据标准化接入

MCP 的核心价值是标准化。过去每接一个工具，都要单独写一套适配逻辑：数据库一套、文件系统一套、搜索接口一套、内部业务系统又一套。工具多了以后，维护成本会很高。

MCP 把这些外部能力包装成 Server，再通过 Client 提供给 AI 应用。模型不需要关心底层是 HTTP、数据库连接，还是本地文件系统；它只需要看到统一的工具描述和参数结构。

在 MCP 里，常见能力主要有三类：Tools 用来执行动作，比如查库、读文件、发请求；Resources 用来提供上下文，比如文件内容、数据库记录；Prompts 用来复用提示模板。

从工程角度看，MCP 更靠近“基础设施层”。它关心的是连接、协议、发现、调用、权限和结果返回。

三、Agent Skill：把任务流程打包成可复用模块

一个 Skill 通常由 SKILL.md、脚本、参考资料和模板组成

Skill 不是简单的一段提示词。一个 Skill 通常是一个文件夹，里面至少有一份 SKILL.md，里面写清楚技能名称、适用场景、执行步骤和输出要求。复杂一点的 Skill 还会带脚本、参考文档、模板、示例文件。

比如一个“代码审查 Skill”，可以在 SKILL.md 里写清楚审查流程：先读取改动文件，再检查安全问题，再检查性能问题，最后按固定模板输出报告。如果团队有自己的审查规范，也可以放到 references 目录里；如果要做自动扫描，可以放脚本到 scripts 目录里。

Skill 的好处是把重复经验沉淀下来。你不用每次都在提示词里说“请先检查安全漏洞，再检查性能问题，再按这个格式输出”。只要 Skill 写好，Agent 在遇到相关任务时就能按流程做。

更重要的是，Skill 通常采用按需加载：启动时只让 Agent 看到技能名和描述；当任务匹配时再加载完整的 SKILL.md；执行时如果需要脚本或模板，再继续读取相关文件。这样既能沉淀复杂知识，又不会一开始就把所有内容塞进上下文。

四、两者的核心区别

MCP 和 Skill 的区别可以从四个角度理解。

第一，解决的问题不同。MCP 解决“怎么访问外部系统”；Skill 解决“怎么完成某类任务”。

第二，粒度不同。MCP 通常是一个个原子工具，比如 read_file、query_database、send_message；Skill 通常是一套完整流程，比如代码审查、投研报告、合同审查、数据分析。

第三，加载方式不同。MCP 会把工具描述和 schema 暴露给模型，让模型知道有哪些工具可以调用；Skill 会先暴露简短描述，命中任务后再加载完整的工作说明。

第四，风险边界不同。MCP 可能真的执行外部动作，所以要做权限、白名单、参数校验和用户确认；Skill 可能影响 Agent 的行为流程，所以要防止描述过宽、误触发、脚本不安全或流程过时。

五、代码审查场景：Skill 负责排流程，MCP 负责干活

用一个代码审查场景来理解最直观。用户说：“帮我审查这次提交的代码。”Agent 会先判断这个任务适合使用 code-review Skill，于是加载这个 Skill 的说明。

SKILL.md

---
name: code-review
description: 对代码变更做审查，重点检查 bug、安全风险、性能问题和可维护性。
---

# 代码审查流程

1. 读取本次提交涉及的文件和 diff。
2. 识别变更影响范围，区分核心逻辑、配置、测试和文档。
3. 检查安全风险，例如鉴权绕过、敏感信息泄露、SQL 注入。
4. 检查性能风险，例如重复查询、循环调用、无缓存热点路径。
5. 按 references/review_report.md 模板输出审查报告。

这段 Skill 只是在告诉 Agent “怎么审查”。但它自己并不能读文件，也不能查 Git diff。真正执行读取动作时，Agent 仍然需要调用 MCP 提供的工具。

# Skill 说：先读取本次提交涉及的文件
# Agent 发现 MCP 有 query_git_diff 和 read_file 工具，于是调用它们

diff = mcp_client.call_tool("query_git_diff", {
"base": "main",
"target": "feature/login-fix"
})

code = mcp_client.call_tool("read_file", {
"path": "src/auth/login.py"
})

这就是两者的分工：Skill 定义流程，MCP 提供动作。Skill 像项目经理，告诉 Agent 按什么步骤做；MCP 像专业工人，负责把每一步真正执行出来。

六、什么时候只用 MCP？什么时候只写 Skill？

如果你的问题是“Agent 连接不到某个系统”，比如不能查数据库、不能读企业知识库、不能调内部接口，那优先做 MCP。因为此时缺的是外部能力接入。

如果你的问题是“Agent 每次都有工具，但结果不稳定”，比如代码审查漏项、报告格式乱、数据分析没有固定步骤，那优先写 Skill。因为此时缺的是流程、标准和模板。

如果是复杂业务，通常两个都需要。比如让 Agent 写一份投研报告，MCP 负责连接行情数据、公告系统、新闻源；Skill 负责规定报告结构、分析顺序、风险检查和输出格式。

七、再看一个更贴近业务的组合例子

假设你要做一个“竞品分析 Agent”。只用 MCP，它能查网页、拉数据、读文件，但它未必知道竞品分析该按什么框架写；只用 Skill，它知道分析框架，但没有数据来源，也只能空写。

更合理的做法是：Skill 写清楚竞品分析流程，MCP 提供搜索、数据库、文档读取、表格生成等能力。

SKILL.md

---
name: competitor-analysis
description: 当用户需要分析竞品、产品差异、市场定位和增长策略时使用。
---

# 竞品分析流程

1. 明确分析对象和目标用户。
2. 通过 MCP 搜索工具收集公开资料。
3. 读取内部资料库中的历史分析报告。
4. 按“产品功能、定价、渠道、用户评价、风险点”五个维度整理。
5. 使用 assets/report_template.md 输出结构化报告。

这个例子里，Skill 决定报告怎么写，MCP 决定资料怎么拿。两者结合以后，Agent 才既有方法，也有数据。

八、生产环境别忽略安全边界

MCP 和 Skill 都能增强 Agent，但增强能力也意味着风险变大。MCP 可能执行真实动作，比如删除文件、发送邮件、修改数据库；Skill 可能改变 Agent 的行为方式，比如让它优先执行某个脚本、跳过某些检查。

生产环境里，MCP 要特别注意工具权限、参数校验、用户确认和审计日志。Skill 要特别注意描述边界、脚本来源、依赖版本和触发条件。

一个比较稳妥的做法是：读操作默认允许；写操作需要更严格的权限；高风险动作必须二次确认；所有工具调用都要记录 tool name、参数、执行结果和用户确认信息。

九、面试里怎么一句话讲清楚？

可以这样回答：MCP 和 Agent Skill 不是同类概念。MCP 解决 Agent 如何连接外部工具、数据和系统，属于能力接入层；Skill 解决 Agent 拿到这些能力后，如何按稳定流程完成具体任务，属于知识和流程层。MCP 的粒度更像一个个工具调用，Skill 的粒度更像完整工作流。实际项目里，两者经常一起用：Skill 编排流程，MCP 提供工具。

这句话能把定位、粒度和配合方式都讲清楚，比单纯背“一个是协议，一个是技能”更容易让人听懂。