AI 的“万能插头”与“技能卡”：零基础看懂 MCP 和 Skill

系列文章目录

提示：这里是系列文章的专栏 并不喜欢吃鱼的C++专栏

提示：以下是文章目录哦!

文章目录

系列文章目录

文章目录

前言

一.从“只会聊天”到“会干活”：AI 缺的是一双手

1.1 背景：Function Calling 是什么

1.2 痛点：每个工具都要“单独拉一根线”

二.MCP：给 AI 装上“USB-C”通用插头

2.1 MCP 是什么

2.2 为什么需要 MCP：三个理由

2.3 MCP 里的三个角色

2.4 MCP核心架构

2.4.1 MCP HOST

2.4.2 MCP Client

MCP Server

2.5 MCP 是怎么工作的：十二步

三.Skill：给 AI 发一张“技能卡”

3.1 kill 是什么

3.2 一个 Skill 长什么样

3.3 为什么需要 Skill：四个痛点

3.4 核心机制：渐进式披露

3.5 怎么写好一个 Skill：六条原则

四.一张表看懂：MCP 和 Skill 到底啥区别

4.1 详细对比

4.2 Skill 和普通提示词的区别

五.时间线：AI“动手能力”进化史

六.总结

前言

提示：这里可以添加本文要记录的大概内容：

        这两年你一定听过这样的说法：AI 不再只会聊天了，它能帮你订机票、管文件、写代码、操控软件……那 AI 到底是怎么“长出双手”的？答案藏在两个词里：MCP 和 Skill

        这篇文章不堆术语，用打比方的方式，把两件事讲明白：MCP 是什么、Skill 是什么、它俩到底有什么区别。读完你会发现，它们没有想象中那么高深——一个是“插头”，一个是“技能卡”

        先说结论，方便你带着地图读：MCP 解决的是“AI 怎么连上外部世界（工具、数据）”；Skill 解决的是“AI 怎么做符合你规矩的事”。一个是接口标准，一个是能力封装

提示：以下是本篇文章正文内容

                                                   AI 应用系列科普 · 面向零基础读者

一.从“只会聊天”到“会干活”：AI 缺的是一双手

1.1 背景：Function Calling 是什么

        最早的大模型只会“动嘴”——你问它答。直到 2023 年 6 月，OpenAI 推出 Function Calling（函数调用），AI 才第一次学会“主动请求调用外部函数”：比如你说“查一下明天的天气”，模型会输出一个结构化的调用请求（函数名 + 参数），由程序去执行真正的查询，再把结果喂回给模型

        打个比方：你雇了一位知识渊博但手脚“瘫”了的管家（这就是大模型）。他什么都会，但自己没法动手。好在他面前有一排“功能按钮”（Function Calling 提供的函数列表），他负责判断“该按哪个钮、参数怎么填”，你替他按下按钮，真正的事由外部系统去办，办完再把结果告诉他

        后来 OpenAI 发现模型不仅能调“函数”，还能调文件搜索、代码解释器等“工具”，于是 2024 年把叫法改成了 Tool Calling。对绝大多数人来说，遇到这两个词当成一回事即可：核心都是“让 AI 调用外部能力”

1.2 痛点：每个工具都要“单独拉一根线”

        Function Calling 好用，但有个大问题：接口格式由各家厂商自己定。为 OpenAI 写的调用代码，换到 Google Gemini 可能就要重写；每接入一个新工具，都得从头写一套“驱动代码”。

        用数据说话：你有 M 个 AI 应用、N 个外部工具（数据库、文件系统、天气服务……），传统做法就得写 M × N 个对接模块。工具一多，代码量爆炸，生态被割裂成一个个“孤岛”。

        怎么破？行业里出现了两条解决思路，就是我们今天的主角：MCP（统一“接线”的标准）和 Skill（封装“干活”的套路）。

二.MCP：给 AI 装上“USB-C”通用插头

2.1 MCP 是什么

        MCP（Model Context Protocol，模型上下文协议） 起源于 2024 年 11 月 25 日，Anthropic 公司发布的一篇文章《Introducing the Model Context Protocol》。它是一套开放协议，通过标准化的语言和接口，实现 AI 模型与外部数据源、工具的无缝交互。

        注意：MCP 不是某一个工具，而是一种工作方式、一套规则。它的核心目标是：像 USB-C 那样，建立统一标准，实现“一次集成，处处运行”。

        想想 USB-C 给我们的生活带来的变化：在它出现前，手机、硬盘、显示器各用各的线；有了它，一根线、一个接口搞定所有，无论插充电头、U 盘还是 4K 显示器，系统都能自动识别、协商好协议。MCP 在 AI 世界里扮演的正是这个“通用连接器”角色——它出现前，每个 AI 应用调用一个外部工具都要写专属代码；有了它，符合标准的“设备”插上就能跑。

2.2 为什么需要 MCP：三个理由

1. 适配工作量极大降低。有了 MCP，M 个 AI 应用只需各自实现一次 MCP 客户端，N 个工具只需各自实现一次 MCP 服务器。一次对接，解锁整个生态，M × N 的问题变成了 M + N。

        再打一个比方：每个企业系统都像不同品牌的智能家电（电视、空调、智能灯），原本每个设备都需要专属遥控器。MCP 就像一个预置了所有家电协议的万能遥控器——AI 助手拿着它，既能让“电视”播放监控画面，也能让“空调”调节机房温度，还能让“音响”播报业务报告，所有操作都通过统一按键完成。

2. 标准化的工具发现和使用。MCP 把所有工具的定义、托管和暴露方式统一了：每个 MCP 服务器都以统一的格式（名称、参数、描述）向客户端暴露工具，大模型能轻松“发现”有哪些工具、理解怎么用，无需为每个新工具单独适配。

3. 构建开放生态，避免厂商锁定。MCP 是开放标准，不绑定任何特定模型、框架或供应商。你基于 MCP 标准开发一个“天气查询”服务器，OpenAI、Claude 还是其他支持 MCP 的模型都能直接调用，无需任何修改——技术投资不再被单一公司绑架。

2.3 MCP 里的三个角色

        MCP 遵循经典的“客户端-服务端”（C/S）架构，一个 AI 应用可以同时连接多个 MCP 服务器。三个角色这样分工：

        举个生活案例：周末聚餐，你对智能音箱（Host）说“看下周六天气，找家火锅店订位”。音箱内部的 Client（调度员）拆解任务后，并发调用三个 Server：问大众点评的服务器（返回“××路老火锅，评分 4.8”）、问订餐服务器（返回“订位成功，编号 123”）、问天气服务器（返回“天气晴朗”）。最后 Client 把三个结果打包，音箱统一告诉你

2.4 MCP核心架构

MCP遵循CS（客户端-服务端）架构，⼀个AI应用可以连接到多个MCP服务器

2.4.1 MCP HOST

        MCP HOST 是用户与 AI 交互的前端，比如我们使用 Trae，是面向用户的 AI 应用，就像指挥中心。Host 内嵌 MCP 客户端（Client），负责协议握手、工具能力发现、调用请求转发等功能

2.4.2 MCP Client

        MCP Client 则像是 LLM 的遥控器，负责向 Server 发送指令并接收结果。它充当了翻译官的角色，把自然语言指令转换成 Server 能理解的请求格式，通常嵌入在 Host 中）, 负责处理底层事务。

• 接收来自 LLM 的请求
• 转发请求至相应的 MCP 服务器
• 将 MCP 服务器返回的结果返回给 LLM

MCP Server

        能力提供方（例如：文件系统服务、数据库服务、GitHub 服务、搜索引擎服务），可本地或远程运行，关键是以标准格式告知能做什么，执行客户端请求并返回结果。可以理解为这是一个百宝箱，里面装着各种 MCP Tools (工具)，专门干脏活累活（比如查网页、读文件、查数据库）。

• 提供工具：Server 需要定义并实现具体的工具（Tool），这些工具是 MCP 的核心价值所在。例如，它可以是一个天气查询接口，或者是一个能够执行数学运算的功能
• 处理请求：当收到 MCP Client 的请求时，Server 负责解析该请求，并根据请求的内容执行相应的操作
• 返回结果：完成操作后，Server 会把结果返回给 Client。这可能涉及到从数据库获取信息、调用第三方 API，或者其他任何形式的数据处理任务

2.5 MCP 是怎么工作的：十二步

把上面过程展开，MCP 的完整工作流程是这样的：

全程你只说了第一句话，剩下的是“模型想、客户端跑腿、服务器干活”，这就是 MCP 的价值

MCP协议地址：
https://modelcontextprotocol.io/specification/versioning

三.Skill：给 AI 发一张“技能卡”

3.1 kill 是什么

        Skill（技能） 这个概念最早由 Anthropic 提出，是给大模型 Claude 做的一种能力扩展机制。简单说，一个 Skill 就是一个包含 SKILL.md 文件的文件夹。SKILL.md 里至少包含元数据（名称、描述）和“教 AI 怎么干活”的指令；文件夹里还可以捆绑脚本、参考资料、模板等资源。

        说白了，就是把一整套成熟的工作流、避坑指南、独门秘籍，全塞进一个文件夹里，让 AI 按需取用。

        打个比方：Skill 就是给 AI 装的“专项能力卡”。一个人本来只会说话，装了不同 Skill 之后：装了「天气 Skill」→ 能实时查天气；装了「文件 Skill」→ 能读写各种文档；装了「代码 Skill」→ 能写程序、跑代码。

3.2 一个 Skill 长什么样

        一个 Skill 本质就是一个文件夹，主要装着三样东西：一份说明书（SKILL.md）、一堆操作脚本（Scripts）、一些参考资料（References）。结构如下：

这里面的元数据是什么?         它是描述数据的数据。本身不是业务内容，而是用来记录这份数据的属性、来源、结构、权限等信息

        其中，SKILL.md 是主技能文件，里面用“字段”描述这个技能。常用字段如下：

3.3 为什么需要 Skill：四个痛点

智能体能力很强，但实际用起来总让人抓狂——因为它每次都是“空降兵”，不了解你的规矩、流程和偏好。Skill 就是把这些“规矩”打包成可插拔的文件夹。四个痛点对应四个价值：

1. 按需加载（解决“脑子不够用”）。如果你给智能体配了 10 套规范（周报格式、代码审查清单、合同审核要点……），它全记在“脑子”里，做代码审查时脑子里还飘着周报格式，时不时给你带一句“本周进展顺利”。就像让一个厨师同时记着 100 道菜谱去做番茄炒蛋——菜能做好吗？Skill 就像一张随取随用的菜谱卡，做番茄炒蛋时只掏这一张，做完收起来。

2. 固化经验（解决“不会做”）。把特定领域的专业流程（法律审查、数据分析、PPT 规范）捕获成可复用的指令，AI 不用重新学习，直接掌握“最佳实践”——就像把学会的菜写成步骤卡片，以后照卡做就行。

3. 相互隔离（解决“改一个乱一片”）。如果周报规范和代码审查规范写在一个“大杂烩”里，改一处全乱。Skill 把每道菜的菜谱单独写在一张卡片上，改番茄炒蛋的卡片，红烧肉不受影响；改错了，只扔这一张重写。

4. 即拷即用（解决“换个地方重新教”）。今天你是“周报撰写者”，明天是“代码审查官”，每次切换都要重新配置。Skill 是一个完整的卡片包，用哪个身份就插哪张卡，换个智能体把文件夹拷过去直接用——构建一次，随处使用。

3.4 核心机制：渐进式披露

        如果给 AI 装 50 个技能、每个技能几千字说明书，系统一启动就全塞进 AI 的“脑子”（上下文窗口）里，会怎样？成本爆炸（每次对话消耗几万 Token），注意力也被分散。Skill 的核心机制叫渐进式披露（Progressive Disclosure），说人话就是：按需加载，用多少拿多少。它分三个阶段：

3.5 怎么写好一个 Skill：六条原则

1. description 很关键。它决定 AI 什么时候触发这个技能。写得太模糊，该触发时不触发；写得太宽泛，不该触发时乱触发。好比买水果，你说“要苹果”，店家不会递给你香蕉葡萄。好的写法：“从 PDF 文件中提取文本和表格、填充表单、合并文档。在处理 PDF 文件或用户提及 PDF、表单或文档提取时使用。”坏的写法：“帮助处理 PDF 文档”。

2. 只写 AI 不知道的东西。把这份工作交接给一位经验丰富的同事，你需要告诉他什么？Excel 怎么做这种就不用教了。要写的是你的私有规则、个人习惯、行业特殊流程，比如“工作周从周三算起”“老板只看柱状图不看饼图”。

3. 信息分层，按需加载。核心规则放主文件，参考资料、模板放单独文件，AI 需要时再读取。主文件控制在 500 行以内，引用保持一层深度。

4. 复杂流程加验证环节。在关键步骤后加检查点，比如“做完这步先检查 XX 是否正确，确认没问题再继续下一步”，避免错误到后面才暴露。

5. 先跑起来，再慢慢打磨。Skill 很难一次写完美，先做尝试，哪里不对再优化。

6. 保持简洁。上下文窗口是公共资源，包含系统提示词、对话历史等。技能一旦被触发，内容就会加载进上下文，所以简洁很关键。

四.一张表看懂：MCP 和 Skill 到底啥区别

        Skill 是嵌入 AI 的“标准作业程序”（SOP），教它按规范完成任务；MCP 是 AI 的“通用插头”，帮它即插即用地连接外部工具和数据。一个管“会做事”，一个管“能连接”。

4.1 详细对比

4.2 Skill 和普通提示词的区别

你可能会问：Skill 不就是把提示词写长一点吗？还真不是。核心区别在三点：

五.时间线：AI“动手能力”进化史

从 2023 年到 2026 年，AI 调用工具和执行任务的能力经历了四次关键跃迁：

六.总结

        MCP = AI 的“USB-C 插头”，解决“连接”问题——让任何 AI 都能即插即用地接上任何工具和数据，一次集成、处处运行。Skill = AI 的“技能卡”，解决“做事”问题——把流程、经验、规范打包成文件夹，让 AI 按需加载、稳定执行。

两者不是二选一，而是配合使用：一个负责把“手”接上，一个负责把“脑子里的规矩”装好。想进一步动手，可以从这些地方开始：

• MCP 官网：http://modelcontextprotocol.io（协议文档） 

• MCP World: 海量 MCP Servers 导航网站

• Skill 官网：http://agentskills.io

以上是一些mcp和skill的官方平台,大家有需要的可以自信前往下载使用