大白话讲解SKILL和MCP

智能体是不知疲倦的机器人。SKILL 是给机器人看的说明书、工作指南，比如车辆维修手册。MCP 是给机器人用的工具，比如维修工具箱里的扳手、螺丝刀。

机器人的工作能力靠 SKILL 和 MCP 共同实现。只给工具 MCP，不给说明书 SKILL，机器人能力有限——就像一个普通人有扳手螺丝刀也修不了汽车发动机。反过来只有 SKILL 没有 MCP，机器人就成了”巧妇难为无米之炊”。

好在很多 SKILL 开头就会写清楚需要哪些 MCP、怎么安装这些 MCP。就像汽车维修手册前面写着”所需工具清单”和”工具购买渠道”。也有些 MCP 没有对应的 SKILL——大部分情况下 MCP 的名称已经足够让机器人知道怎么用了。就像你拿到一根吸管不需要说明书，看一眼就知道是做什么的。

什么是 SKILL

一句话定义

SKILL 就是一个文件夹，里面有一份写满了”怎么干活”的 Markdown 文件，外加可选的脚本、参考文档、模板等辅助材料。

打开任何一个 SKILL，你会看到一个 SKILL.md 文件，开头是元信息，后面是具体的操作步骤。就像你买宜家家具时附带的那张安装图纸——告诉你第一步拧哪个螺丝、第二步装哪块板。

Skill 长什么样

my-skill/
├── SKILL.md          # 核心：元数据 + 操作步骤
├── scripts/          # 可选：可执行的脚本
├── references/       # 可选：参考文档
└── assets/           # 可选：模板、资源文件

SKILL.md 文件的前半段是 YAML 头，记录”我是谁、我干什么、我需要什么”：

---
name: pdf-processing
description: 提取PDF文字、填表单、合并文件。处理PDF时使用。
license: Apache-2.0
metadata:
  author: example-org
  version: "1.0"
---

后半段是纯文本操作指南——告诉机器人第一步做什么、第二步做什么、遇到问题怎么办：

## 这个 Skill 什么时候用
当你需要处理 PDF 文件时。

## 操作步骤
1. 先用 `pdftotext` 提取文字
2. 如果需要填表单，用 `pdf-filler` 工具
3. 如果需要合并，用 `pdfunite`

## 常见坑
- 扫描件 PDF 需要先 OCR，不能直接提取文字
- 加密 PDF 需要先输入密码

## 验证方法
运行 `ls output.pdf` 确认文件生成成功

Skill 的核心理念：渐进式披露

机器人不需要一开机就把所有说明书读完。Skill 设计了三层加载：

第一层（启动时加载）：只读 Skill 的 name 和 description，约 100 个 token。机器人知道”我有这些说明书可用”，但不打开看内容；
第二层（任务匹配时加载）：当用户说”帮我处理这个 PDF”，机器人才打开对应的 SKILL.md，读完整操作步骤，通常不超过 5000 token；
第三层（按需加载）：如果操作步骤里引用了 references/api-docs.md，只在真正需要时打开那个文件。

这套机制意味着机器人可以随身携带 100 本说明书，但只有干活时才翻对应的那本。不干活的书不占脑容量。

一个真实例子：systematic-debugging

拿 Hermes Agent 自带的 systematic-debugging 这个 Skill 举例。它不教机器人怎么用某个工具，而是教机器人怎么思考——遇到 Bug 时该怎么排查：

Iron Law：不找到根因，不许动手修。
四阶段：Phase 1 找根因 → Phase 2 找模式 → Phase 3 提假设并验证 → Phase 4 修根因。
红线清单：如果脑子里冒出”先随便改改试试”，立刻 STOP，滚回 Phase 1。
如果改了 3 次还没修好：别再改了，是架构问题，不是 Bug 问题。

这本”说明书”不会修任何一个具体的 Bug，但它让机器人学会了正确的修理姿势。就像驾校教练不帮你打方向盘，但教你什么时候看后视镜。

Skill 的行业标准

Skill 不是某一家公司的私有格式。它遵循 agentskills.io 开放标准，最初由 Anthropic 提出，现已被 Claude Code、GitHub Copilot、VS Code、Cursor、OpenAI Codex、Gemini CLI、Hermes Agent 等 30+ 个 AI Agent 产品支持。你写一份 Skill，可以在不同产品间复用。

什么是 MCP

一句话定义

MCP（Model Context Protocol）是连接 AI 和外部系统的”USB-C 接口”——一个标准协议，让 AI 可以调用任何外部工具，不管这个工具是本地文件系统、数据库、浏览器，还是远程 API。

为什么需要 MCP

传统方式下，每个 AI 应用要对接一个新工具，开发者就得单独写一套集成代码。100 个 AI 应用 × 100 个工具 = 10,000 套集成。MCP 把这个变成了 N + M 的关系：工具开发者按 MCP 标准写一个 Server，所有支持 MCP 的 AI 应用都能用它。

就像 USB-C 出现之前，手机、笔记本、充电宝各有各的接口。USB-C 统一后，一根线通吃所有设备。MCP 在 AI 世界里干的就是这件事。

MCP 怎么工作

MCP 架构分三部分：

MCP Host：AI 应用本身（比如 Claude Desktop、Hermes Agent、VS Code）
MCP Client：Host 内置的客户端，负责和各个 Server 维持连接
MCP Server：一个个独立的”工具包”进程，暴露具体能力

1
2
3

用户 → AI 应用(Host) → MCP Client → MCP Server(GitHub)  → GitHub API
                                    → MCP Server(数据库) → PostgreSQL
                                    → MCP Server(浏览器) → Playwright

机器人不需要知道每个工具后面是什么。它只看到一个标准化工具列表，像这样：

mcp_github_create_issue    # 创建 GitHub Issue
mcp_github_list_issues     # 列出 Issues
mcp_playwright_navigate    # 浏览器导航
mcp_filesystem_read_file   # 读文件

两种 MCP Server

Stdio 型（本地子进程）：Server 跑在本地电脑上，通过标准输入输出和 AI 通信。适合文件系统操作、本地数据库等场景。配置起来只是一行命令：

mcp_servers:
  filesystem:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-filesystem", "/home/user"]

HTTP 型（远程服务）：Server 部署在云端，AI 通过网络连接。适合企业内部 API、SaaS 工具等场景：

mcp_servers:
  linear:
    url: "https://mcp.linear.app/mcp"
    auth: oauth

现实世界的 MCP 应用

AI 直接操作你的 GitHub：创建 Issue、Review PR、合并分支，不需要你打开网页
AI 查询公司数据库：用自然语言”上个月销售额最高的 10 个产品”，背后是 MCP 连 PostgreSQL
AI 操控浏览器：打开网页、填表单、截屏，通过 @playwright/mcp 实现
AI 管理 Linear/Jira：创建任务、更新状态、查 Sprint 进度

SKILL 和 MCP 怎么配合

回到开头那个”说明书 vs 工具箱”的比喻，看一个真实配合案例：

场景：机器人帮你创建 GitHub PR

只有 MCP 没有 SKILL：

机器人看到工具列表里有 mcp_github_create_pull_request，但它不知道该填什么参数、分支命名规范是什么、commit message 要遵循什么格式。它只能胡乱尝试，出来的 PR 标题可能是 “fix stuff”。

只有 SKILL 没有 MCP：

SKILL 里写了”先创建分支，命名规则 feat/描述，commit 用 Conventional Commits 格式，然后 gh pr create“。但机器人没有 gh 工具，也没有 GitHub API 工具。它看着说明书干瞪眼——“巧妇难为无米之炊”。

SKILL + MCP 配合：

SKILL 写了完整工作流：

## 操作步骤
1. git checkout -b feat/描述
2. git add . && git commit -m "feat: 简要描述"
3. 使用 mcp_github_create_pull_request 创建 PR
   - title: feat: 简要描述
   - base: main
   - body: 包含改动摘要和测试计划
4. 使用 mcp_github_request_review 请求审查

MCP 提供了第 3、4 步的精准工具。SKILL 告诉机器人第 3 步该填什么参数、走什么顺序。两者缺一不可。

什么情况不需要 SKILL

有些 MCP Server 的工具名称和参数已经足够自解释。比如：

mcp_filesystem_read_file(path="/tmp/data.csv")——不需要说明书
mcp_github_list_issues(state="open")——看一眼就懂

这就好比你不需要”吸管使用说明书”——工具本身的设计已经足够直观。

什么情况不需要 MCP

很多操作不需要 MCP，用 Skill 直接调终端命令就够了：

搜索 arXiv 论文：curl + jq 走 API，Skill 写步骤，不用起 MCP Server
PDF 转文字：pdftotext 一行命令，Skill 写步骤，不需要 MCP
git 工作流：git 命令自带，Skill 写规范，不需要 MCP

原则：已有的系统命令能搞定的事，Skill 就够了。需要新”工具语义”（数据库连接、浏览器操控、持续运行的第三方 API 对接），才上 MCP。

总结

维度	SKILL	MCP
是什么	说明书、操作手册	工具、工具箱
本质	Markdown 文本指令	运行中的服务进程
给机器人什么	告诉它怎么做	给它新工具
标准	agentskills.io 开放标准	Model Context Protocol
创建方式	写 Markdown，5 分钟	运行一个兼容 MCP 的 Server 进程
加载方式	按需渐进式加载，不占资源	后台维持连接，常驻内存
适合场景	工作流编排、专家知识传授	新能力接入、外部系统对接

两者不是竞争关系，是互补关系。 Skill 管过程（How），MCP 管能力（What）。能力不够先上 MCP，流程复杂再包一层 Skill。大多数真实场景里两者一起用——就像修车师傅既需要维修手册，也需要工具箱。