Skills 与 MCP 的关系

核心观点：Skills 和 MCP 是相辅相成的，不是替代关系

最重要的一句话

Skills 是"怎么用工具"，MCP 是"提供什么工具"

重新认识 MCP

MCP 是什么？

MCP（Model Context Protocol） 是一个开放协议，用于连接 AI 和外部工具。

类比：

MCP = USB 接口
各种工具（数据库、API、文件系统）= USB 设备
AI Agent = 电脑

有了 MCP：

AI 可以用统一的方式访问各种工具
不需要为每个工具写专门的代码

MCP 提供什么？

MCP 提供三种能力：

工具（Tools）
- AI 可以调用的函数
- 例如：read_file、search_database
资源（Resources）
- AI 可以读取的数据
- 例如：配置文件、数据库记录
提示（Prompts）
- 预定义的提示模板
- 例如：代码审查提示

Skills 和 MCP 的关系

核心关系图

┌─────────────────────────────────────────────────────────┐
│                        AI Agent                          │
│                     (Claude/GPT 等)                      │
└───────────────────────┬─────────────────────────────────┘
                        │
                        │ 使用
                        ▼
┌─────────────────────────────────────────────────────────┐
│                       Skills                             │
│                   （技能层）                             │
│                                                         │
│  Skills 告诉 AI：                                         │
│  - 什么时候用什么工具                                     │
│  - 如何组合使用多个工具                                   │
│  - 完成任务的步骤是什么                                   │
│                                                         │
│  例如：code_search Skill                                 │
│  "当用户要搜索代码时，使用 grep 工具搜索文件内容"          │
└───────────────────────┬─────────────────────────────────┘
                        │
                        │ 调用
                        ▼
┌─────────────────────────────────────────────────────────┐
│                       MCP 工具                           │
│                   （工具层）                             │
│                                                         │
│  MCP 提供具体的执行能力：                                 │
│  - 文件系统操作（read_file, write_file）                 │
│  - 代码搜索（grep）                                      │
│  - 数据库查询（execute_sql）                             │
│  - API 调用（http_request）                              │
│                                                         │
│  这些工具通过 MCP 协议统一暴露给 AI                       │
└─────────────────────────────────────────────────────────┘

关系总结

层次	角色	职责	类比
AI Agent	大脑	思考、决策	指挥官
Skills	战术	知道怎么完成任务	作战手册
MCP 工具	武器	具体的执行能力	枪支、弹药

详细对比

MCP：工具提供者

职责：

提供底层的执行能力
统一的接口标准
不关心任务逻辑

例子：

yaml

# MCP 服务器提供的工具
tools:
  - name: grep
    description: "在文件中搜索文本"
    parameters:
      - pattern: 搜索模式
      - path: 搜索路径

特点：

✅ 通用性强
✅ 可复用
❌ 没有任务逻辑

Skills：任务编排者

职责：

知道什么时候用什么工具
知道如何组合工具
知道完成任务的步骤

例子：

yaml

# code_search Skill
instructions: |
  你是一个代码搜索专家。

  工作流程：
  1. 理解用户搜索意图
  2. 选择工具（优先用 grep）
  3. 构建搜索查询
  4. 执行并返回结果

  工具依赖：
  - grep（来自 MCP）
  - find（来自 MCP）

特点：

✅ 有任务逻辑
✅ 可以组合工具
❌ 依赖 MCP 工具

实际例子对比

场景：搜索代码

只用 MCP（没有 Skills）

你：搜索所有使用 useState 的地方

AI：（需要自己判断用什么工具）
我该用哪个工具？
- read_file？不对，这个只能读单个文件
- grep？对，这个可以搜索

[调用 MCP 的 grep 工具]
grep -r "useState" --include="*.js"

找到结果...

问题：

AI 每次都要重新判断
不知道最佳实践
可能选错工具

用 Skills + MCP

你：搜索所有使用 useState 的地方

AI：（code_search Skill 自动知道怎么做）
我是代码搜索专家，我用 grep 工具来搜索。

[自动调用 MCP 的 grep 工具]
grep -r "useState" --include="*.js" --include="*.jsx"

找到结果...

优势：

Skill 已经封装了最佳实践
AI 直接执行，不需要判断
结果更可靠

更复杂的例子：代码审查

场景：审查一段代码

只用 MCP

你：审查这段代码

AI：（需要自己想步骤）
1. 先读取文件（用 read_file）
2. 搜索类似的代码（用 grep）
3. 检查错误（用什么工具？不知道...）

结果：审查不全面，因为 AI 不知道完整的流程

用 Skills + MCP

code_review Skill：

yaml

instructions: |
  你是一个代码审查专家。

  审查流程：
  1. 读取目标代码（read_file）
  2. 搜索类似代码做对比（grep）
  3. 运行测试（test_runner）
  4. 检查代码规范（linter）
  5. 生成审查报告

  工具依赖：
  - read_file（MCP）
  - grep（MCP）
  - test_runner（MCP）
  - linter（MCP）

你：审查这段代码

AI：（code_review Skill 知道完整流程）
我是代码审查专家，我来系统地审查这段代码。

1. [读取代码]（read_file）
2. [搜索类似代码]（grep）
3. [运行测试]（test_runner）
4. [检查规范]（linter）
5. [生成报告]

审查完成！发现以下问题：
...

优势：

流程完整，不会遗漏
逻辑清晰，可复现
结果专业

它们是互补的，不是竞争的

错误理解

❌ 误解 1："Skills 会替代 MCP"

错！Skills 依赖 MCP 提供工具

❌ 误解 2："有了 MCP 就不需要 Skills"

错！没有 Skills，AI 不知道如何用好 MCP 工具

❌ 误解 3："Skills 和 MCP 是竞争关系"

错！它们是合作关系

正确理解

✅ MCP 提供工具能力

提供底层工具
统一接口
标准化协议

✅ Skills 提供任务逻辑

知道什么时候用什么工具
知道如何组合工具
封装最佳实践

✅ 两者配合，效率最高

MCP = 执行层
Skills = 逻辑层
AI = 决策层

决策树：什么时候用哪个？

你需要让 AI 完成一个任务
    │
    ├─ 需要访问外部数据/工具？
    │   └─ 是 → 需要 MCP 提供这些工具
    │
    ├─ 任务有固定流程？
    │   └─ 是 → 用 Skills 封装流程
    │
    └─ 需要组合多个工具？
        └─ 是 → 用 Skills 编排工具

例子 1：简单文件读取

需求：读取一个文件的内容

方案：只需要 MCP

直接用 MCP 的 read_file 工具
不需要 Skills

例子 2：代码搜索

需求：在代码库中搜索代码

方案：Skills + MCP

Skills（code_search）：知道如何搜索
MCP（grep）：提供搜索能力

例子 3：复杂代码重构

需求：重构一个模块，包括：

搜索代码
分析依赖
重构代码
运行测试
更新文档

方案：Skills + MCP

Skills（refactor）：编排整个流程
MCP：提供各种工具（grep、read_file、write_file、test_runner）

实际应用建议

作为使用者

优先使用官方 Skills
- 稳定可靠
- 持续更新
理解常用 Skills
- code_search
- refactor
- file_operations
不需要深入 MCP
- 知道概念即可
- Skills 已经封装好了

作为开发者

需要同时了解两者
- MCP：如何提供工具
- Skills：如何封装逻辑
先学 MCP
- 理解工具层
- 再学 Skills 封装
开发自定义 Skills
- 封装团队的最佳实践
- 提升开发效率

总结

核心要点

MCP 提供工具：文件操作、代码搜索、数据库访问
Skills 封装逻辑：什么时候用什么工具、如何组合
两者配合：MCP = 执行层，Skills = 逻辑层
不是竞争关系：它们是相辅相成的

一句话记住

MCP 是"武器库"，Skills 是"武功秘籍"，AI 是"侠客"
侠客需要武器（MCP 提供工具）
侠客需要武功（Skills 告诉怎么用）
两者配合，侠客才能行侠仗义

下一步

现在你已经理解了 Skills 和 MCP 的关系。

接下来，我们将通过实战案例来看看如何在实际项目中使用 Skills。

← 返回模块目录 | 继续学习：实战应用 →

Skills 与 MCP 的关系 ​

最重要的一句话 ​

重新认识 MCP ​

MCP 是什么？ ​

MCP 提供什么？ ​

Skills 和 MCP 的关系 ​

核心关系图 ​

关系总结 ​

详细对比 ​

MCP：工具提供者 ​

Skills：任务编排者 ​

实际例子对比 ​

场景：搜索代码 ​

只用 MCP（没有 Skills） ​

用 Skills + MCP ​

更复杂的例子：代码审查 ​

场景：审查一段代码 ​

只用 MCP ​

用 Skills + MCP ​

它们是互补的，不是竞争的 ​

错误理解 ​

正确理解 ​

决策树：什么时候用哪个？ ​

例子 1：简单文件读取 ​

例子 2：代码搜索 ​

例子 3：复杂代码重构 ​

实际应用建议 ​

作为使用者 ​

作为开发者 ​

总结 ​

核心要点 ​

一句话记住 ​

下一步 ​

Skills 与 MCP 的关系

最重要的一句话

重新认识 MCP

MCP 是什么？

MCP 提供什么？

Skills 和 MCP 的关系

核心关系图

关系总结

详细对比

MCP：工具提供者

Skills：任务编排者

实际例子对比

场景：搜索代码

只用 MCP（没有 Skills）

用 Skills + MCP

更复杂的例子：代码审查

场景：审查一段代码

只用 MCP

用 Skills + MCP

它们是互补的，不是竞争的

错误理解

正确理解

决策树：什么时候用哪个？

例子 1：简单文件读取

例子 2：代码搜索

例子 3：复杂代码重构

实际应用建议

作为使用者

作为开发者

总结

核心要点

一句话记住

下一步