MCP 与 Skill 有什么区别？

核心回答

**MCP 是 AI 应用接入外部能力的协议；Skill 是 Agent 可复用、按需加载的任务能力包。**这里的 Skill 指 Agent Skills 这类组织任务知识和流程的方式，不局限于某一个产品。

MCP 约定客户端和服务端怎样发现能力、传递参数、读取资源和返回结果，常见能力包括 Tools、Resources 和 Prompts。Skill 则说明什么时候处理某类任务、按什么步骤做、参考哪些资料、交付什么结果；采用 Agent Skills 格式时，通常以 SKILL.md 为入口，也可以附带脚本、模板和参考文件。

例如做代码审查，Skill 规定先理解需求和差异，再检查正确性、安全和边界条件，最后按位置和依据输出问题；Agent 可以通过 MCP 工具读取仓库差异、提交记录或测试信息。**Skill 提供任务方法，MCP 提供标准化接入，两者可以组合。**只用本地文件、CLI 或直接 API 的 Skill 也能工作；接入 MCP 的 Agent 也不必依赖 Skill。

展开说明

1. 两者标准化的对象不同

MCP 面向客户端与服务端的交互。Host 是承载模型调用的 AI 应用，内部的 Client 与 Server 交换协议消息，Server 再连接真实工具或数据源。统一的能力描述和消息约定，有助于同一服务被多个支持协议的应用复用。

Skill 面向一类任务的知识与执行方法。name、description 帮助宿主发现适用任务，SKILL.md 正文给出流程、输入输出和特殊情况，额外文件承载脚本、资料或模板。宿主通常先了解元信息，任务需要时再加载正文和资源，这就是渐进式披露。

Skill 不一定只有提示词，也可以带可执行脚本；但脚本仍由宿主的执行工具或运行环境调用。把脚本放进技能目录，并不会自动获得数据库连接、网络访问或文件权限。具体能力还取决于宿主、依赖和授权配置。

2. 怎样把 Skill 与 MCP 接到同一次任务里

以代码审查为例，一条组合链路可以是：

1. Agent 根据用户任务找到代码审查 Skill，读取检查流程和输出要求。
2. 发现需要差异和相关代码时，选择已接入的仓库查询工具，由宿主通过 MCP Client 调用相应 Server。
3. Server 返回差异、文件内容等结果，Agent 按 Skill 的方法继续分析，必要时补查。
4. Agent 输出问题位置、依据和建议，实际读写范围仍由宿主与服务端控制。

Skill 负责说明“这类任务怎样完成”，MCP 不替 Agent 决定审查是否充分；MCP 连接成功，也不代表工具返回的信息足够或结论正确。是否完成任务，要按 Skill 的交付要求和业务验收检查。

3. 不要按“本地文件”和“远程服务”划界

MCP Server 可以在本机运行，也可以部署为远程服务。Skill 可以由本地目录提供，也可以通过支持的服务分发，位置不是两者的本质区别。

当前官方已有 MCP Skills 扩展，可以借助 Resources 分发 Skill 文件；它规定的是传输映射，技能目录、元信息和渐进式披露仍遵循 Agent Skills 格式。该扩展面向 2026-07-28 及之后的基线协议，实际能否使用还取决于客户端和服务端是否支持。因此，“通过 MCP 取得一个 Skill”并不改变它们在协议与任务内容上的职责。

4. 如何判断需求该落在哪一层

如果要让多个 AI 应用复用同一组仓库、工单或数据查询能力，重点是统一能力接入，可以考虑 MCP。如果已有工具可用，只是某类任务总要重复解释检查顺序、业务规则和输出模板，适合沉淀为 Skill。如果两类需求同时存在，就组合使用。

MCP 的 Prompts 本身也能提供可复用指令，所以不能说“MCP 只有代码、Skill 只有文字”。Skill 的特点是用能力包组织任务说明及附带文件；MCP 的特点是标准化能力发现和交互。业务规则写进 Skill 有助于指导模型，真正的参数校验、数据权限和操作限制仍应由执行层落实。

常见追问

Skill 会替代 MCP 吗？

一般不会，因为解决的问题不同。Skill 可以教 Agent 调用直接 API、CLI 或 MCP 工具；MCP 可以提供 Skill 所需的数据与动作，也可以通过扩展分发 Skill。本质上是任务方法和能力接入的组合。

一个 Skill 能调用多个 MCP Server 吗？

可以描述跨多个服务的流程。例如先读取代码仓库，再查询关联工单，最后汇总审查结论。宿主需要已接入相应服务，并给当前任务合适的权限；Skill 中写了工具名称，不代表它自动存在或已经获准使用。

按需加载是不是就完全不占上下文？

不是。元信息会有开销，激活后正文和读取的资料也会占用上下文。渐进式披露减少的是一开始加载全部详细规则的负担，效果取决于元信息规模、触发准确性和实际读取内容，不能简单推导为固定的 Token 节省比例。

对应教程

参考资料