AI Agent能力扩展：MCP、Tools、Skills三者的区别与协同实战

三句话就能说清MCP、Tools、Skills的关系但我见过太多人在群里问“这仨到底啥区别”“先学哪个”“是不是有了MCP就不用写Tools了”。说实话这三个词看起来都是给AI Agent扩展能力实际定位完全不同用错场景就是灾难。这篇内容我会把它们的底层逻辑、适用场景、配置方式、协作套路全部拆开揉碎讲清楚从概念对比一路讲到完整工作流搭建全程穿插真实踩坑记录适合刚接触Agent开发的新手也适合已经被MCP和Skills绕晕的进阶玩家。先说结论如果把AI Agent比作一个员工Tools是他能动手干活的工具MCP是他连接外部系统的标准接口Skills则是他的工作手册和SOP。三者的设计目标、使用方式、协作关系各有侧重搞清楚这一点后面所有实操都不会迷路。1. 三者定位通识先分清大脑、手脚和接口1.1 Agent、LLM、AI模型到底什么关系DeepSeek属于哪层很多人一上来就问“DeepSeek和AI Agent有什么区别”“MCP是不是另一个大模型”这其实是在混淆不同层级的东西。AI模型比如DeepSeek、GPT、Claude是“大脑”负责理解语言、推理和生成内容它们本身不会主动去查数据库、调接口、操作浏览器。AI Agent是一个完整的“执行者”它拿着大脑做规划、拆任务、调用外部能力、检查结果最后把东西交给你。所以DeepSeek属于模型层它可以用作Agent的推理引擎但Agent本身还需要工具调用、记忆管理、任务编排这些模块。MCP、Tools、Skills都是围绕Agent的“能力扩展”方案不是模型本身也不是模型之间的竞争关系。理解了这个分层再看后面几个概念就不会乱。1.2 Tools能干活但得一个个人肉接Tools在Agent语境里指的是“可被模型调用的函数或API”。比如你写一个get_weather(city)函数把它用JSON Schema描述清楚参数、返回值、功能说明注册给Agent模型在推理时如果觉得需要天气信息就会生成一个调用请求由运行环境替你执行这个函数再拿回结果。Tools的特点非常鲜明单点、轻量、开发成本低。你不需要任何协议只要定义好入参出参就能用。但缺点也在这——它是离散的一个Tool只解决一个具体动作如果要完成一个复杂流程比如“打开设计稿→提取样式→生成页面→截图验证”你就得自己编排好几个Tool的调用顺序而且每次新场景都要重新接。Tools适合确定性强、粒度小的能力。1.3 MCP一套标准接口连接一切外部系统MCP全称Model Context Protocol模型上下文协议。它不是某个具体工具而是一套“怎么让AI访问外部系统”的标准化规则。类比一下USB-C是一个硬件接口标准任何支持它的设备插上去就能用MCP就是AI世界的USB-C——MCP Server负责把某个系统数据库、浏览器、设计稿平台、抓包工具包装成标准接口Agent作为MCP Client只需按协议通讯就能调用这个系统里的能力。以蓝湖MCP为例设计团队的设计稿、标注、切图都放在蓝湖上传统做法是前端人肉去看标注、量间距、复制颜色。接了蓝湖MCP之后Agent可以直接查询设计稿信息把尺寸、颜色、字体、切图链接都拿到然后去生成前端代码。Playwright MCP则是把浏览器自动化包装成标准接口Agent可以打开页面、点击元素、截图、读取控制台日志。Burpsuite MCP、Yakit MCP则是把流量拦截和分析能力暴露给Agent方便做安全测试。MCP的价值在于“一次接入处处复用”。只要Server写好任何支持MCP的客户端都能用不用为每个Agent单独适配。它的代价是引入了一个协议层概念和排障成本比Tools高。1.4 Skills把流程、经验和工具打包成可复用的“技能包”Skills是最高一层它是“提示词工作流可能引用的Tools/MCP”的组合包。简单说Skills把“怎么完成一类任务”的全部经验写成了结构化文件遇到对应场景时Agent会按Skill里的步骤走。前端开发Skills可能包含任务拆解清单、代码规范、组件库使用说明、常用调试命令图片生成Skills可能包含提示词模板、模型参数推荐、后处理流程Superpower Skills这种热门包本质就是一组精心编写的、面向各类任务的高质量Skills集合。Skills和Tools最大的区别是Tools是“单一动作的接口”Skills是“完成目标的完整打法”。一个Skills内部可以调用多个Tools和一个MCP Server还包含模型每一步该输出什么、怎么判断结果是否合格。它更像是给Agent配备的岗位培训手册而不是一个具体的工具函数。2. 核心技术拆解协议、函数与流程的深度对比2.1 MCP的通信机制与Server/Client/Host角色想在实操里玩转MCP得先理解它的架构。MCP有四个角色MCP Host宿主程序比如Claude Desktop、Claude Code、IDE插件、MCP Client宿主机内置的协议客户端、MCP Server能力提供方比如蓝湖MCP Server、Playwright MCP Server、本地或远程资源数据库、文件、API服务。Agent运行时Host会启动Client连接各个ServerServer暴露工具、资源、提示三类能力两边通过JSON-RPC 2.0格式的消息通信传输层默认走stdio本地进程也可以配置成SSE或HTTP走远程。这个设计解决了一个很现实的痛点以前给Agent接10个外部系统要写10套不同的适配逻辑现在大家统一按MCP规范写ServerAgent这边只要实现一次协议客户端就行剩下的事是配置“要连哪个Server、叫什么服务名”。用官方SDKPython或TypeScript写一个MCP Server并不复杂核心就三步定义一个Server实例、用装饰器注册Tool/Resource/Prompt处理器、run在主进程里。2.2 Tools的函数签名设计JSON Schema是命根子Tools运行机制比MCP简单但做好并不容易。关键在于向模型描述“这个工具是什么、什么时候该调、参数怎么填”。业内通用做法是让开发者提供一个JSON Schema格式的工具定义包括name工具名、description工具用途及使用时机、parameters参数结构类型、是否必填、枚举值、描述。踩过很多次坑之后我的经验是模型调用工具出错80%的情况是工具描述写得含糊。比如一个工具叫get_user_infodescription只写“获取用户信息”模型根本不知道你期望它什么场景下调用、从哪拿用户ID。正确写法是“当用户需要查看账户资料、订单状态或会员等级时使用。参数user_id来自当前登录会话仅当用户明确提到某个特定用户时才传入”。参数描述也一样要把取值范围和常见格式写清楚。好的工具定义等于提前帮模型做了信息过滤能显著提高调用准确率。2.3 Skills的包结构不止是提示词是完整SOPSkills的形态在不同生态里略有差异但核心思路是一样的。以Claude Code里手动安装GitHub Skills为例一个Skill通常是一个目录里面放着SKILL.md主文件说明触发条件、目标、步骤、scripts/辅助脚本、reference/参考资料、assets/模板或样例。安装方式不复杂把GitHub仓库clone到本地Skills目录然后在Agent配置里指定路径重启会话后就能用。我之前看到有人以为Skills就是个system prompt这是误解。真正好用的Skill应该包含“判定逻辑”——什么时候激活这个技能、什么时候不激活还要包含“执行策略”——先做什么后做什么每一步输出什么格式关键的是还要写明“使用哪些工具/MCP、参数怎么填”。一个图片生成Skills如果真的达标它会在用户丢来一句“做一张夏日促销主视觉”后自动分析需求、选择是否参考模板、拼接提示词、调用图片模型、校验出图结果、给出备选方案。这不是一句提示词能做到的而是一个完整的“动作序列决策规则”包。2.4 对比总结与选型判断为了让大家一眼看清差异我做了一张表维度ToolsMCPSkills本质单个函数/API封装外部系统的标准化访问协议任务流程经验工具的打包粒度单点动作系统级连接能力多步骤复合流程是否需要写代码需要定义函数与Schema需要写/配Server或直接用现成的基本不需要但内部可含脚本复用范围单Agent内复用所有MCP Client复用Skill文件可跨Agent复制安装典型场景查天气、发消息、计算连蓝湖取设计稿、浏览器自动化、连数据库前端页面生成、报告撰写、图片生成依赖关系基础能力可被Skill调用可调用Tools和MCP选型逻辑很简单如果能力是“单一明确动作”且你不会换Agent优先写Tools如果要连一个外部系统且希望以后所有Agent都能访问就上MCP如果目标是沉淀一类完整任务的打法让Agent“照着做就行”必须写成Skills。现实项目里大多数健康架构是三个并存底层Tools做基础动作MCP解决外部连接Skills把前两者组织成可复制的工作流。3. 实操篇从配置到自研一步步接上你的Agent3.1 环境准备Claude Code、Codex、OpenCode里怎么挂扩展能力要实操就得先选一个Agent宿主。目前主流终端Agent有Claude Code、Codex CLI、OpenCode它们都原生支持MCP和Skills。以安装复杂度排序OpenCode最省心它有一个插件生态和Skills推荐列表网上很多常用Skills源网站都能找到包Codex需要看官方配置方式新版对MCP支持也比较成熟Claude Code的Skills安装更依赖手动clone和目录指定但你一旦摸清结构管理起来最可控。Chrome浏览器扩展设置里启用MCP连接也是一种玩法——安装扩展后相当于把一个浏览器侧的MCP Server跑起来让Agent能够读取当前页面上下文、执行扩展内的工具。这对做网页信息抽取、表单自动填充场景很有帮助配置方式通常是在扩展弹窗里填一下Agent的监控端口或协议地址。3.2 手把手写一个Tools以“查询实时天气”为例新手第一次接Tools最好做一个对模型判断要求不高的简单函数。我这里用一个查询天气的示例说明完整流程。先用Python写业务函数import requests def get_weather(city: str, unit: str celsius) - str: # 这里对接任意天气API省略鉴权细节 resp requests.get(fhttps://api.example.com/weather?city{city}unit{unit}) data resp.json() return f{city}当前温度{data[temp]}℃{data[condition]}风力{data[wind]}级然后定义Tools的JSON Schema{ name: get_weather, description: 查询指定城市当前天气。当用户询问天气、温度、是否适合出行、下雨概率时使用。, input_schema: { type: object, properties: { city: { type: string, description: 城市名如北京、上海 }, unit: { type: string, enum: [celsius, fahrenheit], default: celsius } }, required: [city] } }如果你用的是OpenAI函数调用格式把schema直接挂到Tools列表里如果用的是Claude Code把它放在工具注册模块里。注册后实测时问Agent“北京今天适合跑步吗”它会先调get_weather拿天气数据再结合常识回答而不是凭空编一个天气——这就是Tools的意义。3.3 MCP Server实战蓝湖MCP与Playwright MCP的接入MCP Server接入分为“使用现成的”和“自己折腾”两个层次。先用现成的打通流程。以蓝湖MCP为例假设你已经把某设计稿分享到蓝湖项目里。蓝湖官方提供了MCP Server二进制或npm包你只需把它配置到Agent的MCP列表。配置完成后直接对Agent说“读取蓝湖上XXX项目的设计标注提取首页的导航栏尺寸和主色调”Agent会通过MCP协议连接Server拿到设计信息并整理给你。对前端开发来说这意味着“看图写码”变成了“取数据写码”信息获取路径短了一大截。Playwright MCP更通用。它的Server包一个浏览器自动化能力入口安装后在Agent里配置一下就能指挥Agent“打开本地开发服务器点击登录按钮输入测试账号把页面截图保存到桌面”。Agent自身不具备操作浏览器的能力Playwright MCP就是替它长出这只手。自己写MCP Server也不难。用官方TypeScript SDK写一个最简Serverimport { McpServer } from modelcontextprotocol/sdk/server/mcp.js; import { StdioServerTransport } from modelcontextprotocol/sdk/server/stdio.js; const server new McpServer({ name: demo-server, version: 1.0.0 }); server.tool(add, 计算两个数之和, { a: { type: number }, b: { type: number } }, async (args) ({ content: [{ type: text, text: String(args.a args.b) }] }) ); const transport new StdioServerTransport(); await server.connect(transport);启动后这个进程就是一个通过标准输入输出通信的MCP Server。在Agent配置里声明“npx启动某个JS文件”或直接指向编译产物连接就建立起来了。核心概念不复杂复杂的是业务逻辑本身。3.4 编写一个Skills包图片生成Skills的目录与内容Skills的好处在于你不需要为Agent重写代码只要提供清晰的说明文件。以图片生成Skills为例一个合格的包长这样image-generation-skill/ ├── SKILL.md ├── assets/ │ ├── prompt_templates.md │ └── style_reference.json └── scripts/ └── post_process.pySKILL.md的内核结构大体是四块。第一块写触发条件明确“当用户要求生成视觉内容且能描述主体风格时激活”。第二块写执行步骤比如先拆解主题、要素、情绪风格再判断是否需要参考模板然后构造提示词调用图片模型校验比例再跑后处理脚本。第三块写依赖的工具与MCP比如需要“图片生成API”相关Tool或者在本地有ComfyUI的MCP Server。第四块写质量标准和返工规则比如“画面主体不完整则重新生成”“文字模糊则调整提示词词序”。装到Claude Code这类终端里直接把目录放到Agent指定的Skills文件夹重启会话即可。之后你在新会话里说“按我的项目色调做一张Banner”模型会依据SKILL.md里的规则一步步走而不是漫无目的地自由发挥。4. 工作流协同设计从0到1搭建一个完整Agent4.1 典型场景拆解设计稿到前端代码的自动化我们不妨把蓝湖MCP、Playwright MCP、前端开发Skills放在同一个Agent里设计一个“从设计稿到可运行页面”的完整工作流。这个链路能直观展现三者怎么协作。第一步Agent收到任务“把蓝湖上登录页设计稿实现为React页面”。此时前端开发Skills会被触发Skills里定义了接入规范优先使用组件库、颜色和尺寸严格参考设计稿、图片资源用切图链接。第二步Agent通过蓝湖MCP Server读取设计稿的布局结构、色彩变量、字体规格、标注信息甚至拿到选中图层的CSS片段。第三步Agent基于这些信息生成组件代码并落盘。第四步启动本地开发服务器通过Playwright MCP打开页面截图Agent自己判断“视觉还原度是否达标”如果不达标就返回修改。这个过程里Skills是行动指南两个MCP各管一段信息来源Tools在关键节点执行计算和文件操作。4.2 工程化配置一个能跑通的最小Agent架构配置一个能承载上述工作流的终端Agent按以下顺序做选宿主确定用Claude Code或OpenCode作为执行载体接MCP在配置里分别添加蓝湖MCP Server和Playwright MCP Server给它们命名比如lark_mcp和playwright_mcp放Skills把前端开发Skills放进技能目录在配置里指定路径补Tools写几个基础工具如save_file、run_command、fetch_url跑通测试给Agent一个简单页面设计稿要求它走完整链路我在多个项目里用这个架构实测体验下来最明显的感受是MCP解决了“信息拿不到”的瓶颈Skills解决了“不知道怎么做”的瓶颈两者加上一个能干活的模型自动化程度立刻质变。4.3 Skills沉淀与团队复用Skills的真正红利不在单机使用而在团队沉淀。我和前端小组的做法是每个项目结束后复盘整个开发过程中Agent被指导最多的环节把决策规则、踩坑经验、代码规范写成一个新的Skill文件评审后合并进团队的Skills仓库。新成员入职后用这些Skills跑一遍真实任务产出质量基本能对齐老手的水平这就是流程资产化的价值。维护Skills也要立规矩。版本管理用Git变更必须有diff评审Skill激活条件必须写“什么情况下不要用”避免模型误触发Skill内部依赖了外部MCP或Tools就得在文件里标明依赖清单防止换环境后失效。个人练手建议从“写周报”“整理会议纪要”“批量重命名文件”这些小任务开始跑通一个Skill的完整制作闭环再去做复杂业务型Skills。4.4 能力扩展的顶层思路先定目标再选组件很多人在搭建Agent时习惯先装一堆MCP再下几个Skills结果模型每次都要在几十个工具里纠结。我的建议是从目标反推组件你只解决一个具体问题比如修Bug时快速定位日志那就先写一个读取日志的Tool如果还需要连数据库、操作线上系统、访问第三方平台那一律走MCP如果这个过程是重复性高的多步任务就把它固化成一个Skill。每加一个能力都要评估它对上下文和决策的负担。硬件再强的模型在工具定义列表超过三四十个时选择准确率也会肉眼可见地下降。宁可少而精也别贪多嚼不烂。5. 常见问题、踩坑实录与排查速查5.1 高频问题速查表现象可能原因排查方法MCP连接失败提示“无法连接Server”Server进程没起来、路径配错、stdin管道被占用先单独命令行启动Server看报错检查Agent配置中命令是否带正确参数Tools描述正确但模型不调用description写得含糊没有给出触发场景在description里加“当用户……时使用”“如果没有……不要调用”Skills明明装好但不生效存放目录不在Agent扫描路径SKILL.md格式不对看Agent日志确认Skills加载数量检查文件名是否为SKILL.md用了MCP Server后上下文很快爆掉Server返回内容过多模型频繁读取大字段在Server端做字段裁剪只返回必要数据关闭不用的Server减少自动附带信息模型频繁选错工具工具名太相似、Schema定义不清楚或工具数量过多精简Tools数量给工具名加前缀分类不同场景拆成不同会话图片生成Skills出的图风格不可控SKILL.md里没有给风格限定词和负面提示词模板在assets/style_reference.json里维护风格色板与负面词清单5.2 几个让我印象深刻的实战坑第一个坑是搜索关键词撞车。查Skills资料时你会看到大量叫“VMware Tools”“Office Tools”“Network UPS Tools”的结果它们和AI Agent的Tools完全是两码事。第一次搜资料时我被这些干扰了大半天后来在搜索词里强制加上“AI Agent”“MCP”“Claude Code”等限定词才清净。这个经验也提醒我Skills源网站的质量参差优先看官方文档和GitHub高星仓库别什么包都往生产环境装。第二个坑是“Tianditu Tools保存Key失败”这类环境配置问题。表面上是保存Key失败实际往往是目录权限、HTTP代理或系统密钥链访问受限。排查思路是第一步看日志第二步检查目录写入权限第三步把Key写入环境变量而非依赖GUI保存。很多MCP类工具有类似的毛病——以为是工具的问题其实是你本机的网络或权限问题。第三个坑是MCP连接“进程假活”。Server起在后台你以为连上了实际Agent发请求时它已经僵死。最稳的判断方法是先在终端手动启动Server直接发一个标准请求看返回能通再接进Agent。这条经验适用于所有stdio型MCP Server。5.3 能力进阶的靠谱路径我觉得学习这三个东西有个合理顺序先练Tools写五六个实用函数把JSON Schema写明白理解模型怎么“看”工具再用现成的MCP Server打通外部系统体会一次接入多处复用的价值然后再写第一个Skills把前面写的Tools和MCP串成一套流程。动手练手项目也别贪大从“用Agent定时抓取某个网页的标题和正文”“让Agent根据Excel表格生成周报”这类小任务做起跑通一两个完整闭环后再去挑战“从设计稿到前端页面”这种复合工作流。学习资源方面优先读官方文档对MCP规范的定义和示例然后在GitHub上找一些热门MCP Server的源码拆解它们的Tool命名和描述写法。Skills资料可以去社区整理的长列表里找inspiration但务必在本地隔离环境实验确认没有未知脚本再放进主环境。书籍类内容可以找一些围绕Agent开发的资料但技术变化快核心还是以官方文档和实战为准。最后说一个我的真实体会这三样东西从来不是分高下的关系而是分层协同的关系。如果你为了跟风给一个简单Agent塞一堆MCP和Skills反而会拖垮推理体验。真正该做的是冷静拆解你的任务让Tools干细活让MCP开门路让Skills传打法。我自己最初就是从一个小Tools开始后来接上数据库MCP再后来把团队的前端交付流程沉淀成了Skills效果比追任何新名词都扎实。这篇内容里所有步骤和坑都能按图索骥再走一遍如果在实操中碰到表格里没覆盖的情况不妨从“配置有没有写对、描述够不够清楚、链路通不通”三个方向入手排查大概率能解决问题。