MCP 与 Skills 有什么区别

一、背景介绍

随着 AI Agent（智能体）技术的快速发展，如何让大模型与外部系统交互成为了核心问题。目前业界主要有两种方案：

• MCP (Model Context Protocol) - 由 Anthropic 提出的模型上下文协议
• Skills (技能系统) - OpenClaw 等平台的技能扩展机制

本文将从多个维度对比这两种方案，帮助开发者理解它们的区别和适用场景。

二、核心概念对比

1. MCP (Model Context Protocol)

2. Skills (技能系统)

三、架构对比

graph TB
    subgraph MCP 架构
        A1[AI 模型] -->|MCP 协议 | A2[MCP Client]
        A2 -->|标准化接口 | A3[MCP Server]
        A3 --> A4[数据源 1]
        A3 --> A5[数据源 2]
        A3 --> A6[工具/服务]
    end
    
    subgraph Skills 架构
        B1[AI Agent] -->|技能调用 | B2[Skills 管理器]
        B2 --> B3[Skill 1]
        B2 --> B4[Skill 2]
        B2 --> B5[Skill 3]
        B3 --> B6[外部系统]
    end

四、核心差异分析

1. 设计目标

2. 技术实现

┌─────────────────────────────────────────────────────────────────┐
│                        MCP 实现方式                              │
├─────────────────────────────────────────────────────────────────┤
│  1. 定义标准 JSON-RPC 接口                                      │
│  2. Server 暴露资源 (Resources)、工具 (Tools)、提示 (Prompts)   │
│  3. Client 发现并调用 Server 能力                               │
│  4. 支持 SSE、stdio 等传输层                                    │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                       Skills 实现方式                            │
├─────────────────────────────────────────────────────────────────┤
│  1. 定义 Skill 接口规范 (SKILL.md)                              │
│  2. 实现工具函数 (Tools)                                        │
│  3. 注册到 Agent 技能系统                                       │
│  4. Agent 根据任务自动选择技能                                  │
└─────────────────────────────────────────────────────────────────┘

3. 使用场景对比

五、代码示例对比

MCP Server 示例

# MCP Server 实现
from mcp.server import Server
from mcp.server.stdio import stdio_server

server = Server("example-server")

@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="get_weather",
            description="获取天气信息",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string"}
                }
            }
        )
    ]

@server.call_tool()
async def call_tool(name: str, args: dict):
    if name == "get_weather":
        return get_weather(args["city"])

Skills 示例

# OpenClaw Skill 实现
# skills/weather/SKILL.md
"""
name: weather
description: 获取天气信息
tools:
  - get_weather
"""

# skills/weather/tools.py
def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    import requests
    response = requests.get(f"https://wttr.in/{city}?format=3")
    return response.text

# 注册到 Agent
# agent 自动发现并调用该技能

六、优劣势分析

MCP 优势

MCP 劣势

Skills 优势

Skills 劣势

七、选择建议

graph TD
    A[需求分析] --> B{需要跨平台吗？}
    B -->|是 | C[选择 MCP]
    B -->|否 | D{需要复杂业务逻辑？}
    D -->|是 | E[选择 Skills]
    D -->|否 | F{连接外部数据源？}
    F -->|是 | C
    F -->|否 | E
    
    C --> G[MCP Server 开发]
    E --> H[Skills 开发]
    
    G --> I[部署 MCP Server]
    H --> J[注册到 Agent]

决策树说明

1. 优先选择 MCP 的场景：

   • 需要连接多个数据源
   • 要求跨平台兼容
   • 重视安全性和标准化

2. 优先选择 Skills 的场景：

   • 平台特定功能开发
   • 复杂业务逻辑实现
   • 快速原型验证

八、未来趋势

融合趋势

┌─────────────────────────────────────────────────────────────────┐
│                    未来发展方向                                  │
├─────────────────────────────────────────────────────────────────┤
│  1. MCP + Skills 混合架构                                       │
│     - 用 MCP 连接外部数据                                        │
│     - 用 Skills 实现业务逻辑                                     │
│                                                                 │
│  2. 标准化技能接口                                              │
│     - Skills 采用 MCP 协议暴露能力                               │
│     - 实现跨平台技能共享                                         │
│                                                                 │
│  3. 安全增强                                                    │
│     - 统一的权限模型                                             │
│     - 沙箱执行环境                                               │
└─────────────────────────────────────────────────────────────────┘

九、实践建议

对于开发者

1. 学习 MCP 协议 - 理解标准化接口设计
2. 掌握 Skills 开发 - 熟悉平台技能系统
3. 根据场景选择 - 不盲目追新，适合最重要

对于企业

1. 评估现有系统 - 确定集成需求
2. 制定技术路线 - MCP 和 Skills 可并存
3. 关注安全合规 - 建立权限审计机制

十、总结

核心结论：

• MCP 和 Skills 不是对立关系，而是互补关系
• MCP 解决"如何连接"的问题 - 标准化接口
• Skills 解决"做什么"的问题 - 功能实现
• 最佳实践是结合使用 - MCP 连接 + Skills 处理

参考资源

• MCP 官方文档
• OpenClaw 文档
• Anthropic MCP 介绍
• GitHub - modelcontextprotocol

分类：AI Agent / MCP / Skills