游乐游手机版
首页/AI教程/文章详情

MCP和Skill究竟有什么区别一文看懂两者核心差异

时间:2026-06-08 15:38
MCP(Model Context Protocol,模型上下文协议)和Skill(技能),这两个概念在AI Agent的讨论中经常被相提并论,但实际上它们源自完全不同的技术路线,所要解决的问题和所处的抽象层级也截然不同。今天,我们就来详细解析一下,从定义、来源、用途到它们之间的真实关系,彻底弄明白

MCP(Model Context Protocol,模型上下文协议)和Skill(技能),这两个概念在AI Agent的讨论中经常被相提并论,但实际上它们源自完全不同的技术路线,所要解决的问题和所处的抽象层级也截然不同。今天,我们就来详细解析一下,从定义、来源、用途到它们之间的真实关系,彻底弄明白这两者的区别。

MCP、Skill有什么区别

一、核心定义

概念全称定义
MCPModel Context Protocol一种标准化协议,专门用于让大语言模型与外部工具或服务进行结构化的通信——你可以将其理解为一种函数调用的通用接口规范
Skill一种功能单元的抽象描述,代表了Agent能够执行的具体能力,例如“查询天气”、“发送邮件”,通常包含了工具、提示词和业务逻辑的组合

二、来源与生态

MCPSkill
提出方Modular(2024年开源)Microsoft Semantic Kernel(2023年)
定位跨厂商的通信协议标准,类似于AI工具领域的gRPCAgent能力的封装单元,是特定框架内的概念
目标让任何大模型都能调用任何工具,无需为每个工具单独进行适配工作在Semantic Kernel框架内,组织和管理可复用的功能模块

三、技术本质区别

MCP:协议层

  • 定义了一套基于JSON-RPC风格的API规范
  • 工具通过MCP Server来对外暴露其能力
  • 大模型则通过MCP Client发起调用请求
  • 与具体的模型、框架完全无关,具有高度通用性

graph LRA[LLM] -- MCP Request --> B[MCP Server]B -- 执行工具 --> C[Weather API]C -- MCP Response --> A

其优势显而易见:工具只需实现一次,所有支持MCP协议的大模型均可调用;社区也可以共享现成的MCP工具,例如mcp-server-browsermcp-server-notion

Skill:应用层

  • 在Semantic Kernel框架中,Skill是一个目录或类:

    EmailSkill/├── send_email.yaml # 函数定义└── send_email.py # 实现

  • 技能绑定到Kernel后,大模型可以通过自然语言直接触发执行
  • 它强烈依赖于Semantic Kernel框架

它的优势在于封装复杂的业务逻辑,例如一个“发送周报”的Skill,内部可以组合查询数据、生成摘要、发送邮件等多个步骤,并且支持上下文记忆与插件组合。

四、关系:MCP可以作为Skill的底层实现

尽管这两个概念处于不同层级,但它们完全可以协同工作。举个例子:

  • 你在Semantic Kernel框架中定义一个SearchSkill
  • 这个Skill内部不直接调用Google API,而是通过MCP协议去调用一个MCP Search Server
  • 这样一来,搜索功能就变成了一个可替换、可共享的MCP服务

# Semantic Kernel 中的 Skill 可能这样调用 MCPclass SearchSkill:def search(self, query):# 通过 MCP Client 调用远程搜索服务return mcp_client.call("search", {"query": query})

五、对比总结表

维度MCPSkill
类型通信协议功能模块
作用范围跨框架、跨模型限于Semantic Kernel框架
是否标准化✅ 是(开源规范)❌ 否(微软私有抽象)
部署方式独立的MCP Server集成在Agent应用中
典型工具mcp-server-filesystem, mcp-server-slackTextSkill, TimeSkill, EmailSkill
类比USB接口标准带USB接口的打印机

六、实际应用场景

场景用MCP用Skill
想让Ollama + DeepSeek + Claude都能使用同一个日历工具✅ MCP(工具只需实现一次)❌ 需为每个框架编写适配器
在.NET应用中快速集成AI发邮件功能✅ Semantic Kernel Skill
构建企业级Agent平台,支持第三方工具接入✅ MCP是理想选择需定制扩展机制

结论

  • MCP 和 Skill 不属于同一抽象层级,二者不能简单画等号。
  • MCP 是“工具调用的通用语言”,旨在解决系统间的互操作性问题。
  • Skill 是“能力的封装单位”,着重于解决功能的组织与复用问题。
  • 未来的发展趋势很可能是:Skill这类抽象将在底层采用MCP协议,真正实现“一次编写,到处调用”的愿景。
来源:https://juejin.cn/post/7599966804414644259
上一篇Anthropic Harness Engineering:AI 6小时无人干预生成完整项目 下一篇AI自动抓取90个顶尖博客源每日精选20篇精华
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
天学会AI应用开发上下文与RAG阶段性总结
AI教程 · 2026-07-12

天学会AI应用开发上下文与RAG阶段性总结

系统梳理了AI应用开发中的上下文与RAG核心概念。搭建Python3 10开发环境后,通过提示词工程管理历史对话,利用截断、摘要提取及离线大模型压缩上下文。RAG采用加载文档、分块、向量化、存入FAISS或Chroma库、检索五个步骤,中文场景推荐BGE-small嵌入模型,实战证明离线检索有效。

Yank Note系列14:如何与AI协作写文章
AI教程 · 2026-07-12

Yank Note系列14:如何与AI协作写文章

YankNote3 92 1发布,新增“审阅批注”和“编辑装订线”扩展,聚焦AI写作的人机协作循环。审阅批注将反馈绑定到选中文本,编辑装订线高亮显示修改行,帮助人看清AI改动。同时升级Markdown-it至14 3 0,优化中日韩文本渲染。

一文读懂MCP:让AI大模型万能插拔协议
AI教程 · 2026-07-12

一文读懂MCP:让AI大模型万能插拔协议

MCP(模型上下文协议)由Anthropic提出,为AI大模型提供通用接口标准,解决工具调用碎片化问题。采用Host Client Server架构,支持动态发现工具,通过stdio或HTTP通信,实现工具即插即用、跨语言调用和统一对接规范。

BeeWeave开源:为AI Agent打造越用越懂你的知识创作台
AI教程 · 2026-07-12

BeeWeave开源:为AI Agent打造越用越懂你的知识创作台

BeeWeave是一个Agent原生的知识创作台,通过workbench和vault双层结构实现素材获取、内容创作、知识沉淀与上下文复用的持续闭环。它支持多Agent共用同一套知识库,内置41个Skills,采用MIT开源协议,旨在解决跨会话知识丢失问题。

AI闭环工程师自动推进工程任务
AI教程 · 2026-07-12

AI闭环工程师自动推进工程任务

LoopEngineer是一种将AI嵌入可执行、可验证、可持续迭代的工作循环中的工程协作方式。通过触发器、上下文、工具和验证机制,AI在循环中自动分析、执行、验证并调整,直至任务完成或需人工介入,实现复杂任务的可观察、可审计、可批准的分段自动化。