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
Kimi App手机电脑联动下载安装及浏览器兼容教程
AI教程 · 2026-06-09

Kimi App手机电脑联动下载安装及浏览器兼容教程

本文介绍了Kimi智能助手从手机端到电脑端的下载与安装方法,重点阐述了不同平台(包括iOS、Android、Windows、macOS)的获取途径。同时,详细说明了如何通过浏览器直接访问网页版,并针对主流浏览器的兼容性进行了分析,旨在帮助用户根据自身设备选择最便捷、稳定的使用方式。

HeyGen稳定安装步骤:先配置创意团队环境再注册开通
AI教程 · 2026-06-09

HeyGen稳定安装步骤:先配置创意团队环境再注册开通

HeyGen的稳定安装与高效使用,关键在于前期团队环境的统一规划与后期账号流程的顺畅完成。团队需明确设计规范、素材管理及权限分工,为工具运行打下基础。随后,通过官方渠道完成注册、验证及订阅开通,确保服务稳定。最后进行基础功能测试与团队培训,即可快速投入实际创作流程。

Mochi 1从零搭建本地服务与工作流导入指南
AI教程 · 2026-06-09

Mochi 1从零搭建本地服务与工作流导入指南

本文介绍了在成功完成Mochi1本地服务的基础搭建后,如何继续处理工作流导入这一关键后续步骤。内容涵盖工作流文件准备、导入操作的具体流程、常见问题的排查与解决,以及导入后的配置优化与测试验证,旨在帮助用户将预设的自动化流程顺利集成到本地环境中,确保工具发挥完整效能。

InvokeAI Linux用户安装配置与节点处理指南
AI教程 · 2026-06-09

InvokeAI Linux用户安装配置与节点处理指南

本文详细介绍了在Linux系统上安装和配置InvokeAI的完整流程。内容涵盖从环境准备、依赖安装到模型下载与加载的关键步骤,并重点解析了核心组件“处理节点”的安装与使用方法。指南旨在帮助用户顺利完成部署,并理解其工作流程,以便更好地利用这一AI图像生成工具进行创作。

Dify保姆级部署指南:服务安装与模型接入下载
AI教程 · 2026-06-09

Dify保姆级部署指南:服务安装与模型接入下载

本文详细介绍了开源AI应用开发平台Dify的部署流程。内容涵盖从服务器环境准备、Docker安装、Dify核心服务启动,到如何接入OpenAI、Azure等云端大模型API,以及如何配置Ollama等本地模型。最后,还提供了使用ModelScope社区下载特定模型文件并集成到本地环境中的具体操作方法,旨在帮助用户快速搭建属于自己的AI应用开发与测试平台。