1. 从一次真实的困惑说起很多人在 Claude 生态里第一次接触“外部能力扩展”时都会懵一会儿有人让你去写一个MCP Server一会儿又有人让你建一个叫Skill的文件夹里面塞一个SKILL.md。两者看起来都能“让 AI 更强”于是很容易被混为一谈。实际上它们解决的问题完全不同MCPModel Context Protocol是一门协议——它规定了模型和外部世界之间怎么“打电话”SkillsAgent Skills是一个能力包——它是一份写给模型的“说明书 工具箱”告诉模型某类任务该怎么干。一个更形象的类比MCP 像USB-C 接口标准只要设备遵循这个标准就能插上任何外设Skills 像一份工作手册/SOP 文件夹里面写着步骤、注意事项还附带几个可以直接运行的脚本。下面我们先给结论再从协议层、代码层和工程层逐一拆开最后给出可运行的代码实战以及两者如何配合使用。2. 一句话结论与核心对比MCP 解决的是“能不能调用外部能力”Skills 解决的是“该怎么用这些能力把事办成”。MCP 让模型长出新能力Skills 让模型带着正确的使用方法。核心对比表如下维度MCPSkillsAgent Skills本质开放协议 / 接口标准文件夹形式的能力包指令 脚本发布时间2024 年 11 月2025 年 10 月解决的问题模型如何调用外部工具 / 数据模型如何按流程完成某类任务运行时形态常驻的独立 Server 进程静态文件按需加载进上下文通信方式JSON-RPC 2.0stdio / HTTP上下文注入Markdown / 脚本文件提供的东西tools / resources / prompts过程性知识SOP、脚本、模板跨生态程度开放标准跨模型、跨应用主要服务于 Claude 生态文件夹即插即用类比USB-C 接口标准说明书 工具箱一句话记住它们的关系MCP 是“连接方式”Skills 是“做事方法”二者经常配合使用。3. MCP一门真正的通信协议MCP 的全称是 Model Context Protocol2024 年 11 月由 Anthropic 开源随后迅速成为事实上的开放标准OpenAI、Google、Microsoft、阿里、字节等平台纷纷支持。它的核心价值在于以前每接入一个新工具模型供应商都要写一套专用适配器有了 MCP 之后只需要按统一协议暴露能力即可“一次编写处处接入”。3.1 三层架构MCP 定义了清晰的参与者Host宿主应用比如 Claude Desktop、IDE 插件、你自己的 AI 应用Client运行在 Host 内部负责与 Server 建立一对一的连接Server真正提供能力的一方暴露工具、数据等资源。3.2 三大核心原语一个 MCP Server 可以提供三类能力tools —— 可执行的函数模型可以“调用”它 resources —— 可读取的数据模型可以“查阅”它 prompts —— 可复用的提示模板其中tools是最常用的一种等价于 Server 向模型暴露出一个个可以被动态调用的新函数。3.3 传输与消息格式MCP 底层使用JSON-RPC 2.0通信最常见的传输方式有两种stdio —— 本地子进程简单可靠适合本机工具 Streamable HTTP —— 远程服务器适合部署成网络服务模型和 Server 之间交换的其实是标准 JSON 消息。一次“列出工具并调用天气查询”的完整对话大致是这样按时间先后注释仅作说明实际消息不含注释// 1. 客户端初始化 {jsonrpc:2.0,id:1,method:initialize,params:{protocolVersion:2024-11-05,capabilities:{},clientInfo:{name:demo,version:1.0}}} // 2. 客户端询问你有哪些工具 {jsonrpc:2.0,id:2,method:tools/list,params:{}} // 3. 客户端调用 get_weather 工具 {jsonrpc:2.0,id:3,method:tools/call,params:{name:get_weather,arguments:{city:北京}}}可以看到MCP 非常“协议化”它定义的是消息格式、方法和传输规则而不关心模型需要完成什么业务。4. 代码实战一手写一个 MCP Server下面用 Python 官方 SDK 手写一个天气查询服务暴露两个工具tool和一个资源resource再用客户端接上它。4.1 安装依赖pipinstallmcp[cli]4.2 服务端weather_server.py服务端使用官方 SDK 提供的FastMCP通过装饰器即可把一个普通 Python 函数变成可供模型调用的工具。# weather_server.pyfromdatetimeimportdatetimefrommcp.server.fastmcpimportFastMCP mcpFastMCP(weather-demo)# 模拟一个天气数据库CITIES{北京:{weather:晴,temp:22,humidity:40%},上海:{weather:多云,temp:26,humidity:65%},广州:{weather:阵雨,temp:30,humidity:80%},}mcp.tool()defget_weather(city:str)-str:查询指定城市的实时天气。city 支持北京、上海、广州。ifcitynotinCITIES:returnf暂不支持{city}当前支持{, .join(CITIES)}infoCITIES[city]returnf{city}天气{info[weather]}气温{info[temp]}°C湿度{info[humidity]}mcp.tool()defget_time()-str:获取当前服务器时间。returndatetime.now().strftime(%Y-%m-%d %H:%M:%S)mcp.resource(weather://cities)deflist_cities()-str:返回支持查询的城市列表。return\n.join(CITIES)if__name____main__:mcp.run(transportstdio)要点函数的docstring 就是工具描述模型会根据它来决定何时调用、如何传参。4.3 客户端weather_client.py客户端以子进程方式拉起 Server走 stdio 通道完成初始化、枚举工具、调用工具、读取资源。# weather_client.pyimportasynciofrommcpimportClientSession,StdioServerParametersfrommcp.client.stdioimportstdio_clientasyncdefmain():serverStdioServerParameters(commandpython,args[weather_server.py])asyncwithstdio_client(server)as(read,write):asyncwithClientSession(read,write)assession:# 1. 初始化握手awaitsession.initialize()# 2. 列出 Server 暴露的所有工具toolsawaitsession.list_tools()print(已发现工具,[t.namefortintools.tools])# 3. 调用 get_weather 工具resultawaitsession.call_tool(get_weather,arguments{city:北京})texts[c.textforcinresult.contentifhasattr(c,text)]print(天气查询结果,texts[0])# 4. 读取一个资源resawaitsession.read_resource(weather://cities)print(资源内容,[c.textforcinres.contentsifhasattr(c,text)])if__name____main__:asyncio.run(main())运行结果大致如下已发现工具 [get_weather, get_time] 天气查询结果 北京天气晴气温 22°C湿度 40% 资源内容 [北京\n上海\n广州]到这里MCP 的本质已经很清楚了它是一套协议Server 把能力暴露成标准化的“工具”和“资源”模型通过 JSON-RPC 去调用。5. Skills一份带给模型的操作手册Skills官方叫 Agent Skills是 2025 年 10 月由 Anthropic 推出并开源的能力组织形式。它不是一个运行中的服务而是一个文件夹。一个 Skill 的典型结构如下term-report-skill/ # 技能目录 ├── SKILL.md # 技能说明书核心 ├── scripts/ │ └── fetch_report.py # 可执行的辅助脚本 └── references/ └── report_template.md # 参考资料 / 模板可选核心是SKILL.md。它由两部分组成YAML frontmatter元数据 —— 用 name description 描述“这是什么、何时用” Markdown 正文指令 —— 告诉模型“该怎么做”步骤、注意事项、工具组合方式5.1 渐进式披露Skills 的省 Token 机制Skills 采用渐进式披露progressive disclosure策略只有 frontmatter 里的name和description会一直保留在模型上下文中当模型判断“当前任务需要某个技能”时才把SKILL.md正文加载进来执行阶段需要跑脚本时才真正去读取并运行scripts/下的文件。这样可以以极低的上下文成本挂载几十个甚至上百个技能。5.2 和 MCP 的本质差异注意一个关键区别Skill 里的脚本由模型决定“何时调用”脚本本身并不是注册给模型的工具。Skills 给模型的是“过程性知识”——先做什么、后做什么、遇到什么情况怎么处理而 MCP 给模型的是“声明性能力”——多了一个可以调用的函数或一个可以读的数据源。6. 代码实战二手写一个 Skill我们写一个“术语调研报告”技能当用户要求调研某个技术术语时模型按 SKILL.md 的步骤执行并借助附带脚本生成报告骨架。6.1 SKILL.md--- name: term-report description: 生成一份结构化的术语调研报告。当用户需要调研某技术术语、概念并输出报告时使用。 --- # 术语调研报告 ## 触发条件 - 用户说“调研 xxx”“出一份 xxx 的报告”“总结 xxx 的最新进展”。 ## 执行步骤 1. 明确调研对象和输出格式默认输出 Markdown。 2. 使用可用的联网搜索能力收集至少 3 个来源的信息。 3. 运行 scripts/fetch_report.py把调研术语作为参数传给脚本生成报告骨架。 4. 按 references/report_template.md 的组织方式填充正文。 5. 核对事实、标注来源输出最终报告。 ## 输出要求 - 必须包含定义、核心概念、典型用例、与相关概念的区别。 - 引用来源时保留原始链接。6.2 辅助脚本scripts/fetch_report.py#!/usr/bin/env python3把零散信息整理成一份标准报告骨架。importsysfromdatetimeimportdatedefbuild_skeleton(term:str)-str:returnf#{term}调研报告 生成日期{date.today().isoformat()}## 1. 定义 待补充 ## 2. 核心概念 待补充 ## 3. 典型用例 待补充 ## 4. 相关概念对比 待补充 ## 5. 参考资料 待补充 if__name____main__:termsys.argv[1]iflen(sys.argv)1else未命名术语print(build_skeleton(term))6.3 安装并触发技能在支持 Skills 的客户端以 Claude Code 为例中把文件夹复制到个人技能目录即可# 创建个人技能目录mkdir-p~/.claude/skills# 安装技能cp-rterm-report-skill ~/.claude/skills/term-report之后在对话里直接说需求模型会根据description自动匹配并加载这个技能用户调研一下 Agent Skills出一份报告模型会识别出“调研 出报告”这一意图加载term-report技能并按照 SKILL.md 的步骤执行——包括调用fetch_report.py生成骨架。可以看到Skills 管的是“流程和方法”脚本只是这个方法的一部分它并不需要维持一个常驻 Server也不需要实现 JSON-RPC 协议。7. 核心区别逐条拆解结合上面两个实战我们把区别归为五条7.1 本质不同协议 vs 内容包MCP 是协议文件规定了消息格式、方法和传输方式Skills 是内容包核心是写给模型的指令文本。前者是“标准”后者是“素材”。7.2 运行时不同常驻进程 vs 按需加载MCP Server 是一个真实运行的进程模型需要实时连接它Skills 只是躺在磁盘上的文件需要时被读进上下文。7.3 提供的东西不同新能力 vs 新方法MCP 的tools让模型多了一个可调用的函数Skills 的SKILL.md让模型多了一套“怎么做”的知识。一个增加能力集合一个增加知识集合。7.4 通信方式不同JSON-RPC vs 上下文注入MCP 的每次交互都是结构化的 JSON 消息有请求、响应、错误码Skills 的生效方式是普通文本注入上下文由模型自行理解和执行。7.5 生态定位不同跨模型标准 vs Claude 原生包MCP 是开放协议已被多家模型厂商和大量工具平台采纳Skills 目前主要围绕 Claude 生态Claude Desktop、Claude Code、Claude API但文件夹式的设计让它天然轻量、易分发。8. 代码实战三让 Skills 编排 MCP两者并不对立真正生产级方案常常是用 MCP 提供底层原子能力用 Skills 定义业务编排流程。下面设计一个“竞品分析”场景通过 MCP 挂载网页抓取和搜索工具web_fetch、web_search用一个 Skill 规定完整的分析流程指明“第几步该调用哪个 MCP 工具”。整体关系如下按需加载说明书JSON-RPC 调用能力步骤中编排使用用户请求Claude 运行时SkillSKILL.md 脚本MCP Server对应的SKILL.md可以这样写--- name: competitor-analysis description: 对指定竞品进行结构化分析并产出对比报告。依赖 web-fetch MCP 服务器。 --- # 竞品分析 ## 前置条件 - 当前环境已挂载 web-fetch MCP 服务器提供 web_fetch 与 web_search 两个工具。 ## 执行步骤 1. 使用 MCP 工具 web_fetch 依次抓取各竞品官网首页。 2. 使用 web_search 查询各竞品近期的融资、产品更新动态。 3. 把收集到的信息填入 references/compare_template.md 的对比表。 4. 运行 scripts/score.py对价格、易用性、生态等进行加权评分。 5. 输出 Markdown 报告并附上全部数据来源链接。 ## 输出要求 - 对比维度不得少于定位、核心功能、定价、优劣势。 - 引用数据必须标明来源与抓取时间。在这个例子里MCP负责“能不能抓网页、能不能搜信息”Skill负责“先抓什么、再搜什么、如何评分、最终输出什么”。这就是它们最典型的配合方式能力由 MCP 提供流程由 Skills 沉淀。9. 什么时候用谁一张决策清单你的需求选择原因接入数据库、浏览器、Git、外部 API 等系统MCP需要实时连接与标准协议让模型掌握一套固定流程 / 领域 SOPSkills指令 脚本按需加载成本低需要给模型增加一个“原本没有的函数”MCPServer 通过 tools 暴露新能力模型已有工具但需要知道“怎么组合着用”Skills提供过程性知识追求跨模型、跨平台的通用能力MCP开放协议生态最广只在 Claude 生态内快速沉淀、分享经验Skills一个文件夹即可分发实操中还有几个实用的组合原则1. 原子能力用 MCP 沉淀成稳定接口 2. 业务流程用 Skills 沉淀成可复用 SOP 3. 尖括号包住的是“怎么做”JSON-RPC 包住的是“调什么”。10. 总结回到最初的问题Skills 和 MCP 到底什么区别MCP 是一门协议它规定了模型如何通过标准化的 JSON-RPC 消息去调用外部工具、读取外部资源。它让模