从 MCP 到 Agent Skills

Posted on by luozhiyun

什么是 agent skills？

Agent Skills 是一种轻量级、开放的格式，用于扩展 AI Agent 的能力和专业知识。本质上，一个 Skill 就是一个包含 SKILL.md 文件的文件夹。

Agent Skills 的作用在于：

  • 专业知识封装：将特定领域的程序化知识（procedural knowledge）和公司/团队/用户特定的上下文打包
  • 按需加载：Agent 启动时只加载 Skill 的 name 和 description，任务匹配时才加载完整指令
  • 可执行能力：可以包含脚本、工具，扩展 Agent 的实际操作能力
  • 版本化管理：Skills 就是文件，易于编辑、版本控制和分享

那么这里就有个问题，为什么有了 MCP 之后还需要 Agent Skills？

这个问题其实有过很多争论，有开发者评论说："Skill 和 MCP 是两种东西，Skill 是领域知识，告诉模型该如何做，本质上是高级 Prompt；而 MCP 对接外部工具和数据。" 也有人认为："从 Function Call 到 Tool Call 到 MCP 到 Skill，核心大差不差，就是工程实践和表现形式的优化演进。"

其实我还是觉得要从 MCP 和 Agent Skills 设计上区分他们到底有什么不同。

MCP 其实就是指的提供了一个远程的接口，可以用这个接口来接外部世界：能读取数据库、能访问 API、能执行命令行；

Agent Skills 更像一个操作手册，主要存在本地的文件里面，不需要调用外部接口，主要是用来告诉 AI 有那些领域知识，然后教 AI 如何正确、高效地使用这些手，按照什么步骤去完成特定任务。

除此之外，Agent Skills 解决了 MCP 无法解决的三个核心问题：

  1. 节省 token

    在使用 mcp 工具的时候，通常工具的定义（名字、参数、描述）全部塞进 AI 的提示词（Prompt）里，AI 才能知道怎么调用。这会极大地消耗 Token，可能占用数万个 token。据社区开发者反馈，仅加载一个 Playwright MCP 服务器就会占用 200k 上下文窗口的 8%，这在多轮对话中会迅速累积，导致成本飙升和推理能力下降。

    而对于 Agent Skills 来说通过渐进式披露（Progressive Disclosure）机制，智能体按需逐步加载，既确保必要时不遗漏细节，又避免一次性将过多内容塞入上下文窗口，来解决这个问题。

  2. 解决“会用工具但不懂业务”的问题（业务流程固化）

    AI 只懂 MCP 是不会理解业务的，比如 MCP 提供了 delete_database()（删除数据库）的工具。这很强大，但也危险。AI 可能因为你的一个模糊指令直接删库。这个时候就可以写一个 Skill，规定：

    当用户要求删除数据库时，必须严格执行以下流程：

    1. 先调用 MCP 工具 check_backup() 确认有备份。
    2. 再调用 MCP 工具 send_alert() 给管理员发通知。
    3. 最后才允许调用 delete_database()。

  3. 降低开发门槛

    开发一个 MCP Server 需要后端开发能力，提供接口。Skills 只需要提供 SKILL.md 即可。比如你是资深运营，你可以写一个“小红书文案 Skill”，里面不需要代码，只需要写清楚：“第一步先分析竞品，第二步提取关键词，第三步套用这个模板…”。

所以综上 Agent Skills 至少为开发者带来三大核心价值：

  • 能力复用：一次编写，在 Copilot、Cursor、Claude 等多个 Agent 产品中使用，还可跨团队共享或通过 GitHub 公开发布。

  • 知识沉淀：将团队最佳实践固化为版本化的 Skills，如代码审查规范、部署流程、数据分析模板等，确保工作流程的一致性。

  • 提升效率：通过明确的指导让 Agent 更准确地执行复杂任务，减少试错和修正，提供一致的输出质量。

设计理念

Agent Skills 最核心的创新是渐进式披露（Progressive Disclosure）机制。AI 在使用 Agent Skills 的时候并没有将整个知识库加载到人工智能有限的上下文窗口中，而是以智能的、高效的层级方式加载信息。

  • 第一层：元数据（Metadata）：首先只看到每个可用Agent Skills的名称和描述，也就是 Frontmatter buff。这种轻量级信息使其能够快速识别哪些技能可能与用户的请求相关，而不会消耗大量资源。
  • 第二层：技能主体（Instructions）：一旦确定了相关技能，AI 就会读取主 SKILL.md 文件。该文件包含执行任务的分步指令和核心逻辑。
  • 第三层：附加资源（Scripts & References）：如果说明中提到了其他文件（例如用于数据验证的 Python 脚本或报告模板），AI 会根据需要访问这些特定资源。

这种分层方法使得整个 Agent Skills 系统具有极高的可扩展性。关键在于，当Agent Skills执行脚本时，代码本身永远不会进入上下文窗口；只有脚本的输出才会进入。

社区开发者分享的实践案例充分证明了渐进式披露的威力。在一个真实场景中：

  • 传统 MCP 方式：直接连接一个包含大量工具定义的 MCP 服务器，初始加载消耗16,000 个 token
  • Skills 包装后：创建一个简单的 Skill 作为"网关"，仅在 Frontmatter 中描述功能，初始消耗仅500 个 token

如何实现一个

一个最简单的 agent skill 其实只需要包含一个 SKILL.md 文件即可，其他的 scripts、 references、assets 都是可选的。

my-cool-skill/          <-- 技能文件夹
├── SKILL.md            <-- 核心文件：包含元数据和指令（必须）
├── scripts/            <-- (可选) 包含 Python/Bash 脚本
│   └── analyze.py
└── templates/          <-- (可选) 包含模板文件
│   └── report.md
└── assets/             <-- Optional: 一些模版资源

编写 SKILL.md

文件内容分为两部分：YAML 头信息 (Frontmatter) 和 Markdown 正文。

A. Frontmatter 头信息（必填）

Frontmatter 必须用 — 包裹起来，像下面这样，最短可以只包含 name 和 description 两个字段：

---
name: skill-name
description: A description of what this skill does and when to use it.
---

name 字段规则：

  • 长度：1-64 字符
  • 字符：仅允许小写字母、数字和连字符 (a-z, -)
  • 不能以连字符开头或结尾
  • 不能包含连续的连字符 (--)
  • 必须与父目录名完全一致

description 字段规则：

  • 长度：1-1024 字符
  • 应说明技能的功能和使用时机
  • 包含关键词帮助 Agent 识别适用场景

包含可选字段：

---
name: pdf-processing
description: Extract text and tables from PDF files, fill forms, merge documents.
license: Apache-2.0
metadata:
  author: example-org
  version: "1.0"
---

B. 正文 (Instructions)

这是 AI 加载技能后看到的具体操作指南。包括步骤、规则、输入输出格式等。

比如我想要写个示例：

构建一个“代码审查专家”技能。
假设你想创建一个技能，专门用来按你团队的风格审查 Python 代码。

那么我们可以写一个这样的 SKILL.md ：

---
name: python-code-review
description: 当用户要求审查 Python 代码，或者需要检查代码质量、寻找 bug 时使用此技能。不要用于其他语言。
---

# Python Code Review Guidelines

作为 Python 代码审查专家，请遵循以下步骤审查代码：

## 1. 核心原则
- **类型提示 (Type Hints)**: 所有函数必须包含参数和返回值的类型提示。
- **文档字符串 (Docstrings)**: 使用 Google 风格的文档字符串。
- **错误处理**: 检查是否使用了裸露的 `except:`，必须捕获特定异常。

## 2. 审查清单
请按以下顺序检查代码：
1. 运行静态分析逻辑（如果在 scripts/ 文件夹中有 lint 脚本，请优先参考）。
2. 检查变量命名是否符合 snake_case。
3. 寻找潜在的 N+1 查询问题（如果涉及数据库）。

## 3. 输出格式
请以以下格式输出审查报告：

**🔍 审查摘要**
- 评分: [1-10]
- 主要问题: [摘要]

**📝 详细建议**
| 行号 | 问题 | 建议修改 | 优先级 |
|------|------|----------|--------|
| 12   | 缺少类型提示 | `def func(a: int) -> str:` | 高 |

最佳实践 (Best Practices)

为了让 Skill 更聪明、更好用：

  1. 精确的 Description: AI 只有在 description 与用户请求匹配时才会加载这个技能，尽量应包含：

    • 动作关键词：split, extract, convert, merge
    • 领域关键词：PDF, document, pages
    • 场景关键词：when you need to divide, when working with
    ❌ 坏的写法: "一个帮助代码的工具"
✅ 好的写法: "当用户需要根据 PEP8 标准审查 Python 代码并生成表格报告时使用。"

  2. 提供清晰的示例，在 SKILL.md 正文中提供：

    • 常见用例的示例
    • 不同参数组合的效果
    • 预期的输出格式

  3. 原子化: 一个 Skill 最好只做一件事（例如：一个 Skill 做代码审查，另一个 Skill 做文档生成），不要把所有功能塞进一个文件。

  4. 对于复杂的 Skill，将详细文档分离，可以使用 References 目录：

    data-analysis/
├── SKILL.md           # 简要说明和快速开始
├── scripts/
│   └── analyze.cs
└── references/
   ├── REFERENCE.md   # 详细 API 参考
   ├── examples.md    # 更多示例
   └── algorithms.md  # 算法说明

安装和使用 Agent Skills

步骤一：下载

Agent Skills 和 MCP 一样都是 anthropics 公司提出来的，所以他们也提供了很多好用的 skills 供大家使用，如果选择将官方 Skills 安装到当前项目，就在终端输入这条命令：

openskills install anthropics/skills

安装成功后，你就会在Cursor、Trae等工具的文件管理区看到 .claude/skills 的文件夹。

当然也可去下面三方的收集网站上面下载别人写好的 skills：

https://skillsmp.com

https://agentskills.so/

步骤二：配置

先在项目根目录创建一个 AGENTS.md 文件，然后运行

openskills sync

确认后按回车键，你选择的 Skills 就会写进之前空白的 AGENTS.md 文档中。它将作为 Cursor、Trae 等 Coding Agent 接下来使用 Skills 的指导文件。

步骤二：调用

Skills 是可以被自动调用的，如果你想手动调用，可以直接在提示词中指定要调用的具体 Skills，比如：

调用 frontend-design skills，用HTML开发一个视频剪辑软件的SaaS介绍页

最后

最后在举个例子 MCP 如何协同 Agent Skills 一起完成工作。想象一下要实现一个自动化的金融分析代理：

  • MCP 层： IT 部门将内部财务数据库和报表 API 以安全的 MCP 服务器的形式对外开放。这使得 AI 能够直接访问财务数据并生成文件。
  • Agent Skill 层：该技能包含财务的领域知识，包含公司专有分析方法的精确分步说明。它告诉 AI 要查询哪些数据库表（通过 MCP 工具）、如何执行特定计算、如何构建分析以及最终演示文稿应采用何种格式。

在这种情况下，MCP 处理底层标准化的工具调用任务，而Agent Skills负责协调高层智能工作流程。 Agent Skills是一种可重用的资产，它捕捉了分析师的独特专业知识，使其能够立即扩展。这种强大的组合使开发人员能够构建健壮的系统，其中任务逻辑与其所用工具的实现完全分离。

Reference

https://agentskills.io

https://agentskills.so/

https://skillsmp.com

https://www.cnblogs.com/sheng-jie/p/19381647

https://zhuanlan.zhihu.com/p/1986802048608527579

https://www.zhihu.com/question/1890546618509538123

https://agentskills.so/skills-blogs/agent-skills-compare-mcp