8.0
热点
AI SCORE
编程提效2026-08-30 15:29
Claude Agent Skills与MCP的本质区别和使用指南
dev.to · AI#Claude#Agent Skills#MCP
Editor brief · 编辑速览
Agent Skills是技能定义规范（菜谱），MCP是工具连接协议（厨房），两者协同使用；Skills以SKILL.md为核心，可跨平台复用（Claude Code、Cursor、Codex等）；skill-creator可自动生成技能文件。
你有没有遇到这种情况：同一个东西已经跟 Claude 解释过五六遍了？团队的 commit 格式、公司生成 PDF 报告的方式、站会格式的具体步骤。每次开新对话，你又把同一段指令粘贴进去，因为模型根本不记得前面四五次说过什么。
问题在于：这不是模型的能力限制，是封装问题。知识明明已经在你脑子里了，只是没有存放的地方，让 Claude 需要的时候能自动调取。
这就是 Agent Skills 要填补的空白。Anthropic 在 2025 年 10 月 16 日发布了这个功能，思路简单得令人耳目一新：一个 skill 就是一个文件夹，你把它交给 agent，只有任务需要时它才会读取这个文件夹。不需要微调，不需要插件 SDK，不需要反复解释。
让我们从第一性原理出发，把这事儿拆解清楚：skill 实际上是什么、怎么运作的、怎么用（以及怎么生成自己的）、为什么它和 MCP server 不是竞争关系而是不同的东西。
先把营销话术放一边。从根本上讲，一个 Agent Skill 就是文件系统上的一个目录。它的根目录放一个必需文件 SKILL.md，这就是整个 skill 的最小可行形态。
Anthropic 自己的比喻最到位：skill 就像你给新队友写的入职指南——他们完成某项具体工作所需的说明、参考资料，有时候还有脚本，而且要按照你们团队的方式来。
SKILL.md 有两部分。首先是一段 YAML frontmatter，包含两个必需字段：name 和 description。其次是正文，用普通 markdown 写，告诉 Claude 怎么完成这个任务。
---
name: pdf-processing
description: "Extract text and tables from PDFs, fill forms, merge documents. Use when working with PDF files or forms."
---
# PDF Processing
## Quick start
Use pdfplumber to extract text...
这个 description 字段承担的工作比看起来多得多。它是触发器，Claude 用它来匹配你的请求，判断这个 skill 是否相关。所以必须同时说明 skill 做什么、以及什么时候用它。描述模糊的话 skill 就永远不会触发。（规则很严格：name 最多 64 个小写字母和连字符，description 最多 1024 个字符。）
除了 SKILL.md，一个 skill 可以打包任务所需的任意内容：额外的 markdown 文件（FORMS.md、REFERENCE.md）、可执行脚本（fill_form.py），或者原始资源如 schema 和模板。一样都不强制要求——最简单可用的 skill 就是一个文件。
这里就开始有意思了。如果你安装了二十个 skill，你可能以为在打完一个字之前，Claude 就会把这二十本手册全塞进上下文窗口，成本和注意力都是灾难。
skill 要解决的根本问题就是上下文的经济性，机制叫做渐进式披露（progressive disclosure）。Claude 分三层加载信息，每层在不同时间点触发。
元数据（始终加载）。启动时，Claude 只读取每个已安装 skill 的 name 和 description，约为 100 个 token。就是这些。二十个 skill 总共消耗几千 token，Claude 知道了有什么可用，但不知道细节。
指令（触发时加载）。当你的请求匹配到某个 skill 的 description，Claude 执行一条 bash 命令从磁盘读取完整的 SKILL.md 正文。这时真正的指令才会进入上下文窗口，保持在 5k token 以内。
资源和代码（按需加载）。打包的文件在 Claude 真正打开之前零 token 消耗。需要 sales schema 但不需要 forms 指南？Claude 只读 schema。一个 skill 可以附带几十个参考文件，而不产生任何上下文损耗——因为那些任务根本不会触碰的文件就是零开销。
脚本处理是我最喜欢的一部分。当 skill 包含 validate_form.py 时，Claude 通过 bash 运行它，只得到输出结果（"Validation passed" 或者一个错误），永远不会看到代码本身。因为代码是确定性的，这一步骤是一致的、可重复的，比让模型现场重新生成等价逻辑要便宜得多。在实际系统中，「思考它」和「直接跑脚本」之间的差距，往往就是可靠和不可靠之间的差距。
从实用角度来说，使用 skill 就两件事：放到 Claude 能找到的地方，让 description 去触发匹配。你不需要按名称调用 skill。当你的请求匹配时，Claude 自动就会 pick it up。
skill 放哪里取决于你用的是哪个界面：
~/.claude/skills/（个人）或 .claude/skills/（项目）。纯文件系统，不需要上传。/v1/skills 端点上传，用 skill_id 引用，在代码执行工具内运行。一个需要诚实说明的注意事项：skill 在不同界面之间不同步——上传到 claude.ai 不会自动出现在 API 上。同一个格式，分开安装。开箱即用，Anthropic 自带四个预构建文档 skill（PowerPoint、Excel、Word、PDF），还有来自 Canva、Notion、Figma、Atlassian 的合作 skill。
手工写 SKILL.md 很容易微妙地出错：description 太弱永远不触发、正文臃肿、打包的文件没有引用。所以 Anthropic 做了一个 skill，它的全部工作就是构建其他 skill：skill-creator。
向它提出需求，它会询问你工作流程，生成正确的文件夹结构，写出一个格式正确且触发优化的 SKILL.md，并打包你指向的资源。这是把一个你不断口述的重复流程变成 Claude 自动就懂的东西的最快方式。很 meta，但确实有用。
这是被问得最多的问题，所以直接消除困惑：Agent Skills 和 MCP 不是竞争对手。它们在不同的层次运作，我见过最清晰的思维模型是这样的：skill 是菜谱，MCP 是厨房。
skill 是静态的程序性知识。是躺在磁盘上的 markdown 和文件。它告诉 agent 要做什么以及怎么做——你的规范、你工作流程、你的步骤。它自己什么都不运行。
MCP（Model Context Protocol）是一个实时连接。是一个建立在 JSON-RPC 之上的客户端-服务端协议，将 agent 插入外部工具和数据，通过一个拥有自己身份验证和持久状态的运行中进程。它给 agent 提供真正执行任务的基础设施：查数据库、调 API、读工单。
让区别彻底明朗化的判断标准是：这个东西在每次调用之间会变化吗？一个实时的 Salesforce 连接、有新行的数据库、一个认证过的会话——那是 MCP。一个几周都稳定不变的工作流——那是 skill。
还有一个成本角度的考量。加载 50 个 MCP 工具及其完整 schema 可能在开始之前就吃掉约 8000 个 token；而一个教同样模式的 skill 可能只花 400 token。这不是说 MCP 不好，而是在说要因事制宜：MCP 用于实时、已认证、有状态的连接，skill 用来教一个稳定的流程。更理想的是把两者组合起来——skill 可以教 agent 怎么使用 MCP server 暴露的那些工具，而这也正是 Anthropic 官方指引所指的方向。
这里有个细节容易被忽略：这个格式不是专有的。Anthropic 把 SKILL.md 作为开放标准发布，生态采用得很快。同一个 skill 文件现在无需修改就能跨 Claude Code、OpenAI 的 Codex、OpenCode、Cursor 和 Gemini CLI 工作——二十多个 agent 都能读它。写一次 skill，它就跟着你走，不管你在用哪个工具或模型。你的专业知识不再锁定在某个供应商。
这种可移植性也意味着社区 skill 市场在增长。像 SkillHub 这样的目录收录了数千个可以直接秒级引入的现成 skill——这是看一个好的 SKILL.md 是什么样的的好地方。
但这里有一个关键警告，我不会粉饰：安装 skill 就是执行信任。skill 可以在你机器上运行代码和调用工具，所以一个坏的 skill 是安全问题，不是糟糕的下载。恶意和劣质 skill 确实存在。在你从某个目录安装任何东西之前，打开 SKILL.md 和每个打包的脚本读一遍，就像在运行别人软件之前要审查它一样。
从实际角度说，最安全的路——也是我默认走的——是用 skill-creator 自己构建 skill。你得到恰好想要的行为，而且没什么要审查的因为是你自己写的。去市场浏览找灵感；真正依赖的那些自己写。
Agent Skills 免费吗？
格式本身是免费开放的。在 Claude Code 中创建 skill 不花一分钱，就用你平时的用量。在 claude.ai 上，自定义 skill 需要付费计划（Pro、Max、Team 或 Enterprise）并启用代码执行，通过 API 则按常规支付底层代码执行和 token 费用。
构建 skill 需要会写代码吗？
不需要。skill 可以是纯 markdown，用大白话写说明就行。脚本是可选的，只在确定性代码比让模型现场发挥更好的地方才用。而且 skill-creator 会通过对话帮你搭好整个架子。
skill 运行的时候我的数据去哪了？
取决于你用的界面。在 API 上，skill 在没有网络访问的沙箱容器中执行，所以它们不能自己对外打电话。在 Claude Code 中它们和你机器上任何程序享有同等的网络访问权限，能力更强也值得尊重。需要注意的是：Agent Skills 不在零数据保留协议范围内，执行数据遵循 Anthropic 的标准保留政策。
skill 和一个好的 prompt 有什么区别？
prompt 是会话级别的。它存活和消亡于一次聊天。skill 是可复用的，按需加载到每次对话中，不需要你粘贴任何东西。而且得益于渐进式披露，你可以安装很多 skill 而几乎不产生任何固定上下文成本。
退后一步看，更大的图景就浮现出来了。有一段时间，让 AI 真正对你的工作有用，意味着要么微调模型，要么自己写集成。Skills 把这件事压缩成任何人都能做的事：把你的工作方式写下来，放进一个文件夹，一次搞定。
这是一个安静但真实的转变。价值从模型的原始能力转移到你打包在它周围的程序性知识——你的 commit 规范、报告格式、安全审查步骤，让工作真正属于你的那些东西。
问问你自己，每周都要跟 Claude 重新解释什么。那就是你的第一个 skill。用 skill-creator 处理它，下次看 Claude 自己就 pick it up。然后在你需要底层实时工具时用 MCP。先建菜谱；等做饭真的需要厨房的时候，厨房自然会来。
P.S. 如果你想直接看源头，去读 Anthropic 的 Agent Skills 工程深度解析，去浏览 anthropics/skills 仓库里的开源示例。
原文最初发表于 blog.stroutsluvaris.gr。