一文读懂MCP、Skills与Plugins的区别

你可能听说过 Skills、Plugins 和 MCP。但如果你还没听说过，那我试着 10 秒解释一下：

还想提醒你，真正的创新是 LLM 开始从单纯的 token 预测器，转变为感觉像 Agentic AI 的东西。换句话说，LLM 现在不再只是生成内容，而是可以执行操作，比如上网浏览、创建文件/目录。

Model Context Protocol -- MCP

我们最初有、现在依然活跃的是 LangChain。我们想要能够把工具"插接"到编码 Agent 上——不管是谁开发的工具都行。正是在这个背景下，Anthropic 推出了 MCP，这是一个连接 AI 应用与外部系统的开源标准。

总结一下，MCP 流行起来是因为：

• 能轻松接入他人开发的工具
• 能轻松让自己的工具被他人使用
• 被社区广泛采用

它们会迅速填满你的上下文窗口——尽管编码 Agent 足够智能，只加载需要的工具，但你仍然需要意识到这个风险。

你可能也曾为 LLM 生成的过时代码或过时假设而苦恼。原因是训练时它们只使用了当时的文档。所以你可能想添加一个叫 Context7 的 MCP 工具，它让 LLM 能够读取最新的文档。

所以现在你可以这样提示它："使用 PassportJS 和 JWT token 添加一个新的 GraphQL 登录 API，使用 context7。"来确保 LLM 会使用 MCP。

MCP Architecture -- Host, Client, Server

┌──────────────────────────────────────────────────────────────────────────────┐
│ 🏢 MCP Host                                                                  │
│                                                                              │
│ The AI application that needs to call tools.                                 │
│                                                                              │
│ Examples: Claude Code, ChatGPT, OpenCode, etc.                               │
│                                                                              │
│  ┌────────────────────────────────────────────────────────────────────────┐  │
│  │ 🔗 MCP Client                                                          │  │
│  │                                                                        │  │
│  │ The component inside the MCP host that speaks the MCP protocol and     │  │
│  │ connects to MCP servers on behalf of the host.                         │  │
│  └────────────────────────────────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────────────────────────────────┘

┌──────────────────────────────────────────────────────────────────────────────┐
│ 💻 MCP Server                                                                │
│                                                                              │
│ A service that exposes tools, data, or resources (e.g., databases, APIs,     │
│ filesystems) to AI applications through the MCP protocol.                    │
└──────────────────────────────────────────────────────────────────────────────┘

顺便提一下，MCP 服务器可以运行在两种不同的传输模式下：

与应用商店不同，没有一个统一的地方可以找到 MCP 服务器。主要选项有：

• 你可以看看这个 GitHub 仓库，里面列出了一些 MCP 服务器
• 官方 MCP 注册表

⚠️ The Discovery Problem

始终从源头出发，查看 GitHub 仓库的 star 数、最近活动和 issue，全面了解它。

这和 VSCode 扩展的情况类似——同一个扩展会有名称相似的版本。这种情况下，确保作者是原始作者。

Skills

Skills 是以 Markdown 文件形式存在的指令，你可以交给编码 Agent。它们解决了上下文窗口的问题。你可以把这看作一个更好的方向。对于很多用例来说，它们更简洁、更优雅。MCP 的复杂性（派生单独进程、管道连接等）对于简单任务来说过于杀鸡用牛刀了。

例如，安装 Context7 作为 skill 之后，我们会有这样的 skill。

Skills 可能听起来很 fancy。但它们实际上是轻量的，强大只是因为：

在 Claude 中，它们的结构是这样的：

.claude/                         # Can be in home (~/.claude) or project root
└── skills/                      # Must be exactly named "skills"
    └── some-skill/              # Each skill has its own directory
        ├── SKILL.md             # Contains metadata + instructions
        ├── scripts/             # Optional: scripts Claude can run
        |   ├──  do-something.py
        └── resources/           # Optional: additional reference files
            └── advanced-guide.md

如你所见，skills 可以存在于仓库中，也可以全局安装。但如果你添加的 skill 需要安装，你可能需要让 LLM 帮你安装，或者手动安装。所以在提交 .claude 目录到 VCS 时，这一点尤为重要。

• 加载元数据：编码 Agent 读取所有可用 skill 的名称和描述
• 解析请求：编码 Agent 尝试将你的请求与 skill 描述进行匹配
• 加载指令：如果找到匹配，它会加载完整的 SKILL.md
• 引用资源：如果指令中提到文件或脚本，它们会被按需加载/运行

Plugins

基本上，我们将 MCP、skills、commands 和 agents 打包在一起成为 plugins。一个功能捆绑包，可以包含：

你可以在 Claude 中找到并查看我们拥有的 plugins。对于 Claude，你也可以在打开 Claude 时运行 /plugin 来安装和查看你拥有的内容。

另外，截至目前（2026.08.23），plugins 分为两类：

• plugins/：Anthropic 官方编写的 plugins
• external/：第三方 plugins（Context 7、GitHub、GitLab、Playwright、Slack、Stripe、Supabase 等）

另外，最初你在 Claude Code 中只有一个 marketplace，但你可以添加更多。只需要确保它们是可信的。另一个有趣的事实是，当你在 CLI 中时，Claude 中的 plugins 会在顶部显示最热门的。所以可以随意浏览它们，安装你认为不错的。