文章探讨Agent Skills与MCP在大模型应用中的互补关系。Skills是轻量级提示词标准封装领域知识和工作流具有自文档化、可扩展、可移植优势MCP解决工具连接标准化问题。Skills通过上下文窗口管理提高效率可作为Router选择性加载工具。两者结合构建安全可扩展的Agent系统代表AI工程化新趋势。Agent Skills 调研总结skills vs mcp[skills 会干掉 mcp 吗]之前这个问题已经回复过不能替代MCP 解决的是工具的连接问题让工具发现和调用的标准化。而 Skills 是一种轻量级的定义提示词的开放标准可在 Skills.md 中定义专业知识和工作流通过渐进式披露实现 Agent更省更准的选择工具。官方提到 Skills 的 3 个优势•Self-documenting: 容易理解和维护可以当作代码进行 review 和迭代优化•Extensible: 扩展性强支持从简单的文本指令到可执行代码、资源和模板不等。•Portable: Skills 只是目录和文件容易本地化编辑版本控制和分享。Skills 的核心价值不仅仅是省准还有一个关键点是Context Window Management上下文窗口管理。如果把所有工具的 definition 全部塞进 system prompt上下文会爆炸且模型容易出现幻觉。Skills 实际上充当了一个Router或Index的角色只有当 Agent 决定进入某个步骤时才加载相关的 Prompts 和 Tools 定义。skill-script vs mcp-toolskill-script最大的风险是rm -rf /或者读取敏感配置MCP 协议本身包含了一层权限确认User-in-the-loop这在协议层面上比裸跑 Script 多了一层安全保障。如果把 skill 里面调用本地的 script 换成远程 mcp tool不会导致 agent 的轮次变多当模型说要调用工具时agent 调用 tool并把 tool 的调用结果发送给模型让模型观察并决定下一步操作。好处是 agent 调度的节点不用去管执行的安全性和稳定性mcp 提供可靠的服务。缺点是多了网络延迟和数据序列化和反序列化的过程会导致延迟变长但是看情况没有大数据量这个 IO 延迟不会很大。结合 github 上开源的 planning-with-files[1] 这个 skills 来说明这个 skills 核心是通过 3 个文件task-plan.md,findings.md,progress.md 来实践 ReActplanning-with-files 的底层是 manus 一样的调度逻辑但是没有体现 manus 大量 tool 集成的复杂度。manus 是面向多用户的通用智能体有很多 sass 的工程化细节manas 对任务执行环境支持沙盒隔离我觉得这很适合使用本地化 script 的 skills对不同的场景幻灯片制作开发应用创建网站设计提供不同的容器环境docker image搭配不同的 skills 即可实现。File as State这其实是回归了 Unix 哲学。对于 Agent 来说维护一个progress.md比维护复杂的内存变量更直观也更容易被 LLM 理解和自我修正。但是工程化落地要考虑安全性对于企业来说未来理想的架构可能是 sandbox(skills script) / skills mcpskill with mcp一个示范的 skills 定义---name: skill名称description: 简要描述这个skill的功能和使用场景---# skill名称## 描述描述这个skill的作用。## 使用场景描述触发这个skill的条件。## 指令清晰的分步说明告诉agent具体怎么做。## 示例 (可选)输入/输出示例展示预期效果。已有的 mcp 生态 配合 skills 的使用在 skills 的 instruction 中在某个步骤写明调用具体的 mcp-tool模型负责生成调用参数通过 supergateway[2] 可以将stdio的本地 mcp 服务暴露为sse接口提供远程访问有的 tool比如 gitbashfilebrowser的能力很复杂通常是高带宽/密集 IO操作通常是直接在操作系统执行。这个时候可以使用 supergateway 部署使用网络协议简化调用比如 CodeReview 的场景就适合使用 skills 结合本地 mcp 执行拉取代码调用mcp-tool:fetch_merge_request获取完整信息分析项目架构analyze_repository生成架构文档比较差异调用mcp-tool:fetch_merge_request_diff获取 commit diff分析本次提交analyze_commit生成 review comment提交审核意见调用mcp-tool:add_merge_request_comment提交 review comment其中 2 个 analyze 任务在本地执行更适合因为 agent 需要使用 bash 脚本来检索大量的文件来分析项目代码。指令可使用skill-reference中定义的编码规范来约束 review 建议。skill 产品落地claude code 最先支持 skills[3]可以 git clone 导入 skill 到本地目录cursor skills[4]支持从 从 GitHub 安装[5]国内的 trae ide 也已经支持 skill[6]支持创建/导入 SKILL.md提供界面交互式编辑不过没有提及 script,assets 等关联资源的定义。总结从上而下看 Prompt,Skills,Memory,MCP 这些都属于 Context Engineering[7] 的范畴爆火的 Skills 是工程化实践过程中的产物。一个强大的 Agent 既需要 Skills 来封装领域知识和工作流程也需要 MCP 来提供安全、可扩展的原子能力并通过容器化技术将两者高效、安全地粘合在一起。​最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​