一个给模型接上世界，一个教模型怎么做事。
本讲从"大模型究竟是什么"推起，用小学生、中学生、大学生三层讲透原理与运作流程。
一根标准插头，让模型够得到外面的数据和工具。
一份可折叠的说明书，让模型按你的方法把事做对。
它们分属两个维度，最强的用法是两个一起上。
一套开放通信协议。它规定"模型这边"和"外部系统那边"如何握手、如何互相报家底、如何调用。接上以后，模型才真的能查数据库、发飞书、读文件。
一个文件夹：一份 Markdown 说明书，外加可选的脚本和参考资料。它不带来任何新能力，只是把"这件事在我们这儿该怎么做"写清楚，需要时才展开。
剥掉所有产品包装，它只是一个函数：文字进 → 文字出。没有手，没有眼睛，没有记忆，也不知道今天几号。
事实：模型权重里存的是"读过的公共文本的统计规律"，不含你公司的任何私有数据，也不含任何执行能力。
推论：任何"让 AI 真正能干活"的方案，最终都会落在这两条路径之一。MCP 与 Skill 不是竞品，而是分别长在两个缺口上的补丁。
加一个 MCP Server，模型的动作集合就变大一圈：本来只会说话，现在会查库、会建日程、会提交代码。
增加的是动词。
加一个 Skill，模型的能力边界不变，但它在这件事上的判断、顺序、口径、避坑，都跟你们家对齐了。
增加的是副词。
他手艺很好，什么菜都听说过。但是——厨房里空空的，而且他不知道你们家口味。
接通水电煤，靠的是统一的插头标准——不管哪个牌子的冰箱，插头都一样，所以能随便换。
贴菜谱，靠的是写清楚——而且平时折起来不占地方，做这道菜的时候才展开。
检验方法：问自己"AI 现在够得到那个东西吗？"够不到 → 你缺 MCP。
检验方法：问自己"AI 做得对吗、稳定吗？"每次都跑偏 → 你缺 Skill。
在 MCP 出现之前，每个 AI 应用要接每个外部系统，都得单独写一遍适配代码。3 个应用 × 4 个系统 = 12 套。加一个系统，所有人重写一遍。
事实：MCP 由 Anthropic 于 2024 年 11 月开源发布，定位就是"AI 应用的 USB-C 接口"。目前 OpenAI、Google DeepMind 等也已支持。
模型可以主动调用的动作：发消息、建记录、跑查询。会改变世界，所以通常需要你授权。
可以被读取的内容：文件、表格、日志。只读，像给模型开一个文件柜。
服务方预置的标准问法，用户可以一键调用。
不用启动进程、不用配密钥。放进目录，模型就能"看见"它。
内容就是自然语言：先做什么、后做什么、什么情况停下来问人、哪些坑千万别踩。
老员工脑子里那套"我们这儿都是这么干的"，第一次变成可复制、可版本管理的资产。
模型的注意力是有限且昂贵的。如果把一百个 Skill 全文塞进去，它会被淹没。所以 Skill 设计成三层，按需展开。
这就是 Skill 与"把规范全写进系统提示词"的根本差别：前者按需，后者常驻。规范一多，后者必然挤爆上下文。
| 维度 | MCP | Skill |
|---|---|---|
| 本质 | 通信协议 + 运行中的服务 | 一个文件夹（Markdown 为主） |
| 解决 | 够不到外部世界 | 不懂你的做法与规矩 |
| 提供 | 新的能力（动词） | 新的方法（怎么做、什么顺序） |
| 加载 | 连接后，工具清单常驻上下文 | 三层渐进式披露，用到才展开 |
| 做出来要 | 写代码、部署、配授权 | 把话说清楚，会写文档就行 |
| 失败长这样 | 连不上 / 超时 / 没权限 | 连得上但做得不对、每次不一样 |
| 谁来做 | 工程团队 | 业务专家本人 |
| 类比 | USB-C 插头标准 | 入职手册 / SOP / 菜谱 |
观点：这张表里最被低估的一行是"谁来做"。MCP 是工程资产，Skill 是业务资产——它第一次让不写代码的人也能直接改造 AI 的行为。
有状态：连接是长会话，Server 可反向发通知（如工具列表变了）。
反向原语：Server 也能反过来请求 Host——sampling（借模型）、elicitation（问用户）、roots（问目录）。
安全边界在 Host：协议本身不替你做授权，工具调用的确认与权限必须由宿主把关。
上下文窗口是有限资源，且模型对长上下文的利用效率会衰减。真正的约束不是"能不能塞下"，而是"塞进去还找不找得到"。
可组合：一个 Skill 可以在正文里指名调用某个 MCP 工具；反过来 MCP 无法规定流程。依赖是单向的。
可执行：确定性的活儿（改图、算数、格式转换）写成脚本，比让模型"想"更准更省。
可版本化：它是纯文本，天然进 Git。组织流程第一次有了 diff 和 code review。
✅ 两者维度不同。Skill 不提供任何新能力；很多 Skill 的流程里第一步就是调 MCP 工具。取代关系不成立。
✅ 工具定义常驻上下文，装多了会挤占注意力、增加选错工具的概率。接入是有成本的，要挑。
✅ 提示词是一次性输入；Skill 是带触发条件、可分层加载、可携带脚本与资料的持久资产，还能进版本库。
✅ 协议不负责授权。第三方 Server 拿到的是真实权限，工具返回的内容还可能藏提示注入。信任边界必须自己划。
✅ 恰恰相反。Skill 的价值密度来自业务判断——哪些坑要避、什么情况该停下来问人、口径怎么算。这些只有做这件事的人知道。工程师能写出格式正确但没营养的 Skill。
让 AI 够得着
把模型接进真实世界的标准插头。没有它，一切都是纸上谈兵。
让 AI 做得对
把你们家的做法写下来。没有它，能力越大跑偏越远。
小学生：插座 vs 菜谱
中学生：M+N 通道 vs 三层折叠说明书
大学生：能力层协议 vs 方法层上下文工程
资料来源（均为公开一手文档，2026-08-22 核对）：
· Model Context Protocol 官方规范与文档 modelcontextprotocol.io （Anthropic 于 2024-11 开源发布）
· Anthropic《Introducing the Model Context Protocol》，anthropic.com/news/model-context-protocol
· Anthropic Agent Skills 工程文档与《Equipping agents for the real world with Agent Skills》，anthropic.com/engineering
· Claude Docs · Agent Skills / MCP 章节，docs.claude.com
本页中标注为"观点""提醒"的内容为作者判断，非官方结论。