• 时间:
  • 分类: AI

agent,skill,mcp,请讲解，各个的功能和之间的关系
在 AI 智能体（Agent）体系里，Agent 是大脑、Skill 是执行能力、MCP 是标准化连接协议，三者分层协作、缺一不可。下面用清晰定义、功能、关系、实战流程帮你彻底理解。
一、核心概念与功能

  1. Agent（智能体）
    定位：系统的决策大脑，负责理解目标、拆解任务、规划路径、调度资源、评估结果。核心功能：
    目标驱动：接收用户目标，自主拆解为子任务
    多步推理：用 ReAct/CoT 等方式做规划
    工具调度：决定何时、调用哪个 Skill
    记忆管理：维护上下文与长期记忆
    自我反思：根据结果调整策略
    比喻：项目总指挥 / 项目经理
  2. Skill（技能）
    定位：原子执行单元，封装可复用的具体能力，是 Agent 的 “手脚 / 工具箱”。核心功能：
    单一职责：一个 Skill 只做一件事（查天气、发邮件、生成图表、调用 API）
    可组合：多个 Skill 可串联成复杂工作流
    标准化输入输出：明确参数与返回格式
    可扩展：新增 Skill 不影响 Agent 核心逻辑
    分类：
    原生技能：代码实现（计算、文件操作）
    语义技能：基于 Prompt（摘要、情感分析）
    工具技能：封装外部服务（数据库、天气接口）
    比喻：专业执行专员 / 工具包
  3. MCP（Model Context Protocol，模型上下文协议）
    定位：标准化通信与调度层，解决 Agent 与 Skill / 外部服务的 “连接兼容” 问题。核心功能：
    统一接口：为所有 Skill / 工具提供标准调用规范，消除框架 / 语言差异
    能力发现：让 Agent 自动发现可用 Skill
    权限与安全：控制调用范围、做鉴权
    上下文传递：在 Agent 与 Skill 间传递会话状态
    跨环境兼容：本地 / 云端、不同语言互操作
    关键澄清：MCP 不是工具 / 能力，而是协议规范（类似 USB 标准、插座标准）
    比喻：万能插座 / 国际通用语言 / 项目经理的调度系统
    二、三者关系（一句话 + 架构图）
    一句话总结
    Agent 决定做什么、Skill 提供怎么做、MCP 保证能安全、标准地连接与调用。
    分层架构（从上到下）
    Agent 层：决策中枢（大脑）
    Skill 层：执行能力库（手脚）
    MCP 层：标准化连接协议（通信总线）
    外部世界：API、数据库、文件、服务
    核心关系
    Agent 依赖 Skill：没有 Skill，Agent 只有思考、没有行动能力
    Skill 依赖 MCP：没有 MCP，Skill 无法被不同 Agent / 框架统一调用
    MCP 服务 Agent+Skill：MCP 是中间件，不产生业务能力，只做连接与调度
    三、实战流程（以 “生成月度销售报表” 为例）
    用户给 Agent 目标：生成 3 月销售报表并邮件发送
    Agent 决策：
    拆解任务：查数据库 → 生成图表 → 写报告 → 发邮件
    确定需要：query_db、gen_chart、write_report、send_email 四个 Skill
    Agent 通过 MCP 调度：
    向 MCP 发起调用请求，指定 Skill 与参数
    MCP 做权限校验、参数校验、路由到对应 Skill
    Skill 执行：
    query_db：从数据库拉取 3 月数据
    gen_chart：用数据生成折线 / 柱状图
    write_report：整合数据 + 图表生成 PDF
    send_email：把 PDF 发给指定邮箱
    MCP 回传结果：将每个 Skill 的执行结果返回给 Agent
    Agent 评估：检查是否成功，完成后告知用户
    四、关键区别对比表
    表格
    维度 Agent Skill MCP
    核心角色 决策大脑 执行单元 连接协议
    解决问题 做什么、怎么规划 具体怎么做 怎么安全、标准地连接
    抽象层级 最高（业务逻辑） 中层（能力封装） 底层（通信规范）
    自主能力 强（自主推理、规划） 无（被动调用） 无（纯调度）
    形态 系统 / 框架 函数 / 模块 / 服务 协议规范 + SDK
    用户可见 直接交互 间接可见 通常不可见
    五、一句话记忆口诀
    Agent 定方向，Skill 干实事，MCP 通天下。
    需要我用一个可直接运行的极简代码示例（Python），演示 Agent 如何通过 MCP 调用一个 Skill 吗？

========================================

下面用极简、可直接看懂的 Python 代码，模拟：Agent（大脑） → 通过 MCP 协议 → 调用 Skill（执行能力）
不搞复杂框架，只保留核心逻辑，一眼看懂三者关系。

  1. 先定义三者角色
    Agent：做决策、规划、决定调用哪个 Skill
    Skill：具体干活的函数（查天气、发消息、计算等）
    MCP：统一调用协议 / 中间层，负责路由、校验、转发

  2. 完整可运行代码
    直接复制到 Python 即可跑：
    python
    运行

    ==============================================

    1. Skill：具体能力（执行单元）

    ==============================================

    def skill_weather(city: str) -> str:
    """技能：查询天气"""
    return f"【{city}】天气：晴，25℃"

def skill_calculate(a: int, b: int, op: str) -> int:

"""技能：简单计算"""
if op == "+": return a + b
if op == "-": return a - b
if op == "*": return a * b
if op == "/": return a // b
return 0

def skill_send_message(user: str, content: str) -> str:

"""技能：发送消息"""
return f"已向【{user}】发送消息：{content}"

==============================================

2. MCP：模型上下文协议（统一调度层）

==============================================

class MCP:

def __init__(self):
    # 注册所有可用技能
    self.skills = {
        "weather": skill_weather,
        "calculate": skill_calculate,
        "send_message": skill_send_message
    }

def call_skill(self, skill_name: str, **kwargs):
    """MCP 统一调用入口：校验 → 路由 → 执行 → 返回结果"""
    if skill_name not in self.skills:
        return f"错误：技能 {skill_name} 不存在"

    # 真实 MCP 还会做：权限、参数校验、日志、上下文传递
    print(f"[MCP] 调度技能: {skill_name}, 参数: {kwargs}")
    skill_func = self.skills[skill_name]
    return skill_func(**kwargs)

==============================================

3. Agent：智能体（大脑，做决策）

==============================================

class Agent:

def __init__(self):
    self.mcp = MCP()  # Agent 持有 MCP 连接

def run_task(self, user_intent: str):
    """Agent 根据用户意图，自主决策调用 Skill"""
    print(f"\n=== Agent 收到任务: {user_intent} ===")

    # 真实 Agent 会用 LLM 做意图识别 + 任务拆解
    if "天气" in user_intent:
        return self.mcp.call_skill("weather", city="北京")

    elif "计算" in user_intent:
        return self.mcp.call_skill("calculate", a=10, b=20, op="+")

    elif "发消息" in user_intent:
        return self.mcp.call_skill("send_message", user="小明", content="开会啦")

    else:
        return "Agent：我不知道该调用什么技能"

==============================================

4. 测试运行

==============================================

if name == "__main__":

agent = Agent()

print(agent.run_task("查北京天气"))
print(agent.run_task("帮我计算 10+20"))
print(agent.run_task("给小明发消息"))
  1. 运行结果（清晰展示流程）
    plaintext
    === Agent 收到任务: 查北京天气 ===
    [MCP] 调度技能: weather, 参数: {'city': '北京'}
    【北京】天气：晴，25℃

=== Agent 收到任务: 帮我计算 10+20 ===
[MCP] 调度技能: calculate, 参数: {'a': 10, 'b': 20, 'op': '+'}
30

=== Agent 收到任务: 给小明发消息 ===
[MCP] 调度技能: send_message, 参数: {'user': '小明', 'content': '开会啦'}
已向【小明】发送消息：开会啦

  1. 三者关系用代码再讲一遍
    Agent
    只做决策：判断用户要什么
    不直接干活，只通过 MCP 发指令
    Skill
    只做执行
    一个 Skill 一个功能
    不知道谁调用它，只管干活
    MCP
    是中间协议层
    统一接口、注册技能、路由调用、参数校验
    让 Agent 不用关心 Skill 内部实现
  2. 真实 AI Agent 系统里长这样
    Agent 用 GPT/o1 做任务规划
    Agent 把 “调用哪个技能 + 参数” 发给 MCP 服务
    MCP 负责：
    技能发现
    权限控制
    跨语言 / 跨服务调用
    上下文传递
    MCP 调用真实 Skill（API、函数、插件、外部服务）
    结果原路返回 Agent
    如果你愿意，我可以再给你写一个更贴近工业级的版本：
    带 JSON 协议格式
    带上下文记忆
    带技能描述（让 LLM 自动选择技能）
    你想要简单版还是接近真实 Agent 框架版？

(doubao)

标签: none