随着 Agent Skills 的发布，一个声音开始出现：
“既然 Agent 已经有 Skills 了，还需要 MCP 吗？”
结论很明确：
Agent Skills 的出现，并不意味着 MCP 会被取代；恰恰相反，它标志着 Agent 架构正在进入「分层标准化」阶段。
一、先说结论：这不是路线之争，而是分层协作
在 AI 应用早期，我们关心的问题是：
- 模型能不能调用外部工具？
- Function Calling 能不能跑通？
而现在，问题已经变成了：
- Agent 如何稳定完成复杂任务？
- 能力如何规模化复用？
- 经验如何被复制？
Agent Skills 和 MCP，正好分别回答了这两类问题。
二、MCP 的本质：AI 时代的能力连接器
从发布之初，MCP 的定位就非常清晰：
它不是给用户用的，而是给模型用的。
在互联网时代：
- API 是应用接入外部服务的标准
- HTTP 是底层通信协议
在 AI 时代：
- Function Calling 是模型接入外部能力的主流方式
- MCP 是对 Function Calling 的标准化封装
三、Agent Skills 在解决什么问题？
Agent Skills 的核心，不是“连接”，而是行为指导。
它本质上是：
- 一组面向 Agent 的说明书
- 一套可复用的任务 SOP
- 一种上下文与行为的组织方式
Agent Skills 通常会回答这样的问题：
- 在什么情况下，应该采取什么行动？
- 一次复杂任务，应该拆成哪些步骤？
- 每一步需要哪些上下文信息？
它解决的是“怎么做事”，而不是“能不能做这件事”。
四、关键区别：抽象层级完全不同
如果把两者放进同一张架构图，会更清楚：
┌─────────────────────────┐
│ Agent Skills │ ← 行为层（流程 / SOP / 经验）
├─────────────────────────┤
│ Agent / LLM │ ← 推理层（理解 / 决策 / 规划）
├─────────────────────────┤
│ MCP │ ← 能力层（工具 / 参数 / 调用契约）
└─────────────────────────┘
或者换一种更直观的说法：
MCP 描述“世界有什么能力”，
Agent Skills 描述“我该如何行动”。
两者根本不在一个竞争维度。
五、MCP 是原子能力的说明书，Skills 是流程说明书
模型的数量是有限的，但能力的数量是无限的。
MCP 做的事情，本质上是：
- 把外部工具包装成原子能力
- 明确使用场景、参数结构、返回格式
- 给模型一份可以被理解和复用的说明书
随着 MCP 生态发展：
- 越来越多开发者用 MCP 包裹工具
- 每一个 MCP 工具定义，都是一份“给模型看的 API 文档”
- 能力可以被整个 AI 互联网复用
而 Agent Skills 则完全不同：
- 它封装的是流程
- 是“如何完成一类任务”的经验沉淀
- 工具调用只是流程中的一环
所以你会看到：
Skills 可以按需挂载 MCP 工具，但 MCP 本身不关心流程。
六、企业视角：两者缺一不可
在企业内部，这个分工会更加明显：
-
MCP
- 由平台 / 中台维护
- 封装 ERP、CRM、内部系统
- 给所有 Agent 统一使用
-
Agent Skills
- 由业务团队维护
- 封装报销流程、客服 SOP、风控逻辑
- 随业务快速迭代
一句话总结企业视角：
MCP 解决能力复用，Agent Skills 解决经验复用。
七、结语：Agent Skills 不是 MCP 的终结，而是它的放大器
Agent Skills 的出现，说明 Agent 已经从：
“能不能调用工具”
进入到了：
“如何稳定、可规模化地完成任务”
而 MCP 解决的是更底层的问题：
让能力本身，变得可被模型长期、安全、统一地使用。
