最近Skills热度不减反增，好多团队也都在尝试使用了，那他和MCP有啥区别呢？Skills真的这么强大吗？
一、举个栗子
如果 AI 助手是一台「电脑」：
- MCP = USB 协议：规定「怎么连接」各种外部设备（数据库、API、第三方服务），大家按同一套标准接上去就能用。
- Skills = 应用程序/操作手册：规定「怎么干」某类事——写什么格式、按什么流程、用哪些脚本，是「懂业务」的那一层。
所以：MCP 负责「连线」，Skills 负责「懂业务、会干活」。 两者不互斥，经常一起用。
二、MCP 是什么？
MCP（Model Context Protocol，模型上下文协议）是一套标准协议，让各种 AI 应用能用统一方式和「外部世界」打交道。
- 出现背景：以前每个 AI 产品要接 GitHub、数据库……都要各自写一套对接，重复又乱。MCP 相当于定了一个「统一接口」：工具按 MCP 实现一次，不同的 AI 都能用。
- 能干什么：一般包含三类能力——
- Tools：可调用的工具（例如：查数据库、发消息、调 API）
- Resources：可读取的数据/资源
- Prompts：预设好的提示模板
特点：适合「对外」——别人只要知道你的 MCP 地址或配置方式，就能让 AI 连上你的服务，不用复制你项目里的文件。
代价：工具一多，所有工具的定义（名字、参数、说明）往往会一次性塞进 AI 的上下文，占用不少 token，可能影响回答质量和成本。
详细学习可以传送到 => MCP 入门与实践：大模型连接世界的桥梁
三、Skills 是什么？
Skills 是 Cursor/Claude 等工具里的一种能力包：用「文件夹 + 说明文档 + 可选脚本」的方式，教 AI 在什么情况下、按什么步骤、用什么脚本完成一类任务。
- 通常包含：
SKILL.md：任务说明、何时用、怎么用（给 AI 看的「操作手册」）scripts/：可执行脚本（Python、Bash、JS 等），AI 需要时再调用- 其他参考资料、模板等（按需放）
- 设计思路：按需加载——启动时只加载每个 Skill 的名字和简短描述，只有和当前任务相关时，才去读完整的
SKILL.md或脚本。这样不会一上来就占满上下文。 - 另一个好处：复杂流程可以写在脚本里，AI 只负责「在合适的时机调用脚本」并消化结果；脚本代码本身不必全部塞进对话，省 token，结果也更稳定。
特点：适合「对内」——自己或团队把流程、规范、脚本放到指定目录，AI 就按这套来干活。
四、对比
| 维度 | MCP | Skills |
|---|---|---|
| 主要作用 | 定义「怎么连」外部工具/数据 | 定义「怎么干」某类事（流程+脚本） |
| 典型用法 | 连 API、数据库、SaaS、远程服务 | 固定流程、代码规范、本地脚本 |
| 谁在用 | 任何能接 MCP 的 AI/用户 | 装了这个 Skill 的 Cursor/项目/团队 |
| 分发方式 | 配一个地址/连接即可，易「对外」 | 复制到某目录或仓库，偏「对内」 |
| 上下文 | 工具多时容易一次性占很多 token | 按需加载，通常更省 |
| 上手难度 | 需要写/配 MCP Server | 写 Markdown + 脚本即可，相对简单 |
五、什么时候用 MCP？什么时候用 Skills？
更适合用 MCP 的情况：
- 要连外部服务：第三方 API、云数据库等
- 要对外提供能力：希望别人「连一个地址」就能用，而不是拷贝你的文件
- 需要认证、跨网络、实时数据：这些往往由 MCP Server 封装好再暴露给 AI
更适合用 Skills 的情况：
- 规范自己或团队的工作方式：代码审查流程、提交信息格式、文档模板等
- 本地就能搞定的事：跑脚本、处理文件、生成图表、执行命令
- 希望 AI 按固定步骤和规范做事，而不是临时发挥
可以一起用：用 Skills 写「先做什么、再做什么、按什么标准」，用 MCP 提供「连哪个系统、调哪个 API」。例如：Skill 里写「发布前先跑测试、再查 Jira」，具体查 Jira 由 MCP 提供。
六、小结
- MCP：像 USB 协议，解决「连什么、怎么连」——统一对接外部工具和数据，适合对外、远程、需要标准接口的场景。
- Skills：像应用和操作手册，解决「干什么、怎么干」——把流程、规范、脚本打包成 AI 可以按需调用的能力，适合对内、本地、固定流程的场景。
- 区别：MCP 管「连线」，Skills 管「懂业务」；一个偏协议与连接，一个偏流程与执行。
- 选择：先想清楚是「连外部」还是「定流程」——连外部多用 MCP，定流程、本地自动化多用 Skills；很多项目里两者会配合使用。
