RAG、Agent、Skill、MCP——AI应用四大金刚，终于串起来了
你肯定听过这些词——RAG、Agent、Skill、MCP。网上讲得天花乱坠，但看完还是一头雾水：它们到底有啥区别？是怎么配合工作的？为什么一个复杂的 AI 应用要把它们全用上？
别急，这篇就是来给你把这四个概念串成一条线的。看完你就知道，这些"听起来很高级"的名词，其实解决的都是很具体的问题。
一、RAG：让 AI 回答"你的"问题
RAG 的全称是 Retrieval-Augmented Generation，中文叫"检索增强生成"。光看名字还是懵，对吧？
简单说：RAG 就是给 AI 装了一个"资料查找"的能力，让它能回答你私有的、企业内部的问题。
举个例子。你公司有几千份内部文档，员工手册、产品手册、技术文档……你想让 AI 直接回答"我们公司的年假政策是什么"。没有 RAG 之前，AI 只能靠它训练时学到的知识来猜——准确率感人。有了 RAG，AI 会先在你们的文档库里检索相关内容，然后把检索到的内容塞进 Prompt，让模型基于真实文档来回答。
这就是第 3 篇讲过的 Embedding 和向量数据库的实战应用。完整的 RAG 流程是这样的：
- 文档预处理：把你们的文档切成小块（Chunk），每块通过 Embedding 模型转成向量，存入向量数据库
- 用户提问：用户问一个问题，同样把这个问题的文本转成向量
- 相似度检索：在向量数据库里找和提问向量最相似的文档块
- 组装 Prompt：把检索到的相关文档块 + 用户问题 + 系统提示词，组装成一个完整的 Prompt
- 生成回答：LLM 基于这个 Prompt 生成答案
整个流程用图表示就是：
为什么 RAG 比微调更适合"让 AI 回答私有数据"
你可能会问：为什么不直接微调模型，让它学会回答这些问题？
原因很简单：
| 对比维度 | RAG | 微调 |
|---|---|---|
| 成本 | 低（不需要重新训练模型） | 高（需要 GPU 算力和大量数据） |
| 更新速度 | 快（新文档直接入库即可） | 慢（每次更新都要重新训练） |
| 可解释性 | 高（能告诉你答案是从哪篇文档来的） | 低（模型"记"在哪里说不清楚） |
| 幻觉风险 | 较低（答案基于真实文档） | 仍然存在（模型可能在微调中"学歪"） |
| 适用场景 | 知识库问答、文档检索 | 特定风格学习、复杂任务模式 |
一句话：RAG 适合知识不断变化的场景，微调适合让模型学会某种"行为模式"的场景。
RAG 的局限
RAG 不是银弹，它有几个天然的局限：
- 检索质量依赖 Embedding 模型：如果文档格式特殊或者语义复杂，检索可能跑偏
- 上下文窗口限制：检索出来的文档块太多，可能塞不进去 Prompt
- 无法做复杂推理：RAG 本质还是"先查后答"，不适合需要多步推理的任务
- 实时性有限：文档库更新后，需要重新 Embedding 才能被检索到
二、Agent：会规划、执行、观察、调整的 AI
第 5 篇聊过 Function Calling（FC），那是让 AI 调用工具的基础能力。Agent 在 FC 的基础上，往前迈了一大步：Agent 不只是调用工具，它还能规划任务、执行、观察结果、动态调整。
打个比方：Function Calling 像是一个实习生，你告诉他"去楼下买杯咖啡"，他就买咖啡。Agent 像是一个项目经理，你告诉他"下周要开产品发布会"，他会自己拆解成任务、安排时间表、跟进每个环节、遇到问题就调整。
Agent 的核心能力，可以用 ReAct 模式来概括：
- Re（Reasoning）：推理规划。把大任务拆成小步骤，想清楚先做什么后做什么
- Act（Acting）：执行操作。调用工具完成具体的子任务
- 观察（Observe）：看结果。每次工具调用后，看看返回了什么
- 调整（React）：根据观察到的结果，调整下一步计划
一个典型的 Agent 执行循环是这样的：
- 用户给一个大任务
- Agent 拆解成子任务队列
- 取出一个子任务，执行（调用工具）
- 观察执行结果
- 判断：是继续下一个子任务，还是修改计划
- 重复，直到任务完成
规划能力：从"单步执行"到"多步编排"
FC 时代，工具调用是"一次性"的——你问一个问题，模型决定调用什么工具，然后就结束了。
Agent 的规划能力让事情变得不一样：
用户任务：帮我分析这份 PDF 财报，并发邮件给老板汇报关键数据
Agent 拆解：
1. 调用"读 PDF"工具，提取财报内容
2. 调用"数据分析"工具，识别关键财务指标
3. 调用"生成摘要"能力，生成汇报文字
4. 调用"发送邮件"工具，把摘要发给老板
5. 如果某一步失败，回退或重试
这就是 FC 到 Agent 的本质飞跃：从"单步工具调用"到"多步任务编排"。
多 Agent 协作（简单提及）
一个 Agent 能力有限，复杂任务可以交给多个 Agent 协作完成。比如：
- 一个 Agent 负责研究（Researcher）：查资料、读文档
- 一个 Agent 负责分析（Analyst）：处理数据、生成洞察
- 一个 Agent 负责写作（Writer）：撰写报告
- 一个 Agent 负责审核（Reviewer）：检查质量
不过多 Agent 协作是另一个大话题，这篇不展开。你只需要知道：Agent 是会自主规划任务、执行步骤、并且能根据结果动态调整的 AI 系统。
三、Skill：Agent 的能力单元
Skill 就是"技能"，是 Agent 能做的事的最小单位。
类比一下：一个人会做饭、会开车、会写代码，这些"会做的事"就是他的技能。AI Agent 也一样，它能搜索网页、能读 PDF、能发邮件——每个"能做的事"就是一个 Skill。
一个 Skill 通常包含：
- 能力描述：这个 Skill 能做什么
- 输入参数：调用时需要提供什么信息
- 输出格式：调用后会返回什么结果
- 调用方式：怎么触发这个 Skill
用图表示，Skill 就像是乐高积木，每个积木是一个独立的能力模块：
Skill 的注册和调用机制
Skill 是怎么被 Agent 发现和使用的呢？
- 注册阶段：开发者开发一个 Skill，按照平台规范描述它的能力、参数、格式，然后"注册"到 Agent 平台
- 发现阶段：Agent 接收用户任务时，会看看有哪些 Skill 能帮上忙
- 调用阶段：Agent 决定调用哪个 Skill，把任务参数传过去，Skill 执行并返回结果
这就是 Skill 的核心价值：把复杂的能力封装成标准化的单元，让 Agent 可以灵活组合使用。
不同平台的不同叫法
这里需要说明一个容易混淆的点：不同平台对 Skill 的叫法不一样。
| 平台 | 类似 Skill 的叫法 |
|---|---|
| 扣子（Coze） | Skill |
| OpenAI | Function / Tool |
| LangChain | Tool |
| Dify | 工具 / 插件 |
| 微软 Copilot Studio | 插件 / 连接器 |
叫法不同，本质一样：都是让 AI 能够调用某种能力。
四、MCP：AI 工具的"USB-C"
MCP 的全称是 Model Context Protocol，中文可以叫"模型上下文协议"。它是 Anthropic 在 2024 年 11 月发布的开放协议，目标是解决 AI 模型连接外部工具和数据源时的"碎片化"问题。
在 MCP 出现之前，每个 AI 工具都有自己的接口格式：
- AI 产品 A 用一套接口连数据库
- AI 产品 B 用另一套接口连数据库
- 你想让同一个工具连不同的 AI，就得写多套适配代码
这就好比每个品牌的手机都有自己的充电口，出门得带一堆线。
MCP 就是那个"USB-C"。 它定义了一套标准协议，让任何 AI 模型可以通过统一的方式连接外部工具。无论你想让 AI 查 GitHub 仓库、操作 Notion 文档，还是控制智能家居——只要工具实现了 MCP Server，AI 就能直接调用。
MCP 的工作原理
MCP 架构里有两个核心角色：
- MCP Server：工具提供方。它向外界暴露自己的能力（比如"搜索文件""创建 Issue"）
- MCP Client：AI 应用端。它发现和调用这些能力
通信层用 JSON-RPC 2.0 做消息传递，定义了工具发现、调用、返回的全流程。
MCP 与 Function Calling 的区别
很多人会问：Function Calling 不也是让 AI 调用工具吗？有什么区别？
| 对比维度 | Function Calling | MCP |
|---|---|---|
| 层级 | 模型层（模型决定调用什么） | 协议层（标准化怎么调用） |
| 标准化程度 | 无统一标准，每个产品自己定义 | 统一协议，跨平台通用 |
| 工具发现 | 开发者自己配置 | 协议支持自动发现 |
| 适用范围 | 单个 AI 产品的工具集成 | 任意 AI 连接任意工具 |
可以这样理解：Function Calling 是"单对单"的适配，MCP 是"多对多"的标准。
五、四者配合：1+1+1+1 > 4
大白话讲透它们怎么协作
RAG、Agent、Skill、MCP 这四个概念，并不是各自为战，而是分工协作、各司其职：
| 组件 | 职责 | 类比 |
|---|---|---|
| RAG | 提供知识 | 图书馆管理员，帮你找到需要的资料 |
| Skill | 提供能力 | 工具箱里的各种工具，每种工具做一种事 |
| MCP | 提供标准接口 | USB-C，让工具能插上就能用 |
| Agent | 负责编排调度 | 项目经理，把人、工具、资料串起来完成任务 |
用一张图来表达它们的关系：
具体场景：让 AI 分析 PDF 财报并发送汇报
举个例子，让你完整理解这四个组件是怎么配合的：
场景：你把一份 PDF 财报上传给 AI，让它分析关键数据，然后发邮件给老板汇报。
没有这四个组件的情况下，你会写一堆定制代码，让 AI 能读 PDF、解析数据、写摘要、发邮件——每个环节都要自己对接。
有了这四个组件，流程变成：
1. 用户上传 PDF 财报
↓
2. Agent 接收任务："分析这份财报并发送汇报邮件"
↓
3. Agent 规划任务：
- 用 RAG 能力找到财报相关内容（文档理解）
- 调用"读 PDF"的 Skill 来提取内容
- 调用"数据分析"的 Skill 来计算关键指标
- 调用"生成摘要"的 Skill 来组织文字
- 调用"发送邮件"的 Skill 来发送汇报
↓
4. MCP 提供标准接口：
- 每个 Skill 都通过 MCP Server 暴露能力
- Agent 通过 MCP Client 调用这些能力
- 不需要为每个 Skill 单独写适配代码
↓
5. RAG 确保回答基于文档：
- 如果有多份财报，RAG 检索相关内容
- 避免 AI 瞎编数据
↓
6. Agent 编排整个流程：
- 按照逻辑顺序执行每个步骤
- 处理错误和重试
- 把最终结果呈现给用户
一句话总结：RAG 给 Agent 知识，Skill 给 Agent 能力，MCP 让 Skill 标准化接入，Agent 是大脑把一切串起来。
小结
| 概念 | 全称 | 核心作用 | 类比 |
|---|---|---|---|
| RAG | Retrieval-Augmented Generation（检索增强生成） | 让 AI 能回答私有数据的问题 | 图书馆管理员 |
| Agent | AI Agent（AI 智能体） | 规划、执行、观察、调整的自主系统 | 项目经理 |
| Skill | Skill（技能） | AI 能做的具体事情 | 工具箱里的工具 |
| MCP | Model Context Protocol（模型上下文协议） | 统一 AI 工具调用的标准协议 | USB-C |
常见误区
误区 1：RAG 和微调是对立的，要选一个
实际上它们是互补的。RAG 适合知识类场景，微调适合行为模式类场景。很多生产系统会把两者结合使用。
误区 2：Agent 就是更高级的 FC
Agent 在 FC 基础上增加了规划、观察、调整能力，但不一定每个 Agent 都会用 FC。FC 是实现 Agent 能力的工具之一。
误区 3：MCP 会取代 Function Calling
不会。MCP 是协议层标准，FC 是模型能力层实现。它们解决不同层面的问题，未来会长期共存。
误区 4：Skill 越多越好
不是。Skill 太多会增加 Agent 的选择负担（叫"工具选择疲劳"），反而可能降低效果。选择 Skill 要根据任务需求精准匹配。
概念速查卡片
| 术语 | 英文 | 大白话 |
|---|---|---|
| 检索增强生成 | RAG | 给AI加知识库检索能力，让它回答私有数据的问题 |
| 智能体 | Agent | 能自主规划、执行、观察、调整的AI系统 |
| 技能 | Skill | 封装好的能力单元，AI可以灵活组合使用 |
| 模型上下文协议 | MCP | 标准化AI工具调用的开放协议，"AI界的USB-C" |
这是「老开发的 AI 笔记」专栏的第 6 篇，用开发者听得懂的话讲 AI。觉得有用的话，点赞收藏走一波，后续持续更新。
