MCP、Skill、Hook

围绕AI Agent（智能体）和大模型应用开发（如Claude、Cursor等）时，经常被相提并论。它们代表了构建复杂AI系统的三个不同维度。

为了让你快速理解，我们可以用一个“餐厅后厨”的比喻来切入：

• MCP（模型上下文协议） = 标准化厨具接口（比如统一尺寸的灶台，任何符合标准的锅都能放上去）。

• Skill（技能） = 菜谱（教AI怎么做一道具体的菜）。

• Hook（钩子） = 厨房里的紧急铃/警报器（在特定时刻触发，比如“烤箱到了设定温度，叮！”）。

---

1. MCP（Model Context Protocol，模型上下文协议）

这是底层的基础设施标准，由Anthropic（Claude母公司）发起。

• 是什么：它是一个开放协议，旨在让AI模型能够动态地调用外部工具和数据源。它定义了AI怎么“连接”到数据库、API、本地文件等。

• 核心价值：解耦。以前，给AI加一个新工具需要写大量定制代码（难维护）。现在，只要工具符合MCP标准（类似USB-C接口），AI就能即插即用。

• 定位：“连接器”。它解决的是“AI能摸到什么东西”的问题。

2. Skill（技能）

这是功能层的封装，在各大AI平台（如Claude、GPTs、Coze）中常见。

• 是什么：它是给AI设定的特定任务流程或知识库。你可以把“怎么写周报”、“怎么分析这份Excel”、“怎么画一个甘特图”打包成一个Skill。

• 核心价值：专业化。基础大模型是通才，Skill把它变成专才。它通常包含精心设计的System Prompt（系统提示词）+ 少量示例 + 调用特定MCP工具的步骤。

• 定位：“工作方法”。它解决的是“AI知道怎么干这件事”的问题。

3. Hook（钩子）

这是编程和系统交互层的机制。

• 是什么：它是一种事件监听机制。在AI执行任务的特定节点（如“接收用户消息后”、“调用工具前”、“生成回复前”）插入自定义的代码或逻辑。

• 核心价值：拦截与干预。你可以用Hook来做鉴权（调用工具前检查是否有权限）、日志记录（每次AI想联网时记录一下）、修改上下文（把用户说的“它”自动替换成“产品A”）。

• 定位：“开关和阀门”。它解决的是“在什么时机做额外动作”的问题。

---

三者如何协同工作？

假设你让AI助手：“分析一下我上个月的销售数据，并画成折线图发到群里。”

1. Hook（触发）：AI收到指令前，Hook拦截，自动给这条消息打上时间戳，并检查你有没有读取销售文件夹的权限（通过则放行）。

2. Skill（执行）：AI识别出这是“数据分析+绘图”任务，加载了对应的Skill。Skill告诉它：第一步，先用Python清洗数据；第二步，用Matplotlib绘图；第三步，调用群聊发送接口。

3. MCP（连接）：Skill指示AI去读取数据，AI通过MCP标准协议，无缝连接到了公司本地的数据库（或网盘），拿到了数据。绘图完成后，又通过MCP连接到了企业微信的API接口，把图发了出去。

---

总结对比表

 

维度	MCP	Skill	Hook
核心问题	连什么？（基础设施）	怎么干？（逻辑编排）	何时干？（时机控制）
作用对象	AI与外部工具/数据	AI的思考与输出流程	AI的执行生命周期
改动成本	修改配置文件	修改Prompt或工作流代码	插入回调函数代码
类比	插座和插头标准	操作说明书	监控摄像头和门禁