在人工智能和大模型（LLM）的生态系统中，MCP (Model Context Protocol) 和 Skills 是两个经常被提及但侧重点完全不同的概念。

简单来说，Skills 是模型能“做”什么，而 MCP 是模型如何“连接”外部世界。

1. 什么是 MCP (Model Context Protocol)？

MCP 是由 Anthropic 推出的一种开放标准。它的核心目的是解决 AI 模型与外部数据源（如 GitHub、Google Drive、本地数据库等）之间连接碎片化的问题。

  • 它的角色： 类似于硬件领域的 USB 接口。
  • 解决的问题： 以前，如果你想让 AI 访问你的数据库，你需要为每个 AI 工具编写特定的集成代码。有了 MCP，开发者只需要写一次“适配器”，任何支持 MCP 的 AI 客户端（如 Claude Desktop）都可以直接读取这些数据。
  • 工作原理： 它将数据源抽象为“服务器（Server）”，将 AI 客户端抽象为“主机（Host）”，通过标准化的协议进行对话。

2. 什么是 Skills（技能）？

Skills（在不同平台也被称为 Tools 或 Plugins）通常指赋予 AI 的具体执行能力。它是模型可以调用的“函数”或“操作步骤”。

  • 它的角色： 类似于手机上的 App。
  • 解决的问题： 模型本身只擅长预测下一个字符，不擅长算复杂的数学题、订机票或发送邮件。通过“技能”，模型可以调用一段代码或 API 来完成这些任务。
  • 组成部分： 通常包含技能名称、描述（告诉模型什么时候用它）以及输入参数。

3. MCP 与 Skills 的核心区别

特性 MCP (模型上下文协议) Skills (技能/工具)
本质 一种通信标准或框架 一组具体的功能函数
关注点 解决“如何连接”（标准化、安全性） 解决“能做什么”（具体任务）
通用性 跨平台通用，一份代码到处运行 通常针对特定平台或特定模型 Agent 编写
典型例子 连接本地文件系统的 MCP 服务器 “搜索实时天气”、“计算复利”、“发邮件”

4. 它们是如何协同工作的？

在实际应用中，MCP 实际上是 Skills 的“分发渠道”。

  1. 定义技能： 开发者在 MCP 服务器中定义了一组技能（例如：查询 SQL 数据库）。
  2. 协议传输： AI 客户端通过 MCP 协议发现这些可用的技能。
  3. 调用执行： 当你问 AI “去年销售额是多少？”时，AI 发现它有一个来自 MCP 的技能可以查数据库，于是发出调用指令，MCP 服务器执行操作并返回结果。

打个比方：
Skills 是各种各样的灯泡（红光、蓝光、强光）；
MCP 是墙上标准的插座底座。
无论你的灯泡是什么牌子，只要符合这个插座标准，插上就能亮。