Claude官网给出了两者的核心区别，MCP是用于让模型连接数据，SKills是教模型怎么处理数据

对比如图所示：

Agent SKill更适合处理一些轻量的脚本处理简单的逻辑，Agent SKill的安全性和稳定性都不及MCP

不同的场景使用不同的工具。

SKill和MCP协同案例

其实在一些场景中MCP和SKill可以协同使用来解决同一问题。SKill和MCP不是互斥的，而是互补的。

案例 自动化PR代码审查

每当创建PR时，自动调用代码审查流程。

MCP配置：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your_token"
      }
    }
  }
}

Skill工作流程：

1. 使用github MCP获取PR信息
   ↓
2. code-reviewer Skill审查代码（遵循固定流程）
   ↓
3. 生成审查报告
   ↓
4. 使用github MCP发布评论

实际调用示例：

用户：审查GitHub PR #123
Sisyphus：
  1. 调用github MCP获取PR代码
  2. 使用code-reviewer Skill审查（按固定流程）
  3. 生成审查报告
  4. 调用github MCP发布评论

为什么不直接把获取PR信息 和 发布评论两个函数写在SKill中呢？

1. 一旦 GitHub 把 issues/{pr_number}/comments接口改成 pulls/{pr_number}/comments，你的 Skill 直接报错；
2. 想支持 GitLab？要写一套新的 /post_gitlab_comment，Skill 越来越臃肿；
3. 如果把GitHub Token 给 AI Skill 直接用，怕误操作删代码 / 合并 PR。

所以使用MCP+SKill方案

1. Skill 告诉 MCP：「给我 PR #123 的信息」
   MCP 去调用 GitHub API，返回标准化数据
   ↓
2. Skill 只做：「按团队规范审查这些代码」（纯业务逻辑）
   ↓
3. Skill 告诉 MCP：「在 PR #123 下发这条评论」
   MCP 去调用 GitHub API，完成发布