1. 本质定位不同

2. 工作机制详解

Skills 的工作机制

• 静态注入：当用户启用某个Skill，系统会把一段精心设计的系统提示词 + 示例 + 约束条件拼接到对话上下文中。

• 不产生外部调用：Skill本身不会去请求数据库、API、文件系统。它只是“告诉AI该怎么想、怎么说”。

• 举例：一个“法律合同审查Skill”可能包含——

  “你是一名资深法务，请按以下步骤审查合同：1. 检查双方主体信息是否完整；2. 标注违约责任条款中的异常表述；3. 用【风险】标记每一条问题；4. 输出格式为Markdown表格。”

  这个Skill不会自动联网查法条，AI完全依靠自己已学到的法律知识来完成。

MCP 的工作机制

• 动态发现：AI通过MCP协议向MCP Server询问“你提供了哪些工具/资源？”（例如：list_tools 方法）。
• 声明式调用：AI理解用户需求后，以结构化参数（如JSON）调用某个工具，Server执行并返回结果。
• 支持双向与状态：MCP不仅支持请求-响应，还支持服务端主动推送（如通知）、资源订阅等。
• 举例：一个“数据库MCP Server”可能提供——

  工具名：query_orders
  参数：{ "date_range": "2026-05-01..2026-05-19", "status": "pending" }
  返回：实时从数据库查出的订单列表（JSON或表格）。

3. 能力边界对比

4. 资源消耗与延迟

5. 使用场景判断

应该用Skill的情况：

• 你希望AI学会你的公司内部话术、报告格式、思考框架。
• 任务不依赖实时数据，全靠AI已学知识就能完成。
• 你希望低成本、低延迟、离线可用。

应该用MCP的情况：

• 你需要AI查询今天的股票价格、你的待办清单、数据库最新订单。
• 你需要AI帮你发送Slack消息、创建Jira工单、控制智能家居。
• 你需要AI组合多个外部系统完成一个自动化工作流。

两者配合使用：

• 用MCP获取实时数据（如“查一下仓库A的螺丝库存”）。
• 用Skill定义报告模板（如“库存报告必须包含：名称、安全库存线、建议补货量”）。
• AI先调MCP拿数据，再按Skill格式输出。

6. 一个完整例子

任务：“帮我看看未来3小时会不会下雨，如果会，就写一条提醒我带伞的消息，按公司通知格式发到我邮箱。”

• MCP：

  1. 调用 weather_mcp 的 get_forecast 工具，参数 {hours: 3, location: "当前IP定位"}，返回 {"will_rain": true, "probability": 85%}。
  2. 调用 email_mcp 的 send 工具，参数 {to: "me@company.com", subject: "天气提醒"}。

• Skills：

  • 使用“公司通知格式Skill”，其中规定：标题用【温馨提示】，正文第一句必须是“同事们请注意：”，落款是行政部。AI按这个模板填充内容。

• 最终流程：
  MCP查天气 → AI判断需要发邮件 → AI套用Skill模板写正文 → MCP发送邮件。

一句话技术总结：
Skills 是固化在提示词里的“软能力”，MCP 是让AI长出“手和眼睛”去触碰外部世界的协议。