引言：AI 智能体的能力复用困境

随着 AI Agent 从概念走向生产，开发者面临一个核心问题：如何让智能体高效复用已有经验，而非每次从零开始？传统 Prompt 虽灵活，但一次性、无留存；插件生态虽丰富，但耦合度高、跨平台困难。Anthropic 在 2025 年推出的 Agent Skills 开放标准（简称 Skill）与 MCP 协议（Model Context Protocol），正是为解决这一痛点而生。

Skill 是一套标准化的 AI 任务操作手册，以文件夹为载体，包含核心说明文档、可选脚本、参考素材，支持跨平台复用。MCP 则定义 AI 对接外部数据资源的标准接口。两者相辅相成：Skill 解决“该怎么做”，MCP 解决“去哪里获取数据”。

本文将从概念、结构、自进化、跨平台对比到实战搭建，全面解读 Skill 与 MCP 协议，帮助开发者构建可复用的 Agent 能力体系。

Skill 的核心概念与三层结构

什么是 Skill？

Skill 是 Agent Skills 开放标准 的简称，由 Anthropic 于 2025 年 10 月 16 日随 Claude 产品上线，同年 12 月 18 日作为开放标准对外公开。截至 2026 年，Claude、OpenAI Codex、Gemini CLI 等主流工具均已兼容该标准。

与一次性 Prompt 不同，Skill 是永久存储的标准化手册，AI 可自动读取并执行。例如，周报任务：使用 Prompt 需每周重复粘贴格式要求；使用 Skill 只需提前固化规范，后续发送“整理本周周报”即可自动完成。

Skill 的三层结构

一套 Skill 由三层组成，对应渐进式加载机制，有效减少上下文占用：

路由层：包括 name、description 和文件夹路径。Agent 启动时仅读取这些元数据，用于判断是否调用该 Skill。

指令层：即 SKILL.md 正文，描述任务流程、判断标准、工具策略和输出约束。当任务匹配时，Agent 加载完整正文。

资源层：可选目录 scripts/、references/、assets/，存放运行脚本、参考文档、模板素材。执行到对应环节时按需加载。

文件结构示例

weekly-report/                # 文件夹名 = Skill名称
├── SKILL.md                  # 核心必填：技能说明书
├── scripts/                  # 可选：可直接运行的程序脚本
│   └── make_table.py
├── references/               # 可选：补充参考文档
│   └── format-rules.md
└── assets/                   # 可选：模板、素材、静态文件
    └── template.xlsx

最简 Skill 仅需 SKILL.md。

SKILL.md 详解

SKILL.md 包含两部分：

1. 前置元数据（Frontmatter）

yaml

name: weekly-report
description: 按照公司统一格式整理每周工作周报，用户提及写周报、周总结、整理本周工作、汇报进度时自动启用本技能

name：必填，最长 64 字符，仅允许小写字母、数字、短横线，须与文件夹名一致，禁止使用 anthropic、claude。

description：必填，说明功能与触发关键词，网页端限制 200 字符，API 可放宽至 1024 字符。

2. 执行正文

正文使用 Markdown 编写，可包含流程步骤、判断条件、输出格式等。例如：

markdown
Workflow
收集本周工作事项，按项目分类。
对每项工作，描述完成情况、遇到的问题、下一步计划。
生成周报表格，包含日期、项目、内容、状态。
Output Format
使用 Markdown 表格，每行一个事项，列包括：日期、项目、完成内容、状态（已完成/进行中/待启动）。

Skill 与 MCP、Prompt、插件的区别

概念定位解决什么问题

Prompt临时文字指令单次任务描述，对话结束失效 Skill标准化操作手册固化任务流程，可复用、跨平台 MCP数据接口协议连接外部数据库、API、文件等资源 插件功能打包载体集成多个 Skill、MCP 连接和指令

Skill 和 MCP 常搭配使用：Skill 定义流程，MCP 提供数据。例如，一个“查询订单” Skill 可调用 MCP 服务获取实时数据。关于 MCP 的更多细节，可参考 MCP 协议详解。

Skill 的自进化机制

Skill 的价值在于可迭代优化。通过分析用户反馈，可以持续更新三层结构：

路由层：优化 description，使触发更精准。

指令层：更新流程步骤和判断标准。

资源层：补充细分场景的参考文档或脚本。

案例：旅行规划助手

初始版本 travel-planner-skill v1.0 的 Workflow 仅为：

收集目的地、日期、预算、偏好。
搜索景点、餐厅、交通。
按天安排景点。
生成每日行程。

用户反馈“第三天太赶了”“不想频繁换乘”，系统可抽象为规则并写入指令层：

按区域分组候选地点，再分配到各天。
估算主要地点间的交通时间。
根据用户节奏偏好控制每日密度：
   - 轻松：2-3 个主要停靠点，留缓冲时间
   - 标准：3-4 个
   - 紧凑：4-6 个

同时新增 Quality checks 段：

Quality checks
每天是否主要在一个地理区域内？
主要停靠点间交通时间是否合理？
停靠点数量是否符合用户节奏偏好？
餐饮休息点是否靠近路线？

对于“带老人小孩”等细分场景，可下沉到资源层 references/family-travel-constraints.md，主文件仅保留触发条件。

定期压缩与验证

随着迭代，需定期压缩规则：合并重复项、删除长期未触发的规则、将细节下沉。新版本需用历史任务验证，比较跨区域移动次数、平均交通时间等指标，通过后才发布。

主流平台智能体技能对比

Anthropic、OpenAI、微软三家在智能体技能架构上差异显著：

维度Anthropic SkillsOpenAI Tools API微软声明式智能体

架构三层 Markdown 轻量化四层 JSON 标准化四段声明式配置 触发方式自动（description）+ 手动自动（函数描述）自动（声明） 指令长度500-2000 token有限（函数描述）中等 资源挂载scripts/references/assets仅函数参数插件与能力声明 跨平台高（开放标准）低（仅 OpenAI）低（微软生态） 多智能体弱弱强 开发门槛低中高

选型建议：

通用灵活、长流程复杂任务 → Anthropic Skills

标准化单点工具、依赖插件生态 → OpenAI Tools API

企业级多智能体协同 → 微软声明式智能体

关于 Agent 架构的更多讨论，可参考 AI Agent 与多智能体。

零基础搭建 Skill 的七步指南

第一步：选择高频标准化任务

适合做成 Skill 的任务特征：

高频重复（如周报、数据清洗）

有固定流程和输出格式

可脚本化或依赖参考文档

不适合的场景：一次性需求、实时数据查询（应使用 MCP）、多变任务。

第二步：创建基础文件

创建文件夹，名称如 weekly-report，内部新建 SKILL.md。

第三步：编写元数据

yaml

name: weekly-report
description: 整理每周工作周报，用户说“写周报”“周总结”“整理本周工作”时触发

第四步：分步写流程并配示例

markdown
Workflow
收集本周工作事项，按项目分类。
对每项工作，描述完成情况、遇到的问题、下一步计划。
生成周报表格。
Example
日期项目完成内容状态
周一A项目完成模块开发已完成

第五步：拆分冗余细则

将详细判断标准、约束条件放入 Quality checks 或 references 目录，保持主流程简洁。

第六步：自检格式

文件夹名与 name 一致

description 包含触发关键词

正文 Markdown 格式正确

脚本路径正确（如有）

第七步：试运行与排错

部署到 Claude 网页端（上传 zip）、Claude Code（放入本地 skills 文件夹）或 API（通过接口上传，需 beta 请求头）。测试触发词是否生效，流程是否按预期执行。

跨平台迁移与安全注意事项

跨平台迁移

核心 SKILL.md 无需修改，仅需调整存放目录。Bash/Python 脚本全平台兼容，但平台专属配置文件（如 Claude 的 claude_config.json）无法通用。

安全风险

Skill 支持运行本地脚本，恶意技能可读取文件、窃取隐私。仅使用自制或可信来源的 Skill，避免执行不明脚本。关于安全最佳实践，可参考 AI 安全防护指南。

多模态 Skill 的前沿探索

传统 Skill 局限于纯文本，但视觉任务（如图片编辑、GUI 自动化）需要“看明白”。openJiuwen 社区发布的 Skill-Omni 范式，可从网页或视频中提取关键截图、界面状态，生成多模态 Skill。Agent 执行时按需读取图片，避免上下文膨胀。

例如，一个“修复欠曝光照片”的 Skill 可包含前后对比图，Agent 据此判断调整是否到位。多模态 Skill 为 Agent 提供了更大的决策信息空间，尤其适合图像编辑、GUI 自动化、视频教程沉淀等场景。

FAQ

Q1: Skill 和 Prompt 的核心区别是什么？ A: Prompt 是单次临时文字指令，对话结束即失效；Skill 是固化在文件夹的标准化手册，可无限复用，还能搭载脚本、素材、参考文档。

Q2: 如何让 AI 主动调用我的 Skill？ A: 关键在于 description 字段，需写明功能并包含各类口语化触发关键词（如“写周报”“周总结”），AI 据此匹配任务。

Q3: Skill 能跨平台使用吗？ A: 可以。核心 SKILL.md 无需修改，仅需调整存放路径。Claude、OpenAI Codex、Gemini CLI 等均已兼容 Agent Skills 开放标准。

Q4: 什么是渐进式披露机制？ A: AI 分层加载 Skill：启动时仅读取 name/description；匹配任务才读正文；执行到对应环节才调取脚本/素材，从而减少上下文占用。

Q5: Skill 能完全解决 AI 输出不稳定的问题吗？ A: 不能完全解决。SKILL.md 正文仍存在 Prompt 理解偏差，但脚本运行环节可完全绕开 AI 主观判断，大幅降低误差。

Q6: 使用第三方 Skill 有哪些安全风险？ A: Skill 支持运行本地脚本，恶意技能可读取本地文件、窃取隐私、执行高危程序。建议仅使用自制或可信来源的 Skill。