【导语：人工智能领域正大力推动将 “Skills” 作为赋予大语言模型能力的新标准，但作者认为模型上下文协议（MCP）是更优越、更实用的架构选择。本文将深入分析 MCP 与 Skills 的特点、问题及应用场景。】
MCP 的核心理念是一种 API 抽象，LLM 只需知道 “做什么”，具体操作由 MCP 服务器处理。这种设计带来诸多优势，如零安装远程使用，用户无需在本地安装任何东西，只需将客户端指向 MCP 服务器的 URL 即可使用；无缝更新，当服务器更新工具或资源时，客户端能立即获得最新版本；更合理的认证，通常使用 OAuth，避免用户管理原始令牌和机密信息。
此外，MCP 还具有真正的可移植性，可在多种设备上使用；具备沙盒化特性，提供受控接口；支持智能发现，节省上下文窗口；即使是本地安装的 MCP 也能无摩擦自动更新。
并非所有 Skills 都一样，纯知识型 Skills 效果不错，但当需要 CLI 执行操作时，问题就出现了。大多数 Skills 需要安装专门的 CLI，但在一些环境中无法运行，如 ChatGPT、Perplexity 或标准网页版的 Claude。
这会导致部署混乱，CLI 需要通过多种方式发布、管理和安装；密钥管理困难，API 令牌存放位置不稳定；生态系统碎片化，不同工具对 Skills 的支持不一致；上下文膨胀，使用 Skill 需加载整个 `SKILL.md` 文件。
对于连接 LLM 到服务，MCP 应成为标准。例如 Google Calendar、Chrome、Hopper、Xcode 和 Notion 等，都应提供基于 MCP 的接口，以避免 CLI 带来的问题。
而 Skills 应专注于知识和上下文，如教授现有工具的使用方法、标准化工作流程、教授特定事物的处理方法以及提供密钥管理模式等。
作者认为 Skills 可称为 `LLM_MANUAL.md`，MCP 可称为 “连接器”。两者都有价值，作者已在自己的服务中实践。例如，通过 MCP 服务器让 LLM 控制 DEVONthink，同时也发布了涵盖 CLI 的 Skills。
此外，作者还开发了 MCP Nest，可将本地 MCP 服务器通过云隧道暴露出来，实现远程访问。在使用 MCP 服务器时，作者会让 Claude 将学到的内容封装成 Skill，作为 MCP 的速查表，两者结合让体验更顺畅。
编辑观点：在人工智能领域，MCP 和 Skills 各有优劣。MCP 提供了更便捷、高效的连接方式，而 Skills 在知识传授方面有其独特价值。行业应根据具体需求合理选择，推动人工智能的无缝集成。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/256930.html