写在前面
Agent Skills 是一种工程化的上下文管理手段，目的是减少上下文的管理长度。通过渐进式信息披露 机制（claude按需分阶段加载信息，而非事先消耗上下文），让我们能够在理论上实现无限的上下文扩展。（之前MCP的system tools）
1、Agent Skills 定义
Skills 从一开始就采用了不同的设计哲学：渐进式披露（Progressive Disclosure）。
技术上，Skills 是这样实现的：
第一层：元数据（启动时加载）
- 只有名称和简短描述
- 每个 Skill 约 100 tokens
- 装 100 个 Skill 也只占 10,000 tokens
第二层：完整指令（相关时加载）
- 当 AI 判断某个 Skill 与任务相关时，才读取完整的 SKILL.md
- 建议控制在 5,000 tokens 以内
第三层：参考资料（需要时加载）
- 详细的技术文档、API 说明、示例代码
- 按需读取，用多少加载多少
- 理论上可以包含无限内容
2、Agent Skills 的结构
一个典型的 Skill 文件夹结构是这样的：
my-skill/ ├── SKILL.md # 核心指令 ├── scripts/ # 可执行脚本 │ ├── validate.py │ ├── generate.sh │ └── process.js ├── references/ # 参考文档 └── assets/ # 模板、配置文件 问题：为什么 Skills 可以“触发执行脚本”，却不需要把脚本内容放进上下文？这是模型能力，还是系统机制？
回答：不是大模型“会执行脚本”，而是 Agent 框架（如 Claude Code / OpenCode）在背后做了“工具化封装 + 调度拦截”。
原因： Skills 本身不仅是文件结构，而是一种由 Agent Runtime 支持的能力调度机制。模型并不会执行脚本，而是通过 Tool Calling 的方式触发技能调用，具体的 script 执行在模型外部完成。因此 script 不需要进入上下文，这种设计本质上是将“认知”和“执行”解耦，既优化了上下文使用，又保证了系统的安全性与可控性。
脚本执行 = 零上下文成本 + 确定性结果
1、本质区别
Skills 解决“把事情做对”的问题，MCP 解决“把事情做成”的问题。
两者分别对应：
- Skills：流程与经验（怎么做）
- MCP：工具与连接（用什么做）
用一个例子讲清楚（行业报告）
以“生成行业报告”为例：
Skills 做什么？
MCP 做什么？
产品视角的关键认知：
Skills 和 MCP 不是二选一，而是必须组合使用。
Skills（流程能力） + MCP（工具能力） = 完整Agent系统
Skills vs MCP 本质区别
2、tokens消耗
MCP（模型上下文协议）和Skill是当前让AI Agent 调用外部能力的两种主流方式，但它们在Token消耗上可谓“天差地别”。
1、启动MCP时，所有工具的定义文档会被一次性完整加载到AI上下文中。这包括工具名称、描述、参数列表（JSON Schema）、返回值格式等。
2、Skill是Anthropic推出的新特性，可以看作一种
按需加载的轻量级能力包。
Skill 它在Token节省上优势明显：
- 启动时：只加载非常简短的描述（约12个Token）。
- 使用时：才加载完整的指令和执行代码（约300个Token）。
- 节省率：相比MCP方式，可节省高达99.6% 的Token。
参考文件：
【1】一文读懂 Skills｜从概念到实操的完整指南：https://zhuanlan.zhihu.com/p/
【2】一文搞懂MCP、Agent、Skills：https://segmentfault.com/a/39315
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/258597.html