网硕互联帮助中心从协议层到能力层，拆解一套可直接落地的企业 Agent 架构方案，含性能数据、安全设计与避坑指南。
一、为什么你需要同时关注 MCP 和 Skills？
2026 年，AI Agent 已从“能聊”进化到“能干活”。但真正把 Agent 落地到业务场景时，绝大多数团队都会撞上同一面墙：模型很强，但接不上你的业务系统。
MCP（Model Context Protocol）和 Agent Skills，正是为解决这个问题而生的两条技术路线。MCP 由 Anthropic 于 2024 年底推出，目前月 SDK 下载量已突破 4 亿次，一年增长 4 倍，成为连接 AI Agent 与外部工具的行业标准。截至 2026 年初，已有超过 10,000 个活跃 MCP 服务器投入生产环境，主流客户端如 Claude Desktop、Cursor、VS Code Copilot 均已原生兼容。
而 Skills 体系在 2025 年 12 月由 Anthropic 正式作为开放标准发布后，迅速获得 Microsoft（VS Code 和 GitHub）、Cursor、Goose、Amp 等平台采用，GitHub 仓库已突破 6 万 star。
社区里经常有人问“MCP 和 Skills 到底选哪个”。我的答案是：它们不是竞品，而是搭档。MCP 解决“能不能做”，Skills 解决“怎么做好”。
二、MCP 2026-07-28：无状态核心带来的工程质变
2.1 从有状态到无状态
2026 年 7 月 28 日发布的 MCP 规范（业内称 MCP 2.0），是自协议诞生以来最重大的修订。核心变化是从“双方向的有状态连接”全面转向“无状态核心”，协议从有状态双向通信变为请求/响应模型。
这意味着什么？MCP 服务器现在可以部署在 Serverless 和边缘基础设施上，不再需要维护会话状态。Netlify 的工程团队评价：“无状态核心让 MCP 成为一等公民的 HTTP 工作负载，无需任何会话管理的 workaround”。
2.2 授权体系对齐生产标准
新规范中，MCP 的授权机制对齐了 OAuth 2.0 和 OIDC 生产级部署标准，可以直接对接 Entra、Okta 等企业身份系统。这对企业落地至关重要——你不需要为 MCP 单独搭建一套认证体系，直接复用现有的 SSO 即可。
2.3 扩展生态：Apps 与 Tasks
MCP Apps 和 Tasks 现在作为版本化扩展框架发布，开发者可以在不改动核心协议的前提下添加交互式 UI 和长时任务能力。这解决了 MCP 早期“只能做简单工具调用”的局限。
三、Skills 体系：把“怎么做”固化为可复用能力
3.1 Skills 的本质
Skills 的核心思想可以用一句话概括：将“操作性知识”封装为模块化单元，让 Agent 按需加载。
一个 Skill 本质上就是一个包含 SKILL.md 文件的文件夹，里面用 YAML 定义元数据（名称、描述），用 Markdown 编写指令，还可以附带脚本和资源文件。Skills 采用“渐进式披露”机制——信息只在模型真正需要时才被揭示，大幅节省 token 消耗。
3.2 从“人适配 AI”到“AI 适配人”
传统 Agent 编排的本质是“人教 Agent 怎么做”，用户必须学会精准提问才能撬动模型能力。而 Skills 实现了范式翻转：Agent 自己知道该怎么做，接受模糊指令也能执行。
维度 | 传统 Agent 编排 | Skills 开发
核心逻辑 | 人适配 AI，依赖精准提示词 | AI 适配人，接受模糊指令
权限限制 | 工具受限，无法访问敏感接口 | 借助 Sandbox，权限灵活开放
用户门槛 | 需掌握提示词工程 | 无需 AI 知识，普通人可上手
核心价值 | 在旧流程上“贴”AI | 放大业务人员能量
3.3 真实企业数据
Skills 不是纸上谈兵。Rakuten 用 Skills 将管理会计和财务工作流从一天 8 小时压缩到 1 小时；Notion 团队反馈“复杂任务更少需要反复调试提示词，结果更可预测”。瓴岳科技构建了“模型广场 + MCP 广场 + Skill 广场 + Plugin 广场”四位一体的 AI 基础设施，让 Skill 在团队间流转复用。
四、架构设计：MCP + Skills 的分工协作
4.1 核心分工原则
MCP 负责“查库、调 API、操作外部系统”——把真实能力和数据接到 AI 上。Skills 负责“怎么想、怎么写、按什么规范来”——提升 AI 的理解与输出质量。
在实际架构中，两者的分工可以这样理解：
MCP 层：连接数据库（PostgreSQL、MySQL）、企业 API、知识库、消息系统（Mailgun、Slack），封装为标准化 MCP Server
Skills 层：定义业务工作流——比如“月度财务报告生成”的步骤、数据校验规则、输出格式规范
Agent 编排层：根据用户意图，动态加载匹配的 Skill，调用对应的 MCP 工具完成执行
4.2 生产级架构设计模式
模式一：领域隔离的 MCP Server 集群
Pinterest 的实践值得参考。他们没有构建单一单体 MCP 服务，而是按领域拆分——每个 MCP Server 专注特定场景（Presto、Spark、Airflow 等），有效抑制上下文膨胀，实现工具隔离和细粒度访问控制。
截至 2025 年 1 月，Pinterest 的 MCP 服务器月调用量达 66,000 次，覆盖 844 名活跃用户，每月节省约 7,000 工时。
模式二：中心注册表 + 统一治理
Pinterest 同时构建了中心 MCP 注册表，作为已审批服务器及其连接元数据的唯一可信数据源。客户端调用工具前先查询注册表，完成权限与服务器状态校验。
模式三：工具按意图分组
Anthropic 官方建议：不要把 API 一对一地包装成 MCP 工具，而应围绕用户意图分组，让 Agent 用两三次调用完成一个任务，而不是把多个原语拼接起来。
4.3 安全与治理
MCP 2026-07-28 规范强化了授权安全，采用 OAuth 2.1 保护敏感资源和操作。企业落地时需要关注：
双层授权模型：人工访问通过 JWT 控制，服务流程依赖服务网格身份
最小权限原则：将 MCP 服务范围限定在非敏感功能，阻断对隐私数据的访问
人工审批机制：对敏感操作（如生产变更）在执行前引入人工核验
Block 公司在两个月内将 MCP 推广到 12,000 名员工，他们的做法是：在内部软件中心集成 Goose 实现自动安装更新，构建超过 100 个内部 MCP Server 默认捆绑，并通过身份提供商集成实现 OAuth SSO 流程。
五、性能优化实战
5.1 上下文膨胀问题
MCP 全量预加载工具定义会导致严重的上下文膨胀。一个包含几十个工具的 MCP Server，其工具 schema 可能占用数万 token。
解决方案：动态工具发现 + 延迟加载
Anthropic 推荐使用工具搜索（tool search）按需加载工具定义，而不是一次列出全部工具后直接塞给模型。学术研究方面，“Tool Attention”方案通过动态工具门控和惰性 schema 加载，将每轮工具 token 消耗降低 95%，有效上下文利用率从 47.3k 提升到 2.4k。
5.2 工具调用延迟优化
对于延迟敏感的场景，可以考虑：
并行工具调用：RealtimeTool 方案实现了 3-6 倍的端到端加速（最高 9.6 倍），P50 延迟降至 61.2ms
自适应超时分配：将顺序工具调用建模为异构延迟分布上的预算分配问题
结构化错误语义：提供机器可读的失败语义，使 Agent 能够确定性地自我纠正
5.3 Skills 的轻量化优势
在效率层面，Skills 相比 MCP 有明显优势：极简配置、按需加载，可节省约 90% 的 token 消耗。对于日常任务，优先用 Skills 解决；MCP 更适合重型、低频任务（如部署、数据库迁移），其延迟可接受且避免长期占用资源。
六、避坑指南
坑一：把所有 API 都包成 MCP Server。 工具越多，选择困难越大。围绕业务意图分组，宁可一个“完整报销流程”工具，也不要十个“查询/创建/更新/删除”的原子工具。
坑二：忽略权限设计。 MCP Server 可以执行自动化操作，如果不在执行前做好权限校验，可能造成严重后果。建议参考 Pinterest 的做法：敏感操作必须人工审批，使用 elicitation 机制在执行前核验。
坑三：Skills 当成提示词模板。 Skills 的价值在于封装完整的工作方法论，包括操作步骤、判断标准、异常处理。如果只是写一段提示词，那和直接在对话里输入没有本质区别。
坑四：忽视传输方式选择。 本地敏感场景使用 stdio 传输保证数据不出本机，云端托管使用 Streamable HTTP。
七、展望：Agent 工程化的下一个阶段
MCP 正在从“工具连接协议”向“Agent 基础设施层”演进。2026-07-28 规范让 MCP 成为标准的 HTTP 工作负载，扩展框架（Apps、Tasks）则打开了交互式 UI 和长时任务的大门。Skills 作为能力封装标准，正在被越来越多的平台采纳为事实标准。
协议层标准化 + 能力层模块化，这个双轮驱动的架构范式，正在成为企业 Agent 工程实践的主流选择。对开发者而言，现在正是深入理解和实践这套体系的最佳窗口期。
评论前必须登录！
注册