夜雨聆风
AI Agent 工具选择:CLI、MCP、Skill 到底用哪个?
你有没有算过，你的 AI Agent 上下文窗口里，有多少 token 是真正用来干活的，有多少是被工具说明吃掉的？
我上周算了一笔账：接了 GitHub MCP，80 个工具，55,000 个 token。而我实际用到的，只有 2 个工具。
这不是个例。现在很多人给 Agent 接 MCP，好像接得越多越厉害。但没人问一句：这三者——命令行（CLI）、MCP、Skill——到底有什么区别？什么时候用哪个？
今天把这三件事讲清楚。
先说说这三件事分别是什么
CLI（命令行） 最好理解。就是 cat、grep、git 这些命令。模型在训练时已经见过海量命令行示例，对这些命令的参数、用法烂熟于心。你让 Agent 跑 git log --oneline -10，它不需要任何人教就知道怎么用。
零额外开销，模型脑子里本来就有。
MCP（Model Context Protocol） 是 Anthropic 在 2024 年底发布的开放协议。它本质上是给 Agent 接了一套”结构化接口”——每个工具都有名字、说明、JSON schema。Agent 想用就调。
问题是，所有工具的 schema 在对话开始时就被全塞进上下文窗口了。你接了 GitHub MCP，80 个工具，55,000 个 token，全部加载。不管你用不用。
Skill 是我最想说的。它本质上是一个 Markdown 文件，里面写着：这个场景下应该怎么做、具体用什么命令、有哪些坑、怎么验证结果。
它不是告诉模型”有这个工具”，而是告诉模型”这件事怎么做”。
举个例子。我有一个 Skill 叫 youtube-subtitle-research，内容大概是：去 YouTube 搜某个关键词，筛选最近 24 小时的视频，下载字幕，去重处理，然后分析内容。里面写了具体用什么命令、文件存哪个路径、日期过滤为什么要做两遍、哪个 Python 脚本处理字幕效果最好。
这些知识不是模型训练数据里有的。是我自己跑过几次之后，踩了坑，总结出来的。
三件事的本质区别
用个比喻来说：
CLI 是你会开车。 模型本来就会，不需要额外学习。
MCP 是车上装了全套导航系统，80 条预设路线全加载好。 功能强大，但不管你去哪，80 条路线说明全在脑子里占着。
Skill 是副驾坐了个老司机。 到了特定路口才开口说”这个路口得走辅路，主路在修”。按需加载，不用的时候不占空间。
但 Skill 和前两者的本质区别不止是”按需加载”。
它会进化。
CLI 命令是操作系统定的，你改不了。MCP 服务器的 schema 是开发者写的，你也不太好动。但 Skill 是你自己的 Markdown 文件。踩了坑？加一行注意事项。发现更好的做法？改掉旧的步骤。
Hermes Agent 甚至有个自动管理功能，每隔几天给你的 Skill 库做一次体检：合并重复的、删掉过时的、给每个 Skill 打分。模型本身也会在对话结束后自动回顾，把新学到的东西更新到 Skill 里。
上个月我搞 YouTube 字幕下载的时候，第一次跑日期过滤出了 bug，修好之后 Agent 自己把修法写进了 Skill。下次再跑同样的任务，直接走正确路径。
这种”经验沉淀”是 CLI 和 MCP 都做不到的。
那到底该用哪个？
不是非此即彼。但我想给你一个决策框架：
| 场景 | 推荐方式 | 原因 |
|---|---|---|
| 文件操作、Git 操作 | CLI | 模型本来就会，零开销 |
| 抓渲染过的网页 | MCP | CLI 搞不定动态内容 |
| 调需要认证的 API | MCP | 结构化接口更安全 |
| 团队规范（如 commit 格式） | Skill | MCP 不会知道你们的约定 |
| 踩坑经验、最优路径 | Skill | 只有你自己知道 |
| 需要组合多个工具完成的事 | Skill | Skill 可以引用 CLI 和 MCP |
一个实战案例。
假设你要做一个”每日 GitHub 热门项目追踪”的任务：
- 用 **CLI** 就能搞定：`git clone` + `grep` 搜索关键词 + 写文件记录
- 如果你要用 GitHub API 查 star 数、issue 数，那就上 **MCP**
- 但如果你有一套自己的评判标准（”star 数短期内暴增才是真热门”、”要排除垃圾仓库”），这些判断逻辑写成 **Skill**，下次 Agent 直接按你的标准跑
三种方式组合着用，才是正解。
MCP 的 token 问题，有没有解？
有。但不是换个方式，而是换一种使用思路。
1. 只接你真正需要的 MCP 服务器。
不要什么都接。每个 MCP 服务器都是”全量加载”，接得越多，上下文窗口胖得越快。
2. 用 Skill 做”前置筛选”。
在 Skill 里写清楚：什么场景下用哪个 MCP 工具。Agent 加载 Skill 后，按需调用 MCP，而不是一开始全加载。
3. 等待 MCP 生态的改进。
Anthropic 已经意识到这个问题了。未来可能会有”按需加载 MCP 工具”的机制，而不是现在这样”一把全塞”。
在那之前，Skill 是你最好的缓冲层。
写在最后
如果你的 Agent 开始逆向工程一个 JavaScript 框架就为了读一个网页，那大概率是选错了工具。
如果你的 Agent 每次做同一件事都要重新摸索一遍，那大概率是缺一个 Skill。
三件事——CLI、MCP、Skill——不是竞争关系，是分层的：
- **CLI 是地基**：模型本来就懂，优先使用
- **MCP 是扩展件**：命令行搞不定的事，用它
- **Skill 是操作手册**：团队规范、踩坑经验、最优路径，写下来，沉淀下来
最好的 Agent 不是”接了最多 MCP”的那个。是知道什么时候用哪个、懂得把经验沉淀下来的那个。
你们现在用 Agent 时，上下文窗口一般用到多少？有没有因为接了太多 MCP 导致任务失败的？评论区聊聊。