AI把Token 、LLM、context、prompt、tool、MCP、Agent skill、Agent带到我们面前,这都是些啥?

自从“龙虾”火了，我每天都能刷到Token 、LLM、context、prompt、tool、MCP、Agent skill、Agent这些概念。乍一听晕头转向，但了解之后，发现这些行业黑话似的技术名词，其实不难理解。

我把AI智能体（比如前阵子大火的“小龙虾”）想象成一家智能公司。在这个公司里，每个概念都有它独特的职位和作用。我试着从“底层基础”到“上层应用”的顺序来理解它们：

Token （词元）

这是AI处理信息的最小单位。AI不像我们一样看整句整段的话，它把文字切碎成一个个小块，这些小块就是Token。比如“你好”可能被切成“你”和“好”两个Token。AI计算和收费都是按Token算的。没有它，AI就没法“吃”进数据。

Token不一定是完整的单词或汉字，也可能是一个单词的一部分，比如“unhappiness”被切成“un”和“happiness”；或者标点符号，比如“Hello, world!”被切成“Hello” “world”“!”，因为标点符号携带了重要的语法和语气信息（问句、感叹、停顿等），AI需要单独“看到”它们才能更好地理解句子的结构和情感。如果不把它们切开，AI可能会觉得“world!”和“world”是两个不同的东西，反而造成混乱。

不同模型的分词方式不同，同一段话产生的Token数量可能差很多。调用AI服务时，输入和输出都要按Token付费，所以写提示词时太啰嗦会多花钱。另外，每个模型能处理的Token总数有上限（叫上下文窗口），超出后最早的内容就会被忘掉。

LLM （大语言模型）

这是整个公司的“超级大脑”（比如GPT）。它读海量的书和文章，学说话、逻辑和知识。负责思考、理解意思和生成回答。没有它，就没有智能可言。但它只会思考不会干活。

LLM的本质是一个巨大的数学网络（通过大量数据训练出来的统计模型），它通过预测下一个词元来学习语言规律，它并不会真的“记住”所有训练数据，所以有时候会编造出不存在的“事实”。另外，LLM的知识只截止到训练结束的那个时间点，问它今天发生的新闻，它原本是不知道的，除非给它外挂搜索工具，比如让它可以联网查信息。

Context （上下文）

当你和AI聊天时，它记得你刚才说了什么，也记得它自己刚才回了什么，这些连起来的信息总和就是Context。它决定了AI能不能连贯地和你对话。不过这个记忆容量是有限的（叫Context Window），装满了就会忘掉最早的事情。

这个窗口的大小因模型而异，小的可能只有几千个Token（只够聊几轮），大的比如GPT-4 Turbo支持12.8万个Token（大约相当于一本厚书的字数）。当对话超过窗口容量时，模型会采用“先进先出”的策略（最早的那些对话被挤掉）。所以长对话中，如果你发现AI忘了最开始的要求，往往就是这个原因。一些高级用法会手动总结历史对话，或者把重要信息存到外部数据库（专门存储记忆），来绕过这个限制。

Prompt （提示词）

这是你给“超级大脑”（LLM）下达的任务书。你输入的“帮我写首诗”就是Prompt。它包含了你的问题、要求，甚至你设定的规则（比如“你是一个语文老师”）。Prompt的质量直接决定了AI回答的好坏。它是人类指挥AI的直接手段。写好Prompt有不少技巧：比如直接问不给例子（称为“零样本”），或者先给两个例子再问（这叫“少样本”），或者让AI一步步写出思考过程（这叫“思维链”）。

写在对话开始前的指令（叫“系统提示”），可以用来固定AI的角色和行为规则，比如“你是一位严谨的代码审查员，只输出专业意见”。反过来，如果Prompt写得太模糊（比如只说“写点东西”）或者缺少约束（比如没限制字数），AI的回答就容易跑偏。

Tool （工具）

前文提到，LLM只会思考不会干活，工具让AI从“只会动脑”变成了“能干活”。常见的工具包括计算器（让AI算数学）、搜索引擎（让AI查实时信息）、代码解释器（让AI运行代码来画图或计算）、数据库查询（让AI查表格）等等。

它的工作方式是这样的：当LLM觉得需要某个工具时，它会输出一个特殊的指令（比如“调用计算器，参数是25的平方根”），外部程序执行后把结果塞回对话里，LLM再根据这个结果继续回答。很多大模型平台提供了标准化的工具调用接口（让开发者可以方便地给AI接上各种功能），可以简化开发工作。

MCP （模型上下文协议）

这是连接大脑（LLM）和工具（Tool）的“万能插头”。以前想连一个工具得专门写代码适配，很麻烦。有了MCP这个标准协议，不管是什么工具，只要符合标准，AI就能直接插上用，极大地降低了连接成本。

具体来说，MCP是Claude模型团队（Anthropic公司旗下）提出的开放协议，它把工具和数据源封装成服务端（符合MCP标准的工具适配器），AI客户端（比如Claude的桌面软件）只要支持MCP，就可以即插即用地接入文件系统、GitHub、聊天工具等各种服务。

以前，你想让AI使用一个工具（比如查天气、读本地文件、发邮件），需要给AI写一段专门的说明，告诉它这个工具怎么调、参数怎么传。每个工具都得写一份不同的说明书，很麻烦。MCP出现后，所有工具都改成同一个插头形状。AI只要认识这个插头，就能直接插上任何一个符合MCP标准的工具，不用再单独给某个工具写使用说明了。

Agent （智能体）

这是“全能数字员工”，它是那个“大脑”（LLM）、手脚+规划能力的结合体。你给它一个模糊的目标（比如“帮我策划一次旅行”），它会自己拆解步骤：先查机票，再订酒店，最后做攻略。Agent能自主干活，不需要你一步步教它怎么做，它是AI技术真正落地的形态。

Agent的工作循环通常是：思考（接下来该做什么）→ 行动（调用某个工具）→ 观察（看到工具返回的结果）→ 再思考……直到目标达成。

与普通聊天机器人的区别在于，普通机器人只会执行你明确告诉它的每一步，而Agent可以自己决定步骤、自己处理意外情况。比如订机票时发现涨价了，它会自己尝试换日期或换航空公司，不需要你来指挥。

Agent Skill （智能体技能）

它是员工的专业技能包。为了让Agent干活更专业，我们会预先给它写好一套规则。比如“代码审查技能”，里面写好了怎么检查代码、标准是什么。

一个通用的Agent什么都会一点，但不专精。你给它装上一个Skill，就等于把它送去做个专科培训，让它变成了某个领域的熟练工。比如“代码审查Skill”这本手册里写着：你是一名代码审查专家，你要先读代码，然后检查语法错误，再检查性能问题，最后输出一份打分报告，并且只能调用读文件和运行检查工具。Agent照着这本手册干活，就不会跑偏，质量也有保证。

Token组成数据，喂给LLM，通过Prompt和Context与LMM交流，再通过MCP给它接上Tool，能干活，最后，把这些包装起来，配上Agent Skill，就变成了能为你自主工作的Agent。

大概是这样……