MCP、插件工具与 Skills:一张图讲清 AI Agent 的能力扩展体系

过去两年，AI 从“会聊天”走向“会做事”。但当我们谈到智能体（AI Agent）时，经常会混淆几个概念：

插件（Plugin）
Tool
Skill / Agent Skill

它们都在讲“能力扩展”，却分属不同层级。如果没有结构化理解，很容易把协议、工具和能力封装混为一谈。这篇文章，我们用一个清晰的框架讲透三件事：> MCP 是什么？> 插件工具是什么？> Skills 又是什么？> 它们如何协同构成 AI Agent 的能力体系？

—

什么是 MCP？从模型能力到协议层的升级

1. MCP 的定义与背景

MCP（Model Context Protocol）是 2024 年 11 月由 Anthropic 开源发布的一种协议。

官方定义是：

 “MCP connects Claude to external services and data sources.”

它的核心作用，是为模型提供一个标准化连接外部系统的方式。换句话说，它解决的是一个基础问题：模型如何安全、规范、可扩展地连接外部世界？

2. MCP 解决的是什么问题？

在 MCP 出现之前：

模型 ≠ 能访问数据库

模型 ≠ 能调用企业 API

模型 ≠ 能操作本地脚本

模型有“理解能力”，但没有“执行通道”。

MCP 的作用是：

让模型可以调用 API
访问数据库
执行本地脚本
连接外部工具
支持动态发现工具
具备供应商无关（Vendor-agnostic）的特性

它本质上是一个能力扩展的集成层（Integration Layer）。

3. 技术特征

根据现有资料，MCP 具有以下特点：

需要服务器端配置
启动时通常加载全部工具定义
Token 消耗较高
适合集成复杂外部系统

可以用一个形象比喻来理解：

> MCP 是 AI 的“手”，让它能触达现实世界。

—

什么是插件工具（Plugin Tools）？让模型连接现实世界

在产品语境中，“插件（Plugin）”通常指一种能力扩展模块。它并不是某一个固定技术标准，而是一种产品形态：

为系统增加额外功能
提供特定能力
作为可插拔模块存在

在 AI Agent 体系中，插件往往承担：

调用第三方服务
访问数据源
提供某类专用能力

很多插件底层可以基于 MCP 实现，也可能通过其他机制实现。可以这样理解三层关系：

插件是产品形态
MCP 是底层协议
Tool 是具体执行接口

插件让模型“能做更多事”，但并不教模型“怎么做得更好”。

—

什么是 Skills？可复用的能力封装

如果说 MCP 解决的是“能不能连接”，那么 Skills 解决的是：> 知不知道怎么完成任务。

1. Skills 的官方定义

资料显示，Agent Skills 于 2025 年 10 月由 Anthropic 正式发布。官方定义：> “Skills are organized folders of instructions, scripts, and resources that agents can discover and load dynamically to perform better at specific tasks.”关键点有三个：

是有组织结构的文件夹
包含指令、脚本与资源
可被动态发现和加载

2. Skills 的本质

Skills 是一种程序性知识封装机制。它强调：

任务流程（SOP）
领域经验
执行步骤
注意事项

如果 MCP 是“手”，那么 Skills 更像是：> 操作手册 / 技能书。它教模型：

什么时候调用工具
按什么顺序执行
如何避免错误

3. 渐进式披露（Progressive Disclosure）

Skills 的一个重要设计理念是：> 按需加载，而不是一次性加载全部内容。结构通常包括：Skill 文件夹└── SKILL.md（必需）包含：

YAML 元数据（如 name、description）
具体指令
可选脚本与资源

加载逻辑分层：

启动时仅加载元数据
任务匹配时加载完整指令
必要时加载附加资源

这种方式显著降低上下文占用，提高效率。

—

MCP、插件工具与 Skills 的关系图解

我们可以用一个结构化对比来理解三者定位。

1. 核心差异对照


维度	MCP	插件（Plugin）	Skill
本质	协议	扩展模块	知识封装
解决问题	连接外部系统	提供额外功能	教会模型如何做事
架构层级	基础设施层	应用层	能力层
是否包含流程知识	否	通常不包含	是
是否可按需加载	否（通常启动加载）	视实现而定	是

2. 三层协同结构

可以用一个典型执行流程来理解：

用户请求↓Skill 判断任务流程（方法论）

↓

调用插件 / MCP 工具

↓

访问外部系统

↓

返回结果

Skill 决定“怎么做”
MCP 提供“怎么连”
插件提供“能调用什么能力”

—

未来趋势：从“会聊天”到“可编排能力系统”

从 2024 到 2026，AI Agent 架构逐渐形成一种共识：连接能力与执行能力必须分离。

为什么？因为：
连接系统 ≠ 理解业务
拥有工具 ≠ 正确使用工具
能访问数据库 ≠ 会写安全高效的 SQL
未来趋势是：
用 MCP 构建统一连接层
用插件扩展外部能力
用 Skills 封装行业经验与流程
通过编排系统实现任务自动化
这标志着 AI 正在从“对话系统”转向“能力操作系统”。

结语：普通用户应该关心什么？

如果你是：

产品经理
开发者
企业技术负责人

你真正需要关注的不是术语本身，而是三个问题：

你的系统是否具备标准化连接能力（MCP）？
是否有可扩展的插件机制？
是否沉淀了可复用的任务流程（Skills）？

未来竞争的关键，不只是模型参数规模，而是：> 能否把连接能力、执行能力与流程知识组织成一个可复用、可扩展、可编排的能力系统。理解 MCP、插件与 Skills 的层级关系，就是理解下一代 AI Agent 架构的底层逻辑。当模型开始“会做事”，能力结构的设计，将决定它能走多远。