MCP和Skill究竟有什么区别一文看懂两者核心差异

MCP（Model Context Protocol，模型上下文协议）和Skill（技能），这两个概念在AI Agent的讨论中经常被相提并论，但实际上它们源自完全不同的技术路线，所要解决的问题和所处的抽象层级也截然不同。今天，我们就来详细解析一下，从定义、来源、用途到它们之间的真实关系，彻底弄明白这两者的区别。

一、核心定义

二、来源与生态

三、技术本质区别

MCP：协议层

• 定义了一套基于JSON-RPC风格的API规范
• 工具通过MCP Server来对外暴露其能力
• 大模型则通过MCP Client发起调用请求
• 与具体的模型、框架完全无关，具有高度通用性

graph LRA[LLM] -- MCP Request --> B[MCP Server]B -- 执行工具 --> C[Weather API]C -- MCP Response --> A

其优势显而易见：工具只需实现一次，所有支持MCP协议的大模型均可调用；社区也可以共享现成的MCP工具，例如mcp-server-browser、mcp-server-notion。

Skill：应用层

• 在Semantic Kernel框架中，Skill是一个目录或类：

  EmailSkill/├── send_email.yaml # 函数定义└── send_email.py # 实现

• 技能绑定到Kernel后，大模型可以通过自然语言直接触发执行
• 它强烈依赖于Semantic Kernel框架

它的优势在于封装复杂的业务逻辑，例如一个“发送周报”的Skill，内部可以组合查询数据、生成摘要、发送邮件等多个步骤，并且支持上下文记忆与插件组合。

四、关系：MCP可以作为Skill的底层实现

尽管这两个概念处于不同层级，但它们完全可以协同工作。举个例子：

• 你在Semantic Kernel框架中定义一个SearchSkill
• 这个Skill内部不直接调用Google API，而是通过MCP协议去调用一个MCP Search Server
• 这样一来，搜索功能就变成了一个可替换、可共享的MCP服务

# Semantic Kernel 中的 Skill 可能这样调用 MCPclass SearchSkill:def search(self, query):# 通过 MCP Client 调用远程搜索服务return mcp_client.call("search", {"query": query})

五、对比总结表

六、实际应用场景

结论

• MCP 和 Skill 不属于同一抽象层级，二者不能简单画等号。
• MCP 是“工具调用的通用语言”，旨在解决系统间的互操作性问题。
• Skill 是“能力的封装单位”，着重于解决功能的组织与复用问题。
• 未来的发展趋势很可能是：Skill这类抽象将在底层采用MCP协议，真正实现“一次编写，到处调用”的愿景。