Agent Skill、MCP、Tool 与 Prompt 到底有何区别
作者:php是最好的2026.11.16 11:36浏览量:1简介:本文通过一个旅游规划智能体的实例,系统厘清 Prompt、Tool、MCP、Agent Skill 四个易混淆概念的定义、职责与分层关系:Prompt 负责下达指令、Tool 负责具体执行、MCP 提供标准化接入协议、Skill 封装任务方法论。读完你将能准确判断项目中"先写什么、该封装到哪一层",避免过度封装带来的高耦合与维护困难,构建高内聚、易扩展的智能体系统。
agent-skill-mcp-tool-prompt-">Agent Skill、MCP、Tool 与 Prompt 到底有何区别
在学习 AI Agent(智能体)开发时,几乎所有人都会遇到这样几个高频词:Prompt(提示词)、Tool(工具)、MCP(模型上下文协议)、Skill(技能)。它们都与”扩展大模型能力”密切相关,但解决的问题不同、所处的层次不同。很多项目之所以在后期变得难以维护,往往就是因为一开始没把这几个概念的关系理清——什么内容都想封装成 Tool,导致耦合度越来越高;或者把简单问题过度 Skill 化,人为增加复杂度。
本文将以一个”旅游规划 AI 助手”为例,把 Prompt、Tool、MCP、Skill 四者一次讲透。
一、四个概念的核心定义
在做对比之前,先给出清晰、可落地的定义,这是理解后续一切的前提。
- Prompt(提示词):输入给大模型的自然语言指令与上下文,用于引导模型理解任务意图、约束输出格式与风格。它解决的是”让模型做什么、以什么方式做”的问题,属于交互层的输入设计。
- Tool(工具 / 函数调用):模型在推理过程中被允许调用的外部函数或接口。需要强调的是,模型本身并不真正执行代码,而是输出结构化的调用意图(函数名 + 参数),由外部程序执行后再将结果回填给模型。它解决的是”某个具体动作如何落地执行”的问题。
- MCP(Model Context Protocol,模型上下文协议):一套标准化的通信协议,用于把外部数据源、工具与能力以统一方式接入到模型或智能体侧。它规定了客户端与服务端之间”如何发现能力、如何描述能力、如何调用能力”的约定,解决的是”能力接入如何标准化”的问题。
- Agent Skill(智能体技能):对一类任务方法论的封装与复用,通常把完成某类任务的步骤、策略、约束、所需工具与提示组织成一个可复用的能力单元。它解决的是”如何把某类任务的做事方法沉淀下来并复用”的问题。
一句话概括四者的分工:Prompt 负责”下令”,Tool 负责”执行”,MCP 负责”标准化接入”,Skill 负责”方法论封装”。
二、用旅游规划智能体理解四者协作
假设我们要做一个”旅游规划助手”,用户输入”帮我规划一个 5 天、预算 5000 元的成都之旅”。这四个概念会这样各司其职:
Prompt(指令层):我们告诉模型它的角色和任务约束,例如:
你是一个旅游规划助手。请根据用户的预算、天数与偏好,生成一份可执行的行程,并以表格形式按天输出,标注大致费用。
这段提示词决定了模型”要产出什么、以什么格式产出”,但它本身并不能查天气、查航班。
Tool(执行层):模型在规划时,可能需要调用一些真实能力,比如 查询天气(城市, 日期)、查询航班(出发地, 目的地, 日期)、预订酒店(城市, 日期, 预算)。模型输出的只是”我要调用 查询天气,参数是成都、5月1日”这样的结构化意图,真正发起请求、拿到结果的动作由外部程序完成。
MCP(协议层):当我们要接入的天气服务、地图服务、票务服务来自不同来源时,如果每接一个能力都要写一套定制的对接代码,成本会非常高。MCP 提供了一套统一协议:只要服务端按照标准方式把”我有哪些能力、每个能力需要什么参数、返回什么格式”描述清楚,客户端就能自动发现并调用,无需为每个工具单独适配。它解决的是接入的”标准化”与”可复用”。
Skill(方法论层):真正把”规划一次旅行”这件事做好了,靠的不只是几个工具,而是一套做事方法——先了解需求、再查天气与航班、再排每日行程、再核算预算、最后给出备选方案。把这样一整套流程、策略和约束封装成一个”旅游规划技能”,就是一个 Skill。下次无论是成都、三亚还是东京,只要调用这个技能,方法论的骨架都可以复用。
三、四者的工作原理与协作流程
以一次完整的规划请求为例,四者的协作顺序大致如下:
- Prompt 注入:系统把角色设定、任务约束、可用能力与技能说明组装成提示词,交给模型。
- 模型规划:模型理解需求,判断需要用到哪些能力(对应 Skill 中定义的方法论与工具清单)。
- 意图输出:模型不直接执行,而是输出结构化的工具调用意图(Tool 层面的函数名与参数)。
- 协议调用:调用意图经由 MCP 这类标准化协议,路由到对应的外部能力上执行。
- 结果回填:外部能力返回结果,模型据此继续推理,直到产出最终行程。
- 技能沉淀:如果这套流程被反复使用,就会被抽象成一个可复用的 Skill,减少下次的重复设计。
可以看出,它们不是相互替代的关系,而是自下而上层层支撑:底层是能力(Tool),中间是接入标准(MCP),上层是方法论封装(Skill),而 Prompt 则贯穿始终、负责把这一切组织成模型可理解的指令。
四、典型适用场景
- Prompt:几乎无处不在,适合快速定义角色、约束输出、引导推理,成本最低、迭代最快。
- Tool:适合明确的、单点的原子操作,如查天气、发邮件、执行一次数据库查询。
- MCP:适合需要接入大量异构外部能力、且希望这些能力可跨项目复用的场景,能显著降低对接与迁移成本。
- Skill:适合那些有固定套路、需要重复执行、步骤较多的复杂任务,如”生成合规报告””规划一次完整行程””排查一类线上故障”。
五、核心区别对比
| 维度 | Prompt | Tool | MCP | Skill |
|---|---|---|---|---|
| 本质 | 自然语言指令 | 可调用的函数/接口 | 标准化通信协议 | 任务方法论封装 |
| 解决问题 | 让模型做什么 | 动作如何执行 | 能力如何标准化接入 | 做事方法如何复用 |
| 所处层次 | 交互/输入层 | 执行层 | 协议/接入层 | 方法论/编排层 |
| 是否被模型直接”调用” | 否(是输入) | 是(输出调用意图) | 否(是通道) | 是(作为整体能力被调用) |
| 典型成本 | 最低 | 中 | 前期较高、后期复用收益大 | 中高 |
一个常见误区是问”Skill 是不是用 Prompt 实现的”。二者有关联但不等同:Skill 内部确实会用到提示词,但它还包括工具清单、执行步骤、约束条件等更多内容,是比单条 Prompt 更高一层的封装。
六、使用注意事项
- 不要过度封装:简单的单点操作直接做成 Tool 即可,无需上升为 Skill,否则会把问题复杂化。
- 合理分层:能标准化接入的外部能力优先走 MCP 这类统一协议,避免为每个能力各写一套对接代码,降低耦合。
- 关注安全与权限:Tool 与 MCP 涉及真实操作(如预订、支付、写数据),务必做好身份认证、参数校验、最小权限与操作审计。
- 可观测性:多层协作时,要为每一次工具调用、协议交互保留日志与链路追踪,便于排查问题。
- 提示词的稳定性:Prompt 变更可能影响输出,关键场景需做回归测试,避免”改一句提示词、结果就漂移”。
七、总结
回到最初的问题:Agent Skill、MCP、Tool 与 Prompt 的区别,本质上是职责与层次的区别。Prompt 是下达指令的输入,Tool 是执行动作的原子能力,MCP 是把能力标准化接入的协议,Skill 是把做事方法沉淀复用的封装。在项目实践中,正确理解这四者的边界,能让你在选型时先想清楚”这一步该由谁来负责”——需要原子动作就写 Tool,需要标准化接入大量能力就用 MCP,需要复用一套复杂方法就抽成 Skill,而所有这一切都由 Prompt 组织成模型可理解的指令。厘清层次,才能构建出高内聚、易维护、可长期演进的智能体系统。

登录后可评论,请前往 登录 或 注册