如果说大模型是 AI 助手的“大脑”，那么 Skill（技能）就是它的“操作手册”，MCP 则是它连接外部世界的“插头”。10 月里，Google Cloud 发布的 Gemini agent 同时把“技能库”和“任意 MCP 服务器接入”列为核心能力，Gemini 4 Argon 的开发者指南也直接提供了一个可安装的 gemini-api-dev skill。这两个概念已经从极客玩具变成了主流配置。这篇文章讲清楚它们是什么、有什么区别，并给出可以照着做的安装步骤和推荐清单。

一、Skill 是什么？

按照 Agent Skills 开放标准的定义，一个 Skill 就是一个文件夹，里面至少有一个 SKILL.md 文件。文件开头写名称（name）和描述（description），正文写具体指令，还可以附带脚本、参考文档和模板。

my-skill/
├── SKILL.md      # 必需：元数据 + 指令
├── scripts/      # 可选：可执行脚本
├── references/   # 可选：参考文档
└── assets/       # 可选：模板、素材

Skill 最巧妙的地方是渐进式加载。智能体启动时只读每个 Skill 的名称和描述；遇到匹配的任务时，才把完整指令载入上下文；需要时再去执行脚本或读取附件。所以装几十个 Skill 也不会把上下文塞满。这个格式最初由 Anthropic 开发，后来作为开放标准发布，Claude Code、VS Code 等都已经支持。

二、MCP 是什么？和 Skill 有什么区别？

MCP（Model Context Protocol）是一套让 AI 应用连接外部工具和数据的标准协议。一个 MCP 服务器把“操作浏览器”“读写 GitHub”“查询文档”这类能力封装成工具，任何支持 MCP 的客户端都能直接调用。

简单区分一下：Skill 教智能体“怎么做”，也就是流程、规范和经验；MCP 让智能体“做得到”，也就是连上外部系统。两者经常搭配使用。有一个值得注意的新趋势：微软的 Playwright MCP 在 README 里写到，越来越多编程智能体倾向于用“CLI + Skills”代替 MCP，因为命令行调用不需要把大量工具定义塞进上下文，更省 token。不过它也指出，需要持续保持浏览器状态的长时间自主任务，仍然更适合用 MCP。Context7 也同时提供了“CLI + Skills”和“MCP”两种模式。

三、动手：10 分钟写出你的第一个 Skill

以 Claude Code 为例，官方文档给了一个很实用的例子：自动总结未提交的代码改动，并提示风险。

第 1 步：创建个人技能目录（所有项目都能用）：

mkdir -p ~/.claude/skills/summarize-changes

第 2 步：新建 ~/.claude/skills/summarize-changes/SKILL.md，写入：

---
description: Summarizes uncommitted changes and flags anything risky. Use when the user asks what changed, wants a commit message, or asks to review their diff.
---

## Current changes

!`git diff HEAD`

## Instructions

Summarize the changes above in two or three bullet points, then list any risks you notice such as missing error handling, hardcoded values, or tests that need updating. If the diff is empty, say there are no uncommitted changes.

其中 !`git diff HEAD` 叫“动态上下文注入”：Claude Code 会先执行这条命令，把输出填进去，再交给模型。

第 3 步：在任意 git 项目里启动 claude，问一句“我改了什么？”，或者直接输入 /summarize-changes。

几个写 Skill 的经验，都来自官方文档：

  • description 最关键：把最主要的使用场景写在最前面，用用户自然会说的词。智能体就是靠它判断何时调用。
  • SKILL.md 控制在 500 行以内，篇幅长的参考资料拆到单独文件里。
  • 有副作用的操作（部署、发消息等）加上 disable-model-invocation: true，只允许你手动触发。
  • 如果要跨产品使用（claude.ai 上传、Skills API），frontmatter 只用标准字段：name、description、license、compatibility、metadata、allowed-tools。

四、直接装现成的：官方 Skill 推荐

Anthropic 的 anthropics/skills 仓库（截至 10 月 21 日 GitHub 约 18 万星）收录了一批示例技能，包括 skill-creator（帮你写 Skill）、mcp-builder（帮你开发 MCP 服务器）、webapp-testing（网页应用测试）、frontend-design（前端设计），以及驱动 Claude 文档能力的 docx、pdf、pptx、xlsx 技能（后四个是源码可见，不属于开源许可）。在 Claude Code 中安装：

/plugin marketplace add anthropics/skills
/plugin install document-skills@anthropic-agent-skills
/plugin install example-skills@anthropic-agent-skills

想测试自己写的 Skill 到底有没有用，可以装官方的 skill-creator 插件，它会做“有/无该技能”的对比评测：

/plugin install skill-creator@claude-plugins-official

五、5 个值得装的 MCP 服务器

1. Playwright MCP（微软）

基于 Playwright 的无障碍树（accessibility tree）快照来操作网页，不依赖截图或视觉模型，适合自动化测试和网页操作。Claude Code 一行安装：

claude mcp add playwright npx @playwright/mcp@latest

Codex 用户：codex mcp add playwright npx "@playwright/mcp@latest"。仓库：microsoft/playwright-mcp

2. Chrome DevTools MCP（Google）

让智能体控制并检查真实的 Chrome，能录制性能 trace、分析网络请求、读取控制台报错。前端调试很好用。配置方式：

"chrome-devtools": {
  "command": "npx",
  "args": ["-y", "chrome-devtools-mcp@latest"]
}

注意：它默认会收集使用统计，可以加 --no-usage-statistics 关闭；它还能看到浏览器里的所有内容，别在里面登录敏感账号。仓库：ChromeDevTools/chrome-devtools-mcp

3. GitHub MCP Server（GitHub 官方）

让智能体读写仓库、Issue、PR。官方提供远程服务地址 https://api.githubcopilot.com/mcp/，也可以用 Docker 在本地运行。仓库：github/github-mcp-server

4. Context7（Upstash）

把最新的、对应具体版本的库文档和代码示例喂给智能体，减少“幻觉 API”。一条命令完成配置，可以选择 CLI + Skills 模式或 MCP 模式：

npx ctx7 setup

官方建议到 context7.com 领取免费 API Key，以获得更高的调用额度。仓库：upstash/context7

5. 官方 MCP 参考服务器合集

modelcontextprotocol/servers 收录了协议官方维护的参考实现，适合用来学习 MCP 服务器怎么写。想找更多服务器，可以去 MCP Registry 看看。

六、安全提醒

  • 装之前先读一遍：Skill 可以通过 allowed-tools 给自己预先授权工具，从别的仓库拿来的 Skill 要先看清楚再用。
  • 最小权限：给 GitHub MCP 用的 Token 只开必要的权限。
  • 隔离浏览器：浏览器类 MCP 尽量用独立的浏览器配置，不要复用你的日常登录状态。

Skill 和 MCP 正在变成智能体时代的“应用商店”。建议先从一个最常重复的工作流开始，把它写成 Skill，体验会很不一样。下一篇我们会分享几个适合内容创作者的实用 Skill 模板，欢迎订阅。

信息截至 2026 年 10 月 21 日（北京时间）。命令和配置来自各项目官方文档与 README，版本更新后请以官方说明为准。