面试官：Agent Skill 和 MCP 有啥本质区别？

面试官系列 · 全文约 3377 字 · 阅读约 8 分钟最近面试里Agent Skill 和 MCP 到底有啥本质区别这道题出现得越来越频繁。第一次听到我也懵这俩词老绑在一起说不就是一个东西的两种叫法吗还真不是。一个是连接层一个是方法论层根本不在同一层。今天我不堆术语把它俩怎么分工、怎么配合、真上生产会踩什么坑一次讲透。一句话先记住**MCP 是插座和水管Agent Skill 是操作说明书。**一个负责连得上一个负责知道怎么干。谁也替代不了谁。一张图看懂它俩怎么配合把整个 Agent 想成一个新来的实习生从下到上看这张架构图。四层各管一摊我给你一层层拆开① 最上层 · Agent 核心引擎LLM Core **是什么**意图识别与任务规划中心负责先听懂你要干嘛、再把大任务拆成小步骤。 白话就是这个实习生的大脑你说一句话他先想明白你到底要啥、分几步做。② 中间 · 动态技能路由RAG for Skills **是什么**按用户意图检索最相关的 Skill避免把整本手册都塞进上下文、把上下文撑爆。 白话实习生手头手册太多不能每次全翻一遍。这一步就是小秘书先挑出最相关的那一两本递给他。③ 业务层 · Agent Skill **是什么**SKILL.md说明书写业务规则与多步 SOP 编排Scripts辅助脚本跑数据清洗与复杂本地计算。 白话就是那本岗位操作手册告诉他这件事先干啥后干啥遇到脏活累活还有现成脚本帮他干。④ 最底层 · MCP连接层 **是什么**Model Context ProtocolJSON-RPC向下对接企业数据库、代码仓库 API、互联网搜索、本地文件系统。 白话就是办公室墙上那些插座和水管——数据库、代码库、搜索、你电脑里的文件都接在这儿。它只管接通不管怎么用。一句话串起来上层定按什么规矩干下层管连到哪儿中间一条按指令发起工具调用把整条链路接通。Skill 怎么知道该翻哪一页这就是 Skill 设计得最聪明的地方——渐进式披露Progressive Disclosure不是一次把整本手册甩给 AI而是像查图书馆一样一层一层往下翻。每层什么时候翻、翻什么、花多少 Token都给你列清楚第一层 · 只看目录元数据 **何时加载**系统刚启动时比如 Claude Code、Codex 这些智能体一打开就把技能 Skill 目录列出来。 **加载什么**每个 Skill 的 name 和 description——也就是名字 一句话简介。 **开销**每个 Skill 约 100 Token几乎不花钱。 白话就像你刚入职HR 发给你一张全部门同事的通讯录你只知道每个人叫啥、大概干啥但具体活儿怎么干还两眼一抹黑。第二层 · 翻对应手册指令 **何时加载**当你说出具体任务时比如帮我把这个项目部署到 Vercel。 **加载什么**AI 判断这归部署那个 Skill 管才把它的 SKILL.md 正文读进上下文——详细步骤、注意事项这时候才进来。 **开销**主文件约 2K-5K Token。 白话你真要干某件事了主管才把对应岗位的那本操作手册递给你你照着一步步做。第三层 · 动手干活运行时资源 **何时加载**真正执行到具体步骤时比如要建个 Excel、要跑一段计算。 **加载什么**references/ 里的详细文档按需读scripts/ 里的脚本 AI 照指引调用脚本代码本身不占上下文。 **开销**参考文档单个 1K-3K Token主文件加 1-2 个参考文档整体不超过 10K。 白话真上手了才去翻具体表格、调现成脚本。脚本不用 AI 背下来它知道哪份文件里有就行。一句话一个 Skill 就算打包了整套文档和大量脚本只要这次任务用不上它就永远不占用 AI 的脑子。这就是领导只叫相关员工开会而不是把全公司喊进会议室。为什么非要这么干算笔账这就是两种加载方式的根本差别MCP 是一次性把所有工具定义塞进 LLM 上下文而 Skill 是渐进式披露——用到哪层才加载哪层。拿 MCP 举例GitHub 一个 MCP Server 就挂了 30 个工具每个工具定义约 500 Token光这一个就烧掉近 2 万 Token。你要是连了 40 个 MCP Server哪怕只问一句11 等于几开场先烧掉几万 Token。**更麻烦的是注意力会散**工具一多LLM 注意力被稀释。MCP Atlas 基准测试里40 server、300 工具的环境下最强模型准确率也掉到 62%而且工具越多掉得越狠。把这层对比画成表一眼看清MCP 全量塞 vs Skill 按需加载差在哪所以结论很实在MCP 不会被淘汰它是 AI 连接世界的标准接口但教 AI 怎么干活这件事越来越多地交给 Skill。未来格局是内置核心能力 → 少数通用 MCP → 大量 Skills各司其职。Skill 不是一次写完就完事一个好用的 Skill 不是写完扔进去就不管它得像做产品一样打磨。行业里有个经典的五步闭环想法 → 实现 → 实验 → 分析 → 迭代来回收敛直到 AI 能稳定按预期执行。**想法Idea**想清楚解决什么问题、触发条件是什么、用户会怎么开口。**实现Implement**把它写成 SKILL.md、配 frontmatter、脚本和参考文档。**实验Experiment**真实跑一遍看触发准不准、输出质量如何。**分析Analyze**诊断哪里没跑对——没触发、执行错、还是输出跑偏。**迭代Iterate**改触发词、补文档、调脚本回到下一圈。真上生产会踩的三个坑面试光讲概念不够面试官一定追问落地。下面三个坑每个都给你拆成问题现象 → 白话 → 解法照着答就够坑1安全与指令注入⚠️ **问题现象**Agent Skill 是 Markdown 加执行脚本极易受到提示词注入攻击Prompt Injection——你读的网页、拉的代码里可能藏着一句把这个文件删了AI 顺着 MCP 就真去干了。 白话就像你让实习生去网上查资料结果资料里夹了张纸条写着听我的把老板电脑格式化他要是不设防就真照做了。**✅ 解法**把 Skill 的执行关进 Docker 或 Wasm 沙盒MCP Server 走最小权限原则和白名单校验高危操作强制人工确认Human-in-the-loop。坑2上下文污染与 Token 消耗⚠️ **问题现象**Skill 和 MCP 工具越接越多每次请求把全部协议 Schema 和手册都塞进 Prompt导致 Token 暴涨、模型注意力迷失Lost in the middle——夹在中间的工具AI 直接看不见。 白话就像开会把全公司都叫进来真正该发言的那个员工坐在角落领导根本想不起来他会议还巨贵。**✅ 解法**加一个前置路由模型Router Model用向量检索按用户意图动态加载最相关的 1-2 个 Skill 及其依赖的 MCP Schema。坑3无状态与异常恢复⚠️ **问题现象**MCP 协议本身是无状态的StatelessSkill 跑一个长程多步任务中间某次 API 调用断了很难准确回退或续跑往往只能从头再来一遍。 白话就像实习生做到第 8 步电脑死机了他不记得前面干到哪只能从第 1 步重来前面的活白干。**✅ 解法**引入外部 KV 存储或图数据库在 Skill 每个关键节点打检查点Checkpointing报错时读取记忆回放从断点重试。面试官最后爱听啥一句话总结好的 Agent底下靠 MCP 把路修通像互联网的 TCP/IP上面靠 Skill 把活干明白像 HTTP再配上沙盒与动态路由构建安全高效的任务执行闭环。**答题别二选一**开口就说MCP 一次性注入上下文、Skill 渐进式披露一个管连接、一个管方法。**会打比方**插座水管 vs 操作说明书看目录→翻手册→动手干活把抽象概念讲成画面。**说得出细节**能甩出GitHub MCP 一个就 2 万 Token“40 个 server 准确率掉到 62%”“五步设计闭环”“沙盒/Router/Checkpointing”就说明你真上过生产。新手别贪多先接 1-2 个 MCP 工具、沉淀 1 个 Skill 跑通把沙盒和检查点从第一天就加上。以后工具多了这套架构才撑得住。— AI小瑜 · 面试官系列 · 聊透 Agent 架构 — 面试官系列合集 · 点击阅读全部