MCP 是最大骗局?Skills 才是救星?

尤记得上半年大家对 MCP 的狂热,遇人就会和我聊到 MCP。然而从落地使用上似乎不是这么个情况。社区里面流传着一句话:MCP 是一个开发者远超使用者的功能。那么 MCP 真的是世上最大骗局吗?

如果你是 AI 工具的用户(而不是开发者),这篇文章可能会从另一角度来尝试解释:为什么 MCP 这么火,但你用起来总觉得"没什么用"?Skills 为什么可能才是你真正需要的东西。


一、MCP:开发者的狂欢,用户的懵圈

MCP(Model Context Protocol)在 2024 年底由 Anthropic 发布,号称是 AI 领域的"USB-C"------一个标准化的协议,让 AI 可以连接各种外部工具。

听起来很美好。但现实是社区里充斥着对 MCP 的嘲讽,称其为"最大骗局"。

MCP 可能是唯一开发者比使用者还多的技术 开发者为什么吐槽 MCP 协议?

这意味着什么?

大量开发者在「研究」MCP,但真正能给用户用的工具少得可怜。

SDK 月下载量 9700 万次,Registry 增长 407%------开发者热情高涨。但作为用户,你打开 Claude 或 Cursor,想找个好用的 MCP 工具,大概率还是会失望。

这不是 MCP 的错。这是它的「基因」决定的。


二、协议的「基因」决定了谁受益

为什么 MCP 对用户不友好?也许答案藏在协议设计本身。

我们对比下 MCP 和 Skills(Agent Skills)两个协议的规范:

维度 MCP Skills
协议规定的是 开发者怎么写工具 AI 怎么用能力
规范内容 API、Schema、SDK Markdown、Instructions
开发者上手门槛 懂 JSON Schema + SDK 会写 Markdown

来源:modelcontextprotocol.io / agentskills.io

MCP 协议规定的是「开发者怎么写工具」------API 接口怎么定义、数据结构怎么传递、SDK 怎么集成。这些对开发者很重要,但普通用户根本不关心。

Skills 协议规定的是「AI 怎么用能力」------什么时候加载、怎么理解指令、如何执行任务。这些直接影响用户体验。

即使开发者来说,Skill 的上手成本也都远低于 MCP。甚至简单的 Skills,使用者可以在使用过程中无缝切换为开发者,边用边优化

一句话总结:MCP 面向开发者,尽力优化了开发体验,在 Agent 如何使用这些工具上却没有给出太多指导;Skill 面向使用者,优化使用体验(包括成本),在 Agent 如何使用这些工具上给出了很多指导。

协议的设计目标,决定了谁能从中获益。


三、Skills 的杀手锏:渐进式披露

除了设计目标不同,Skills 还有一个技术上的优势:渐进式披露(Progressive Disclosure)

这是什么意思?用一个类比来解释:图书馆找书。

想象你去图书馆找资料:

MCP 方式 :管理员把整个书架的书全搬到你面前。结果:信息过载,找不到重点 📚📚📚

Skill 方式 :管理员先给你一本目录,你说要哪本再拿哪本。结果:精准高效 📋→📖

AI 的「脑容量」有限(Context Window)。

  • 传统方式:一次性加载所有工具定义。假设有 100 个工具,可能占用几十万 tokens。
  • Skill 方式:启动时只加载名称和描述(约 100 tokens/skill)。需要哪个,再加载哪个的详细指令。

根据 agentskills.io 官方规范

  • 元数据层:~100 tokens/skill
  • 完整指令:建议 <5000 tokens

这意味着什么?100 个 Skills,启动时只需要约 10,000 tokens 的元数据。而不是一股脑塞进去几十万 tokens。

  1. AI 不会被无关信息干扰,更聪明
  2. 响应更快
  3. 能支持更多工具

四、两者不是对手,是搭档

说了这么多 Skills 的好话,是不是意味着 MCP 没用了?不是。

MCP 和 Skills 解决的是不同层次的问题

  • MCP = 工具箱:定义了「能连接什么」------数据库、API、文件系统、第三方服务
  • Skills = 使用手册:定义了「怎么聪明地用这些工具」------工作流程、最佳实践、按需加载

它们也可以结合使用:

用 Skills 的渐进式披露来管理 MCP 工具。

MCP 负责「连接」,Skills 负责「智慧」。组合是一个好的解决方案。


五、给用户的建议

  1. 别光被 MCP 的热度带节奏。22000+ 个仓库听起来很多,但落地的有多少呢?
  2. 关注 Skills 生态。如果你用 Claude Code 等工具(近期 Kwaipilot 也会支持),Skills 可能比 MCP 更能直接提升你的体验。
  3. 两者都关注。长期来看,MCP + Skills 的组合可能是一种选择。MCP 提供连接能力,Skills 提供使用智慧。
  4. 2026 年 :渐进式披露和动态上下文管理会成为 AI 工具的标配。近期我的一个实践 ------ 基于 20w 字的 Specs 来让 Agent 实现一个 10pd 需求 ------ 也是通过渐进式披露 Specs。Cursor 也已经给出了很好的解释

结语

MCP 是最大骗局吗?不是。它也是一个优秀的开发者协议。

Skills 是救星吗?对用户来说,目前来说可能是的。

协议的设计目标,决定了谁能从中获益。 MCP 让开发者更容易写工具,Skills 让用户更容易用工具。

如果你是用户,别纠结 MCP 为什么"不好用"了。去看看 Skills 吧。


参考链接

相关推荐
武子康1 分钟前
vLLM 的 token 预算还有余量,为什么请求仍被抢占?
人工智能·llm·agent
染指111036 分钟前
120.Agent-LangChain核心组件-中间件-摘要中间件(SummarizationMiddleware)
人工智能·langchain·agent·agents
不好听6131 小时前
当 Agent 有了手,就得给它戴手套:安全与沙箱怎么兜底——Sub-Agents
agent
不好听6131 小时前
父—子代理为什么要上下文隔离——Sub-Agents
agent
咖啡星人k1 小时前
从自建爬虫到托管工具:数据采集选型对照表
爬虫·数据采集·mcp
sarasuki1 小时前
工具设计的坏味道:什么样的定义会让模型乱调
人工智能·agent·设计
产品设计大观2 小时前
墨刀AI客户端怎么干活?派任务、本地执行、交付PRD和原型
agent·原型·墨刀·prd·ai工作台·墨刀ai客户端·产研
用户3134672143542 小时前
Agent 开发学习笔记(七):RAG: 从建库到检索到生成
langchain·agent
咖啡星人k2 小时前
MCP 协议入门:从 tools/list 到一次真实调用
人工智能·mcp·ai工程
掘金泥石流2 小时前
从 Palantir AI FDE 到我们的实践:企业交付如何变成产品?
人工智能·架构·agent