一：大模型、SKILL、MCP 是什么关系 ？
1.1 先搞懂三个概念
| 概念 | 一句话解释 | 类比 |
|---|---|---|
| 大模型（LLM） | 能理解自然语言、生成文本的 AI 引擎 公司提供给大家使用的模型列表 | 一个超级聪明但"没有手"的大脑 |
| MCP Server | 给大模型提供"工具"的标准化服务 | 大脑的"手"和"脚" |
| Skill | 教大模型"何时用、怎么用"这些工具的说明书 | 大脑的"操作手册" |
1.2 三者关系图
1.3 用一个生活例子理解
想象你去医院看病：
- 你（用户） 说："我头疼"
- 医生（大模型） 听懂了你的症状，判断需要做哪些检查
- 检查项目清单（Skill） 告诉医护人员：先量体温、再测血压、然后验血
- 医疗设备（MCP Server） 是体温计、血压计、验血仪等具体工具
- MCP 协议 就是医生和设备之间标准化的操作接口
核心要点：大模型本身只会"思考"，MCP Server 让它能"做事"，Skill 教它"做对事"。
二：怎么把现有能力注册成一个 MCP Server？
2.1 什么是 MCP ？
MCP（Model Context Protocol） 是 Anthropic 在 2024 年底发布的开放协议，它定义了 AI 模型与外部工具/数据源之间的标准通信方式。
┌────────────────────────────────────────────────────┐
│ MCP 协议核心概念 │
├─────────────┬──────────────────────────────────────┤
│ 概念 │ 说明 │
├─────────────┼──────────────────────────────────────┤
│ Host │ 宿主应用（如 OpenCode、Cursor） │
│ Client │ MCP 客户端，嵌入在 Host 中 │
│ Server │ MCP 服务端，提供工具/资源/提示 │
│ Transport │ 通信方式（stdio / HTTP SSE） │
│ Tool │ 一个可被调用的函数（如 "查询用户"） │
│ Resource │ 一份可被读取的数据（如 "配置文件"） │
│ Prompt │ 一段预设的提示模板 │
└─────────────┴──────────────────────────────────────┘2.2 自己封装MCP Server（飞阅）
怎么将已有 API 封装成 MCP Server（以 Python 为例）
假设你已经有一个"查询员工信息"的 HTTP API，想让 AI 能调用它：
第一步：安装 MCP SDK
bash
pip install mcp第二步：编写 MCP Server
python
# my_mcp_server.pyfrom mcp.server.fastmcp import FastMCP
import httpx
# 创建 MCP Server 实例
mcp = FastMCP("employee-service")
@mcp.tool()
async def query_employee(username: str) -> dict:
"""查询员工基础信息，包括姓名、部门、职级等。
Args:
username: 员工用户名（邮箱前缀），如 zhangsan
"""# 调用已有的 HTTP APIasync with httpx.AsyncClient() as client:
resp = await client.get(f"https://api.internal.com/employee/{username}")
return resp.json()
@mcp.tool()
async def query_department(dept_id: str) -> dict:
"""查询部门信息。
Args:
dept_id: 部门 ID
"""
async with httpx.AsyncClient() as client:
resp = await client.get(f"https://api.internal.com/dept/{dept_id}")
return resp.json()# 启动服务if __name__ == "__main__":
mcp.run(transport="stdio") # 本地模式# mcp.run(transport="sse", port=8080) # 远程模式第三步：验证 Server 工具列表
bash
# 用 MCP Inspector 测试（官方调试工具）
npx @modelcontextprotocol/inspector python my_mcp_server.py关键点 ：
@mcp.tool()装饰器下方的函数文档字符串（docstring）非常重要------大模型正是通过阅读这段描述来理解"这个工具能做什么、什么时候该用它"。写得越清楚，大模型调用得越准确。
注册 MCP Server 的核心步骤
┌──────────────────────────────────────────────────────────┐
│ 将已有能力注册为 MCP Server 的 4 个步骤 │
├──────┬───────────────────────────────────────────────────┤
│ 1 │ 安装 MCP SDK（Python: mcp / Node: @mcp/sdk） │
├──────┼───────────────────────────────────────────────────┤
│ 2 │ 用 @mcp.tool() 包装已有函数/API │
│ │ 重点：写清楚函数描述和参数说明 │
├──────┼───────────────────────────────────────────────────┤
│ 3 │ 选择传输方式：stdio（本地）或 HTTP（远程） │
├──────┼───────────────────────────────────────────────────┤
│ 4 │ 用 MCP Inspector 测试验证工具是否可正常调用 │
└──────┴───────────────────────────────────────────────────┘注意：聪明的你可能已经发现，这是一个极其不安全的接口，未来所有的MCP Server都会添加权限控制；
现阶段也会控制相关MCP Server的开放范围
三：什么是 Skill？有什么基础规范？
4.1 为什么有了 MCP 还需要 Skill ？
MCP Server 解决了"大模型能不能调用工具"的问题，但还有一个更重要的问题没解决：
┌─────────────────────────────────────────────────────────┐
│ 没有 Skill 时的问题 │
├─────────────────────────────────────────────────────────┤
│ │
│ 用户："帮我报销上周的火车票" │
│ │
│ 大模型看到 10+ 个 MCP 工具，它会疑惑： │
│ │
│ ❓ 该先调哪个工具？后调哪个？ │
│ ❓ 查到差旅申请单后怎么匹配？ │
│ ❓ 费用类型怎么选？动态字段怎么填？ │
│ ❓ 金额超标了怎么处理？ │
│ ❓ 最终报文怎么组装？ │
│ │
│ 结果：大模型可能胡乱调用工具，流程混乱，结果出错 │
└─────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────┐
│ 有 Skill 后 │
├─────────────────────────────────────────────────────────┤
│ │
│ Skill 像"操作手册"一样告诉大模型： │
│ │
│ ✅ 步骤 1：先上传发票并 OCR 识别 │
│ ✅ 步骤 2：查用户信息和差旅申请单 │
│ ✅ 步骤 3：用日期匹配差旅单 │
│ ✅ 步骤 4：确定费用类型、补全字段、校验超标 │
│ ✅ 步骤 5：组装报文提交草稿 │
│ │
│ 结果：大模型按步骤精确执行，流程正确，结果可靠 │
└─────────────────────────────────────────────────────────┘一句话总结：MCP 是"能力"，Skill 是"智慧"。MCP 让大模型有工具可用，Skill 教大模型正确使用工具。
4.2 Skill 的本质
Skill 本质上就是一个 Markdown 文件（ SKILL.md），里面用自然语言写清楚：
- 这个 Skill 做什么 （description）
- 什么时候触发 （适用场景）
- 需要哪些前置条件 （MCP Server、账号等）
- 具体执行步骤 （按什么顺序调用哪些工具）
- 异常怎么处理 （错误兜底策略）
4.3 Skill 的标准目录结构
推荐大家看一下：使用 skills 扩展 Claude - Claude Code Docs claude code的官方解释 ；
~/.config/opencode/skills/
└── my-skill-name/ # Skill 文件夹（名称即 Skill ID）
├── SKILL.md # 【必须】Skill 主文件
├── references/ # 【可选】参考资料
│ ├── api-reference.md # API 文档
│ └── field-mapping.md # 字段映射表
└── scripts/ # 【可选】辅助脚本
├── upload.py # 上传脚本
└── README.md # 脚本说明4.4 SKILL.md 的基础规范
markdown
---
name: my-skill-name # Skill 唯一标识
description: 一句话描述 Skill 的功能。 # 大模型通过这段话判断是否触发
当用户说「xxx」时使用。 # 触发关键词
依赖 MCP server xxx。 # 声明依赖---**# Skill 标题## 目的**
用 1-2 句话说明 Skill 要实现什么目标。
---
**## 适用场景** - 用户说「帮我做 xxx」时触发
- 用户上传了 xxx 文件时触发
**## 前置条件** 1. ****MCP Server 可用****：xxx-server
2. ****用户账号****：需要 xxx 权限
**## 执行流程### 步骤 1：xxx**
具体说明调用哪个 MCP 工具，传什么参数...
**### 步骤 2：xxx**
...
**## 异常处理** - 如果 xxx 失败，则 ...4.5 Skill 触发机制
┌──────────────────────────────────────────────────────┐
│ Skill 触发流程 │
│ │
│ 用户输入 ──► AI 助手读取所有 Skill 的 description │
│ │ │
│ ▼ │
│ description 与用户意图匹配？ │
│ / \ │
│ 是 否 │
│ / \ │
│ ▼ ▼ │
│ 加载 SKILL.md 不加载，正常对话 │
│ 按流程执行 │
└──────────────────────────────────────────────────────┘重要 ：
description字段是 Skill 的"触发器"。AI 助手会在对话开始时扫描所有 Skill 的 description，与用户意图匹配后才加载完整的 SKILL.md。所以 description 要写得精准，包含用户可能用到的关键词。
四：怎么写 Skill？Skill 怎么调用 MCP 工具？
4.1 完整示例：飞书文档导出 Skill
下面以一个真实的 Skill 为例，展示完整的写法：
markdown
---name: larkkit-feishu-doc
description: 使用 larkkit 实现飞书文档与 Markdown 双向无损转换。
当用户需要「下载飞书文档」「把飞书文档导出为 Markdown」
「上传 Markdown 到飞书」「批量下载/上传飞书文档」
「查看文档/知识库信息」或类似表述时使用。
依赖本机已安装 larkkit 且已配置 ~/.larkkit/config。---**# 飞书文档 ↔ Markdown 转换 Skill## 目的**
让用户通过自然语言完成飞书文档与 Markdown 的互转。
**## 适用场景** - 用户说「下载这个飞书文档」或给出飞书文档 URL
- 用户说「把这个 md 文件上传到飞书」
**## 前置条件** 1. ****larkkit 已安装****：`uv tool install larkkit`2. ****配置文件就绪****：`~/.larkkit/config` 中包含 app_id 和 app_secret
**## 执行流程### 下载文档**
用户提供飞书文档 URL 时，执行：
larkkit download <URL> -o <输出目录>**### 上传文档**
用户要上传 Markdown 时，执行：
larkkit upload <文件路径> --to <目标飞书URL>**## 异常处理** - 如果提示权限不足，引导用户执行 `larkkit auth`- 如果 URL 格式无法识别，提示用户确认链接4.2 Skill 中引用 MCP 工具的方式
Skill 不需要写代码来调用 MCP 工具。只需在 SKILL.md 中用自然语言描述 应该调用哪个工具、传什么参数，大模型会自动完成调用。
markdown
**### 步骤 2：拉取用户基础信息**
调用 MCP 工具 `queryExpenseApplier`，参数如下：
- `docApplierUsername`：用户提供的账号（邮箱前缀）
从返回结果中保存以下关键字段：
- `companyId` → 后续步骤需要
- `costCenterId` → 后续步骤需要
- `deptId` → 后续步骤需要
- `fdPersonDeptId` → 部门 ID
向用户展示姓名、部门、公司等基本信息。大模型读到这段描述后，会自动：
- 调用
queryExpenseApplier这个 MCP 工具 - 传入正确的参数
- 解析返回结果
- 保存需要的字段
Skill 的威力在于：你不需要写一行代码，只需要用清楚的自然语言描述流程，大模型就能自动编排 MCP 工具调用。
4.3 Skill 开发完整流程图
┌────────────────────────────────────────────────────────────────┐
│ Skill 开发全流程 │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐ │
│ │ 1. 需求 │──►│ 2. 确认 │──►│ 3. 编写 │──►│ 4. 本地 │ │
│ │ 分析 │ │ MCP 工具 │ │ SKILL.md │ │ 测试 │ │
│ │ │ │ 是否就绪 │ │ │ │ │ │
│ └──────────┘ └──────────┘ └──────────┘ └─────┬──────┘ │
│ │ │
│ ▼ │
│ ┌────────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 7. 版本 │◄──│ 6. 团队 │◄──│ 5. 迭代 │ │
│ │ 发布 │ │ 评审 │ │ 优化 │ │
│ └────────────┘ └──────────┘ └──────────┘ │
└────────────────────────────────────────────────────────────────需求分析写好一个Skill最关键的部分，当你给到足够的知识输入，你只需要告诉大模型帮你创建一个Skill就可以了；
推荐一个好用的skill： https://skills.sh/francyjglisboa/agent-skill-creator/agent-skill-creator
4.4 在哪获取和使用 Skill？
五：开源社区
目前各开源社区上面可以找到很多好用skill ， 养龙虾的同学可以多关注
-
Skill Hub：https://skills.sh/
-
Openclaw Skill Hub：https://clawhub.ai/skills?sort=downloads&nonSuspicious=true
-
Github ：https://github.com/VoltAgent/awesome-openclaw-skills