目录
前言
学习 UP 主 马克的技术工作坊 的 Agent Skill 从使用到原理，一次讲清 视频，了解下 Agent Skill 的一些基本概念，记录下个人学习笔记，和大家一起分享交流😄
Note：由于博主演示的模型和 Claude Code 版本与马克叔有所差异，因此有些地方输出和视频有出入，大家可以先观看视频讲解。
video ：Agent Skill 从使用到原理，一次讲清
reference ：https://platform.claude.com/docs/zh-CN/agents-and-tools/agent-skills
reference ：https://chatgpt.com/
1. 本期内容概览
2025 年 10 月 16 日，Anthropic 正式推出了 Agent Skill，起初官方对它的定位相当克制，只是希望用它来提升 Claude 在某些特定任务上的表现，但大家很快发现这套设计实在是太好用了，因此行业里很快就跟上了节奏，包括 VSCode、Codex、Cursor 等工具都陆续加入了对 Agent Skill 的支持。
在这样的背景下，12 月 18 日 Anthropic 做出了一个重要决定，正式将 Agent Skill 发布为开放标准，支持跨平台跨产品复用：
这意味着 Agent Skill 已经超越了 Claude 单一产品的范畴，正在演变为 AI Agent 领域的一个通用的设计模式，那么这个让大厂纷纷跟进的 Agent Skill 到底是解决了什么核心痛点，它和我们所熟悉的 MCP 又有着怎样的区别和联系呢？🤔
今天这期内容我们就分几个部分，彻底讲清楚这个 Agent Skill：
我们首先从 Agent Skill 的概念出发，也就是给大家讲明白 Agent Skill 到底是个什么东西，然后我们来给大家演示一下它的基本使用方法，在了解了基本用法之后，我们再来看看它的高级用法，高级用法一共是包含两块，分别是 Reference 和 Script，最后我们会把 Agent Skill 和 MCP 做个比较，告诉你到底应该选哪一个。
OK，话不多说，让我们直接开始吧！
2. Agent Skill 是什么
那什么是 Agent Skill 呢，用最通俗的话来讲，Agent Skill 其实就是一个大模型可以随时翻阅的说明文档，举几个例子：
比如你想要做一个智能客服，你可以在 Skill 里面明确交代，遇到投诉得先安抚用户的情绪，而且不得随意承诺，再比如你想要做会议总结，你可以直接在 Skill 里面规定，必须要按照参会人员、议题、决定这个格式来输出总结的内容，这样一来，你就不用每次对话都去重复粘贴那一长串的要求了，大模型自己翻翻这个说明文档，就知道该怎么干活了。
当然说明文档只是一个为了方便理解的简化说法，实际上 Agent Skill 能做的事情要远比这个强大，它的高级功能我们待会就会讲到，不过在目前的起步阶段，你就把它当成是一个说明文档就行，下面我们就用会议总结这个实际的场景，带大家看看它到底是怎么使用的。
3. Agent Skill 的基本用法
这里我们使用 Claude Code 来演示如何使用 Agent Skill，要想使用 Agent Skill，那当然是要先创建一个了，根据 Claude Code 的要求，我们需要在用户目录下的 .claude/skills 文件夹创建我们的 Agent Skill，所以呢就让我们先进入到这个文件夹，然后执行 mkdir 会议总结助手 来创建一个文件夹：
Note ：关于 Claude Code 的安装和使用，大家可以参考：Claude Code 从 0 到 1 全攻略：MCP / SubAgent / Agent Skill / Hook / 图片 / 上下文处理 / 后台任务
这个文件夹的名字就代表了我们 Agent Skill 的名字，然后再使用 VSCode 来打开这个文件夹，这样的话我们编辑文件会更方便一些，打开这个文件夹后，我们在里面创建一个叫做 SKILL.md 的文件，然后填好这个文件的具体内容，如下所示：
shell
---
name: 会议总结助手
description: 该技能用于根据会议录音总结内容
---
# 会议总结助手
## 总结规则
请将会议内容总结为以下几点：
- 参会人员
- 议题
- 决定
注意：每项都只能分别使用一句话来表述，不要分成多条。
## 示例
输入：
张三：那我们开始吧，今天主要是把下个月社区志愿活动的安排一次性定下来。
李四：我建议活动放在公园，人多也方便组织。
王五：可以，不过要提前申请场地，不然可能有风险。
赵六：场地申请我可以负责，这周内给大家结果。
孙七：人数最好先有个范围，方便准备物资。
张三：那就先按 50 人左右来估算吧。
李四：上次的手套还能用，但垃圾袋需要再买。
王五：预算要不要设个上限，避免超支。
张三：预算控制在 1000 以内，优先用现有物资。
孙七：时间我建议周六上午，天气也不会太热。
李四：九点集合应该比较合适。
赵六：我周三前把申请结果同步到群里。
张三：好，那报名截止时间定在周四晚上。
王五：周五可以统一分组和采购。
孙七：我来负责写报名文案和活动当天的合影安排。
张三：安全方面提醒大家带水，活动结束简单总结一下就行。
张三：那今天就到这，大家按分工推进。
输出：
- 参会人员：张三、李四、王五、赵六、孙七。
- 议题：统一确定下个月社区志愿活动的地点、时间、人数、预算及分工安排。
- 决定：活动定在公园于周六上午九点举行，按约 50 人规模和 1000 预算执行，由赵六负责场地申请、孙七负责宣传及合影，其余成员配合物资和分组。每一个 Agent Skill 都需要有这么一个文件，它用来描述这个 Agent Skill 的名称、能干什么事以及怎么干这个事情的，比如我们这里要创建的 Agent Skill 就是用于总结会议录音内容的。
它的 SKILL.md 一共分为两部分，头部的这几行叫做元数据，英文叫做 Metadata：
这一层就只写了 name 和 description 这两个属性，name 是 Agent Skill 的名称，必须与文件夹的名字相同的，name 的下面呢是 description，它代表这个 Agent Skill 的描述，主要是向大模型说明这个 Agent Skill 是用来干什么的。
然后再看下面剩余的部分：
这部分呢就是具体的 Agent Skill 的说明了，官方把这一部分叫做指令，对应的英文是 Instruction。这一部分就是在详细描述模型需要遵循的规则，比如说我们规定了它必须要总结参会人员、议题和决定这几个方面的内容。
然后为了确保它真的理解了，这里我们还举了一个例子：
输入的是会议的录音内容，然后输出的呢就是我们所需要的格式了。
OK，现在我们的 Agent Skill 应该是做好了，没错，就是这么简单，就是一个说明文档，下面我们打开 Claude Code 来验货，首先随便找一个空目录打开 Claude Code 然后输入下面这个问题，你有哪些 Agent Skill：
Claude Code 给我们回答了，可以看出他已经发现了我们写好的 Agent Skill，然后我们来看看 Claude Code 是怎么使用这个 Agent Skill 的，我们输入请求让我们看看 Claude Code 会如何应付我们这个问题：
shell
总结以下会议的内容：
老张：好，会议现在开始，我们这次会议主要是商量下办公室环境调整的事。
小王：老张，咱们休息区那台咖啡机最近老出毛病，是不是得找人修修？
老张：那个我已经报修了，师傅明天下午过来，大家先克服一下。
大李：还有个事，咱们门口那几盆发财树好像快枯了，谁负责浇水啊？
小王：哎呦，最近太忙给忘了，以后我每周一和周四固定去浇一下吧。
大李：行，那这事儿就交给你了。另外，咱们这学期的团建是不是该准备了？
老张：对，大家有什么想法吗？
小王：我想去玩剧本杀，最近新开了一家店口碑不错。
大李：剧本杀太烧脑了，我建议去郊区搞个露营烧烤，大家能彻底放松下。
老张：露营听起来不错，但这周天气预报说有雨，咱们先待定吧。
老张：小王你先去调研下剧本杀和露营的具体地点，咱们下周一再定最终方案。
大李：没问题，那今天就先这样。
OK，Claude Code 回答了我们，大家注意看上图，这里 Claude Code 并没有直接开始瞎编，他根据我们的指令意识到了这事儿归我们刚才新建的那个 Agent Skill 管，所以呢他加载了我们的会议总结助手这个 Skill，主要就是读取其中的那个 SKILL.md 文件来给我们回答。
从结果来看，参会人员、议题、决定三点都清清楚楚，这完全符合我们在 Skill 里面定的规矩，这个呢就是 Agent Skill 的基础用法了，是不是很简单。
现在你知道了如何创建和使用 Agent Skill，那不妨让我们想想刚才到底发生了什么，下面是马克叔绘制的流程图：
首先整个流程中一共有三个角色：用户、Claude Code 以及 Claude Code 背后所使用的大模型 ，流程一开始的时候，用户会输入请求，此时 Claude Code 会把用户的请求连同所有 Skill 的名称和描述一起发给大模型，注意这里只带了名称和描述，也就是我们前面所说的 Skill 元数据层。
虽然说我们之前只演示了一个 Skill，但是你可以想象一下，哪怕你装了十几个 Skill，此时的大模型呢也只是在看一份轻量级的目录，因为毕竟只有名称和描述嘛。在接到了用户请求和每一个 Skill 的名称描述后，大模型会发现用户的请求呢可以使用 "会议总结助手" 这个 Agent Skill来解决，此时他就会把这个信息告诉 Claude Code。
Claude Code 接到大模型的响应之后，会去 "会议总结助手" 那个目录里面读取完整的 SKILL.md 正文，没错，这个时候读取的才是 SKILL.md 的全部内容，之前就只是名称和描述，而且要注意，他只读取了 "会议总结助手" 这一个 Agent Skill 的内容哦。
在拿到了 "会议总结助手" 的 SKILL.md 内容后，Claude Code 会把用户的请求和完整的 SKILL.md 内容发给大模型，大模型会根据 SKILL.md 的要求来生成响应，并且把响应发给 Claude Code，Claude Code 进而会把这个响应发回给用户，这样呢用户就会看到结果了。
这就引出了 Agent Skill 的第一个核心机制 --- 按需加载，虽然 Skill 的名字和描述是始终对模型可见，但具体的指令内容只有在这个 Skill 被选中之后，才会被加载进来给模型看，这个就节省了很多的 Token。
4. 高级用法（Reference）
前面我们讲了，一开始 Claude Code 会把所有 Agent Skill 的名称和描述都给到模型，比如说什么爆款文案 Skill、会议总结 Skill、数据分析 Skill 等等，模型呢会从中选择一个：
之后只有选中的那个 Skill 的 SKILL.md 文件才会给到模型，说白了呢就是按需加载，这个已经很省 Token 了，但是它还不够极致。
大家试想一下，我们的会议总结助手可能会越来越高级，我们希望它不仅仅是简单复述，而是能够提供更有价值的补充说明，比如说当会议决定要花钱时，它能直接在总结里标注是否符合财务合规，当涉及到合同时，它能够提示法务风险：
这样大家在看会议总结的时候，就不需要再去翻规章制度，一眼就能够看到这些关键的补充信息，这就非常方便了。但问题在于，Skill 能做这些事情的前提是，它要把相关的财务规定和法律条文都写入到 SKILL.md 文件里，这些文件可能会非常长，都写进去的话 SKILL.md 文件就会变得无比的臃肿，哪怕只是开个简单的早会，都要被迫加载一堆根本用不上的财务和法律废话，浪费模型资源。
那能不能做到按需中的按需呢，比如说只有当会议内容真的聊到了钱，Claude Code 才会把财务规定加载给模型看：
其实这个呢也是可以的，Agent Skill 提供了 Reference 的概念，干的就是这个活，让我们来试一下。
首先我们来给 "会议总结助手" 这个 Skill 下面添加一个文件，也就是 Agent Skill 术语里面的 Reference，我们把这个文件叫做集团财务手册，其内容如下：
shell
# 集团财务手册
## 第一章：办公设备采购（IT Assets）
## 第二章：国内差旅标准（Domestic Travel）
1. **住宿补贴（按城市等级）**：
- 一线城市（北京、上海、广州、深圳）：800 元/晚。
- 新一线及二线城市：500 元/晚。
- 其他城市：350 元/晚。
2. **交通工具**：
- 飞行时长 4 小时以内仅限经济舱。
- 高铁限二等座（部门副总及以上级别可选一等座）。
## 第三章：商务招待与餐饮（Entertainment）
1. **招待标准**：
- 商务正餐：人均限额 300 元。若超过 300 元/人（如上海、香港等高消费地区最高可至 500 元/人），需附完整参会名单并提交业务副总裁（VP）特批。
2. **随访要求**：
- 内部陪同人员人数不得超过外部客户人数。
## 第四章：日常零星报销
1. **自主额度**：
- 单笔 500 元以下的办公杂费支出可由员工自主报销。
2. **主管审批**：
- 500 元至 5,000 元的支出由部门直接主管在系统内审批。
## 第五章：市场活动与公关
1. **预算申报**：
- 所有涉及品牌推广、市场活动的预算需提前 14 天提交 OA 流程申报。
2. **礼品采购**：
- 单份赠礼价值上限为 300 元。
---
*注：以上所有金额单位均为人民币（CNY）。违反以上限额且未获得特批的申请，财务部将予以退回。*
这里面写明了各种费用的报销标准，比如说住宿补贴 500 元/晚，餐饮费人均 300 元/晚之类的，然后我们在原来的 SKILL.md 文件里面，新增一个财务提醒规则，里面写明仅在提到钱预算采购费用的时候触发：
触发的时候呢，需要读取 集团财务手册.md 这个文件，根据文件内容指出会议决定中的金额是否超标并明确审批人，这就可以了。
我们回到 Claude Code 这里再试一下，这次我们的请求如下：
shell
总结以下会议的内容：
老陈：小李，下周二你跟我去趟上海，咱们得把那个大客户签下来。
小李：没问题陈总，那我今天先把出差申请给报了。
老陈：行，酒店你看着订，要方便出行的，外滩那边有个酒店不错，大概 1200 一晚。
小李：1200 稍微有点贵，但我看那地段确实好，那我就按这个金额报了？
老陈：报吧。另外晚上咱们得请客户吃顿饭，规格得高一点。
小李：明白，我预订个 3000 块左右的包间，咱们一共 6 个人，这标准行吗？
老陈：行，人均 500 在上海这种地方也算正常，为了签单这钱该花。
小李：好，那我申请单里的住宿填 1200，餐饮填 3000，我待会直接提交系统。
老陈：可以，你动作快点，审批完了咱们好赶紧订票。
老陈：没别的事就先去忙吧。我们的请求依旧是总结会议的内容，不过呢这次使用的会议内容稍微换了一下，这段对话呢我们就不细看了，你只需要知道，在这段对话里面，老陈让小李订 1200 一晚的酒店，这涉及到了钱，按道理来说，Claude Code 应该触发我们刚才新增的财务提醒规则，让我们看看 Claude Code 能不能意识到这一点：
首先 Claude Code 意识到了这个请求跟我们的 "会议总结助手" 相关联，于是它直接加载了这个 Agent Skill，然后他意识到了这个会议跟钱相关，根据 SKILL.md 文件的指示，他请求读取集团财务手册，这个文件用于查看里面的财务合规信息，它询问我们是否同意读取，我们选择同意。
最后他根据实际的会议内容生成了总结，如上图所示，可以看出总结中不仅包含参会人员、议题、决定等基本信息，还包含了财务提醒，这完美符合我们的需求，这个就是 Reference 的核心逻辑了，在 Agent Skill 的体系里面，集团财务手册.md 这个文件就是一个典型的 Reference，请大家记住它的特性，它呢是 条件触发 的。
在刚才的例子里面，只有当 Claude Code 读取完 SKILL.md 文件判断出需要查账时才会去加载这个文件，反过来说，如果这是一个跟钱无关的技术复盘会，那么这个财务文件就只会躺在硬盘里面，绝不会占用哪怕一个 token 的上下文。
OK，讲完了 Reference，接下来我们来讲讲如何让 Agent Skill 跑代码，毕竟查资料只是第一步，能直接动手运行代码帮我们把活儿干了，这才是真正的自动化，这个呢就用到了 Agent Skill 的另一大能力 --- Script。
5. 高级用法（Script）
让我们在 "会议总结助手" 这个 Skill 文件夹里面创建一个 Python 脚本，文件名就叫做 upload.py 用于上传文件，其内容如下：
python
import sys
import time
def upload_summary(content):
print("==============================================")
print("[System] 正在连接知识库服务...")
time.sleep(1.2)
# 模拟数据处理
print(f"[System] 正在上传总结内容（字符数：{len(content)}）...")
time.sleep(1.0)
print("______________________________________________")
print("✅ 上传成功！")
print(f"📄 文档已保存至: /meetings/2024/summary_{int(time.time())}.md")
print("🔗 预览链接: https://wiki.internal.com/view/99281")
print("______________________________________________")
if __name__ == "__main__":
# 获取 Claude 传入的总结文本
if len(sys.argv) > 1:
summary_text = sys.argv[1]
upload_summary(summary_text)
else:
print("❌ 错误：未接收到总结内容。")然后我们来到 SKILL.md 这个文件里，再加上一段关于上传规则的描述：
接着我们来到 Claude Code 这边，输入请求：
shell
总结以下会议的内容，并上传到服务器中：
老张：好，会议现在开始，我们这次会议主要是商量下办公室环境调整的事。
小王：老张，咱们休息区那台咖啡机最近老出毛病，是不是得找人修修？
老张：那个我已经报修了，师傅明天下午过来，大家先克服一下。
大李：还有个事，咱们门口那几盆发财树好像快枯了，谁负责浇水啊？
小王：哎呦，最近太忙给忘了，以后我每周一和周四固定去浇一下吧。
大李：行，那这事儿就交给你了。另外，咱们这学期的团建是不是该准备了？
老张：对，大家有什么想法吗？
小王：我想去玩剧本杀，最近新开了一家店口碑不错。
大李：剧本杀太烧脑了，我建议去郊区搞个露营烧烤，大家能彻底放松下。
老张：露营听起来不错，但这周天气预报说有雨，咱们先待定吧。
老张：小王你先去调研下剧本杀和露营的具体地点，咱们下周一再定最终方案。
大李：没问题，那今天就先这样。
Claude Code 意识到了这个请求与我们的 "会议总结助手" 相关，所以呢他会请求使用这个 Agent Skill，我们同意，然后他把会议的总结内容输出了出来，并准备上传到服务器中，他请求执行 upload.py 来实现这个功能，我们也同意。
OK，上传成功，而且 Claude Code 还把上传相关的一些信息也展示了出来，非常棒，这里面呢有个小插曲，大家注意一下，我们这次所使用的会议内容跟钱其实没什么关系，所以 Claude 也并没有去读取 集团财务手册.md 那个文件，并且它还非常贴心的给我们写了一个注，输出结果中也没有财务提醒相关的内容。
这正好印证了我们前面所说的观点：Reference 是按需加载的，如果用户没有提到与 Reference 相关的内容，那 Claude Code 是不会去读取它的，这样就达到了节省上下文 token 的目的。
OK，让我们再回到代码执行部分，注意看上图 Bash(...) 部分，Claude Code 申请执行这个 upload.py 文件，它并没有去读取这个文件。没错，Agent Skill 里面的代码只会被执行，不会被读取，这就意味着，哪怕你的脚本写了 1 万行复杂的业务逻辑，它消耗的模型上下文也几乎是零，Claude Code 只关心脚本的运行方法和运行结果，至于这个脚本的内容，它可以说是毫不在意。
所以虽然 Reference 和 Script 都属于 Agent Skill 的高级功能，但是他们对于模型上下文的影响其实是截然不同的，Reference 是读，它会把内容加载到上下文里面，所以是会消耗 token 的，Script 是跑，它只会被执行，不会占用模型的上下文。
讲到这里，我们需要停下来稍微做个总结，聊一聊 Agent Skill 的渐进式披露机制。
6. 渐进式披露机制
Agent Skill 的设计，其实是一个精密的 渐进式披露（Progressive Disclosure）结构，这个结构里面一共有三层，每一层的加载机制都不太一样：
第一层是 元数据层（Metadata），这里有所有的 Agent Skill 的名称和描述，它们是始终加载的，相当于大模型里面的目录，大模型每次回答前都会看一下这一层的信息，然后决定用户的问题是否与某个 Agent Skill 相匹配。
第二层是 指令层（Instruction） ，对应 SKILL.md 文件里面除了名称和描述之外其余的部分，只有当大模型发现用户的问题，与某个 Agent Skill 相匹配的时候它才会去加载这一层的内容，所以呢我们称这一层为 按需加载。
第三层是 资源层（Resource），这个是最深的一层，它一共是包含 Reference 和 Script 两方面的内容，其实按照官方最新的规范，应该还有一个组成部分叫做 Asset，不过它跟 Reference 的定义似乎有部分重叠，因此我们这里先忽略它。
OK，我们刚才例子里面的 集团财务手册.md 和 upload.py 脚本就属于这一层，只有当模型发现用户问题与财务或者上传相关的时候，他才会去加载这一层的内容，这就相当于是在按需加载的指令层基础上，又做了一次按需加载，所以我们可以称它为 按需中的按需加载。
此外，Reference 和 Script 的加载方式其实不太一样：Reference 是被读取的，Claude Code 会把对应文件的内容放到模型的上下文中，以供回答时参考；而 Script 是被执行的，Claude Code 根本就不会去看代码的内容，它只关心代码的执行结果，当然这个也不是铁律啊，如果你没有把代码的执行方法说清楚，Claude Code 还是有可能会去看一下代码的，毕竟跑不下去了嘛，这样的话呢就会占用模型的上下文了，所以还是请大家写 Skill 的时候尽可能的把一切都解释清楚。
7. Agent Skill vs MCP
那聊完了 Agent Skill 的用法，很多朋友可能会有种似曾相识的感觉，Agent Skill 好像是跟 MCP 有点像啊，本质上都是让模型去连接和操作外部世界，既然功能重叠，那我们到底应该用哪一个呢？🤔
关于这个问题，Anthropic 官方写过一篇相关的文章 [Blog] 来解释：
核心观点就一句话 MCP connects Claude to data; Skills teach Claude what to do with that data. 这句话可以说是直接点明了 MCP 与 Agent Skill 的区别，它其实就是在说 MCP 给大模型供给数据，比如说查询昨天的销售记录、读取订单的物流状态等等，而 Skill 是教会大模型如何处理这些数据的，比如说会议总结必须要有个议题、汇报文档必须要包含具体的数据等等。
这里有些同学可能就会问了，不对呀，Agent Skill 里面也能写代码，我直接在 Agent Skill 里面写连接数据的逻辑不就好了吗，这样呢就不需要 MCP 了，Agent Skill 就直接把这两个活都给干了。确实 Agent Skill 也能连数据，功能上与 MCP 有所重叠，但是能干并不代表适合干，这就好像是瑞士军刀也能切菜，但没有人会这么干。
我们这个场景呢其实也是这样，MCP 本质上是一个独立运行的程序，而 Agent Skill 本质上是一段说明文档，它们的本质不同，决定了适合的场景也是不同的，Agent Skill 更适合跑一些轻量的脚本，处理简单的逻辑，在代码执行方面 Agent Skill 的安全性和稳定性都不及 MCP，所以大家还是要根据场景选择合适的工具，甚至在很多的场景下，我们需要把 Agent Skill 和 MCP 结合起来一起使用，以便尽可能的满足我们的需求。
OK，以上就是本期想要分享的全部内容了。
结语
本篇文章博主跟着 UP 从实战与原理两个维度，对 Agent Skill 做了一次系统性的梳理。从最开始的概念理解，到基础用法的上手实践，再到 Reference 与 Script 等高级能力的拆解，最后结合渐进式披露机制与 MCP 的对比，逐步还原了 Agent Skill 在 Claude Code 中的完整工作方式。
Agent Skill 解决的是一个非常实际的问题：如何让大模型稳定、可控地完成某一类任务。通过将规则、格式、示例等信息沉淀到 SKILL.md 中，我们避免了在每一次对话中重复输入冗长提示词，让模型能够像 "查说明书" 一样快速理解任务要求，从而显著提升输出的一致性与可靠性。
Reference 与 Script 的引入使得 Agent Skill 不再只是一个 "静态说明文档"，而是具备了按需加载外部知识与执行真实动作的能力。Reference 通过条件触发实现知识的精细化注入，避免无关信息污染上下文；Script 则将执行逻辑完全从模型上下文中剥离，使得复杂操作可以在不消耗 Token 的情况下完成，这两者共同构成了 Skill 在工程实践中的核心价值。
从原理上看，Agent Skill 的设计本质上是一种 渐进式披露（Progressive Disclosure）机制：从始终可见的元数据层，到按需加载的指令层，再到按需中的按需加载的资源层，这种分层结构既保证了模型决策的灵活性，又最大程度地优化了上下文成本。这也是为什么 Agent Skill 能够在复杂场景下依然保持高效和可扩展的关键原因。
而在与 MCP 的对比中，我们可以更加清晰地看到 Agent Skill 的定位：它不是用来连接世界的，而是用来定义行为的。MCP 负责 "拿数据"，Skill 负责 "怎么用数据"，两者并不是替代关系，而是天然互补。在真实工程中，将 Skill 的规则能力与 MCP 的数据能力结合起来，往往才能构建出真正完整的 Agent 系统。
整体来看，Agent Skill 的出现，其实代表了一种新的开发范式：我们不再只是 "写代码驱动程序"，而是开始通过 "编写结构化提示 + 外部能力组合" 的方式，去构建一个可复用、可扩展的智能体能力模块。
最后，大家如果觉得马克叔的视频对你有帮助的话，别忘了点赞订阅🤗。