当然，MCP 并未被真正淘汰，目前大部分通用 AI Agent 都支持 MCP 协议。但不可否认的是，MCP 诞生并普及后不到一年，其行业主流地位就被 Skill 取代。Skill 已成为 AI Agent 工具调用的新优选。
AI Agent 的核心发展需求之一，是实现能力扩展------尤其是对外部工具的高效调用。
从技术演进来看，Agent 工具调用的主流方式先后经历了 Function Call（函数调用）、MCP（模型上下文协议）、Skill（技能）三个阶段。每一种方式诞生时，都代表了当时 AI 工具调用领域的最先进生产力，但基本仅保持一年左右的领先优势，便被更优的解决方案超越。
一、Function Call
- 诞生：2023 年 6 月，OpenAI 发布 Function Calling 能力，摆脱了依赖自然语言生成调用指令的不稳定性。
- 普及 ：
- 2023 年末：Anthropic（Claude）、Google（Gemini）、Meta（Llama）等主流大模型厂商快速跟进，实现对 Function Call 的兼容。
- 2024 年：LangChain、LlamaIndex 等主流 AI Agent 开发框架深度集成 Function Call 能力，降低了开发者的接入门槛。
二、MCP（Model Context Protocol，模型上下文协议）
- 诞生：2024 年 11 月，Anthropic 发布 MCP 1.0 标准，定义了 Client-Server 架构与 JSON-RPC 交互规范，类比"AI 界的 USB"，旨在解决 Function Call 的碎片化、发散化痛点。
- 普及 ：
- 2025 年 3 月：OpenAI 宣布在 Agent SDK 中支持 MCP。
- 2025 年 Q2：Google、阿里、腾讯、百度、字节跳动等科技大厂相继接入 MCP 协议；Cursor、VS Code 等 IDE 完成集成，MCP 生态快速扩张。
三、Skill：更低门槛的能力封装
- 诞生 ：2025 年 10 月，Anthropic 正式提出 Skills 概念，将多步业务流程、工具调用逻辑与指令脚本封装为可复用、可组合的能力单元，核心是"渐进式信息披露"，实现按需加载、高效调用。
- 普及 ：
- 2025 年 12 月：首个 Skills 交易市场（SkillsMP）上线，收录各类封装好的技能，截至 2026 年 2 月，该市场已收录超过 16 万个 Skills， 3 月则接近 70 万 Skills。
- 2026 年初：Cursor、OpenCode 等 AI 编程类 Agent 全面支持 Skills，实现"一次封装，多端复用"，进一步扩大了 Skills 的应用范围。
Skill 为何能快速取代 MCP 的主流地位？
MCP 的诞生，本质是解决了 Function Call 时代"规范不统一、工具各自为政"的痛点------它统一了服务暴露方式，还有 Agent - Server 间的通信规范，让工具只需一次实现，即可适配所有支持 MCP 的 Agent，为工具供应方和 Agent 开发者提供了极大便利。但随着 AI Agent 向轻量化、低门槛、规模化方向发展，MCP 的固有痛点逐渐凸显，而 Skill 精准解决了这些问题，成为更贴合当下需求的方案。
值得注意的是，MCP 并非毫无用武之地，在部分特定场景中仍有不可替代的生存空间。例如，线上服务的 API 规范，最优方式仍是通过 MCP 获取；若将这些规范直接定义在 Skill 中，会出现无法与最新版本 Server 规范同步匹配的问题。
MCP 的核心痛点
- 开发门槛高、成本高：任何工具提供方要接入 MCP，都需额外开发一个 MCP Server 来暴露自身能力，不仅增加了开发工作量，还有一定技术门槛
- Token 消耗高、效率低：MCP 在进行工具选举时，需要传入完整的 Server 信息 + 工具 Schema（结构定义），交互过程多轮、结构复杂，导致 Token 消耗高，容易占用大量上下文
- 额外的维护成本：MCP 往往依赖独立的 MCP-Server 进程，一旦 MCP-Server 挂掉，Agent 便会失去源工具的调用能力
Skill 的解决方案
Skill 并非对 MCP 的否定，而是在更高抽象层的能力优化，其核心逻辑是"能力封装 + 按需加载"：
- 门槛极低，非必须的开发成本：工具提供方无需开发额外的 Server，只需将工具调用方式、业务逻辑在 Skill 中描述清楚，即可被 Agent 识别和调用。当然也可直接提供调用脚本，实现"一次封装，多次复用"，且不依赖额外的 Server 进程。
- Token 消耗低，效率更高：Skill 的选举过程仅需传入"Skill 名称 + 一句话描述"，其内部执行流程无需进入 LLM 上下文，极大节省了 Token 消耗。
- 可组合、可移植：Skills 没有丢弃 MCP "通用" 的特点，虽然没有具体的标准协议，但是不同的 Agent 通常可以无缝识别其他 Agent 中定义的 Skill，且Agent可自动识别任务所需的多个 Skill 并协调使用
总结：技术迭代的本质是"贴合需求"
Skill 之所以能快速崛起、取代 MCP 的主流地位，核心是它贴合了当下 AI Agent 开发"低门槛、高效率、可复用"的核心需求。
需要再次强调的是，MCP 并未被淘汰，虽然大部分场景会被 Skill 替代，但其标准化通信的优势依然不可替代，在特定场景可以和 Skill 实现互补使用。
最后，按照当前的技术迭代速度，或许一年之后，又会有更优的解决方案出现，"淘汰"当下的 Skill，这是 AI 时代不可以避免的"不幸"。