写一个最小AI Agent智能体真实能用的示例，分别调用mcp和skill

"最小 AI Agent 示例"

包含：

LLM
Skill
MCP
Runtime

并且：

明确区分：

Skill 调用

MCP 调用

用 Python 写一个非常清晰的结构。

一、目标

用户输入：

text 复制代码

分析 logs/test.log 并生成测试建议

Agent 会：

1. 通过 MCP 读取文件

text 复制代码

filesystem.read()

2. 通过 Skill 分析日志

text 复制代码

AnalyzeLogSkill()

3. 返回结果

二、整体架构

text 复制代码

        用户
          ↓
     Agent Runtime
          ↓
         LLM
      ↙       ↘
   Skill      MCP
(业务能力)   (外部系统)

三、代码结构

text 复制代码

project/
│
├── agent.py
├── runtime.py
├── skills/
│   └── analyze_log.py
├── mcp/
│   └── filesystem.py

四、MCP 示例（文件系统）

mcp/filesystem.py

python 复制代码

class FileSystemMCP:

    def read_file(self, path):
        with open(path, "r", encoding="utf-8") as f:
            return f.read()

五、Skill 示例（日志分析）

skills/analyze_log.py

python 复制代码

class AnalyzeLogSkill:

    def run(self, log_text):

        result = {
            "timeout_count": 0,
            "disconnect_count": 0,
            "suggestion": []
        }

        lines = log_text.splitlines()

        for line in lines:

            if "timeout" in line.lower():
                result["timeout_count"] += 1

            if "disconnect" in line.lower():
                result["disconnect_count"] += 1

        if result["timeout_count"] > 0:
            result["suggestion"].append(
                "检查串口超时配置"
            )

        if result["disconnect_count"] > 0:
            result["suggestion"].append(
                "检查USB连接稳定性"
            )

        return result

六、Runtime（核心）

runtime.py

这里是：

真正调度：

Skill + MCP 的地方

python 复制代码

from mcp.filesystem import FileSystemMCP
from skills.analyze_log import AnalyzeLogSkill


class AgentRuntime:

    def __init__(self):

        # 注册 MCP
        self.filesystem_mcp = FileSystemMCP()

        # 注册 Skill
        self.analyze_skill = AnalyzeLogSkill()

    def execute_tool_call(self, tool_name, args):

        # MCP 调用
        if tool_name == "filesystem.read":

            return self.filesystem_mcp.read_file(
                args["path"]
            )

        # Skill 调用
        elif tool_name == "AnalyzeLogSkill":

            return self.analyze_skill.run(
                args["log_text"]
            )

        else:
            raise Exception(f"Unknown tool: {tool_name}")

七、模拟 LLM

真实情况：

LLM 会输出 Tool Call。

这里我们手动模拟。

agent.py

python 复制代码

from runtime import AgentRuntime


runtime = AgentRuntime()


# =========================
# Step1:
# LLM 决定调用 MCP
# =========================

tool_call_1 = {
    "tool": "filesystem.read",
    "args": {
        "path": "logs/test.log"
    }
}

log_text = runtime.execute_tool_call(
    tool_call_1["tool"],
    tool_call_1["args"]
)

print("读取日志:")
print(log_text)


# =========================
# Step2:
# LLM 决定调用 Skill
# =========================

tool_call_2 = {
    "tool": "AnalyzeLogSkill",
    "args": {
        "log_text": log_text
    }
}

analysis_result = runtime.execute_tool_call(
    tool_call_2["tool"],
    tool_call_2["args"]
)

print("\n分析结果:")
print(analysis_result)

八、logs/test.log 示例

text 复制代码

[INFO] start test
[ERROR] timeout
[ERROR] serial disconnect

九、运行结果

text 复制代码

读取日志:

[INFO] start test
[ERROR] timeout
[ERROR] serial disconnect


分析结果:

{
    'timeout_count': 1,
    'disconnect_count': 1,
    'suggestion': [
        '检查串口超时配置',
        '检查USB连接稳定性'
    ]
}

十、这里谁是 MCP？谁是 Skill？

MCP

python 复制代码

filesystem.read

作用：

"连接外部世界"

真正操作：

文件
数据库
串口
浏览器

Skill

python 复制代码

AnalyzeLogSkill

作用：

"业务能力"

负责：

分析
推理
工作流

十一、真正的 LLM 会怎样？

真实情况不是手写：

python 复制代码

tool_call_1 = {...}

而是：

LLM 自动生成：

json 复制代码

{
  "tool": "filesystem.read",
  "args": {
    "path": "logs/test.log"
  }
}

Runtime 再执行。

十二、更像真正 Agent 的版本

真正 Agent 会：

text 复制代码

LLM
 ↓
读取日志（MCP）
 ↓
分析错误（Skill）
 ↓
生成修复建议（Skill）
 ↓
调用串口（MCP）
 ↓
重新测试（Skill）
 ↓
上传MES（MCP）

十三、工业自动化里的典型映射

你现在做的自动测试平台：

其实可以直接拆成：

类型	示例
MCP	SerialPortMCP
MCP	MESMCP
MCP	DatabaseMCP
MCP	PowerSupplyMCP
Skill	AnalyzeFailureSkill
Skill	GenerateTestFlowSkill
Skill	AutoRepairSkill
Skill	ReportSkill

十四、最关键的本质

真正重要的是：

Skill 负责"智能"

MCP 负责"连接"

Runtime 负责"执行"

LLM 负责"决策"

十五、一句话理解

这个示例里：

text 复制代码

filesystem.read
    ↓
这是 MCP

AnalyzeLogSkill
    ↓
这是 Skill

LLM 只是：

"决定什么时候调用谁"

上面的不清楚，写一个真实能用的

下面给你一个：

真正"可运行"的 AI Agent 示例

包含：

真正的 LLM（OpenAI API）
MCP
Skill
Runtime
自动 Tool Calling
API Key 配置

并且：

明确区分：

MCP 调用

Skill 调用

这个例子你可以直接跑。

一、项目结构

text 复制代码

agent_demo/
│
├── main.py
├── runtime.py
├── config.py
│
├── skills/
│   └── analyze_log.py
│
├── mcp/
│   └── filesystem.py
│
├── logs/
│   └── test.log
│
└── requirements.txt

二、安装依赖

requirements.txt

txt 复制代码

openai>=1.30.0

安装：

bash 复制代码

pip install -r requirements.txt

三、配置 API Key

config.py

python 复制代码

OPENAI_API_KEY = "你的API_KEY"

MODEL_NAME = "gpt-4.1-mini"

你也可以改成环境变量：

python 复制代码

import os

OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")

四、MCP（文件系统）

mcp/filesystem.py

这里模拟：

MCP Server

python 复制代码

class FileSystemMCP:

    def read_file(self, path):

        with open(path, "r", encoding="utf-8") as f:
            return f.read()

五、Skill（日志分析）

skills/analyze_log.py

python 复制代码

class AnalyzeLogSkill:

    def run(self, log_text):

        timeout_count = 0
        disconnect_count = 0

        for line in log_text.splitlines():

            line = line.lower()

            if "timeout" in line:
                timeout_count += 1

            if "disconnect" in line:
                disconnect_count += 1

        result = {
            "timeout_count": timeout_count,
            "disconnect_count": disconnect_count,
            "suggestions": []
        }

        if timeout_count > 0:
            result["suggestions"].append(
                "检查串口超时设置"
            )

        if disconnect_count > 0:
            result["suggestions"].append(
                "检查USB连接稳定性"
            )

        return result

六、Runtime（核心）

runtime.py

这里：

真正调度：

Skill + MCP

python 复制代码

import json

from mcp.filesystem import FileSystemMCP
from skills.analyze_log import AnalyzeLogSkill


class AgentRuntime:

    def __init__(self):

        self.filesystem = FileSystemMCP()

        self.analyze_skill = AnalyzeLogSkill()

    # 给LLM看的工具定义
    def get_tools(self):

        return [

            # MCP Tool
            {
                "type": "function",
                "function": {
                    "name": "filesystem_read",
                    "description": "读取文件内容",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "path": {
                                "type": "string"
                            }
                        },
                        "required": ["path"]
                    }
                }
            },

            # Skill Tool
            {
                "type": "function",
                "function": {
                    "name": "analyze_log_skill",
                    "description": "分析测试日志",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "log_text": {
                                "type": "string"
                            }
                        },
                        "required": ["log_text"]
                    }
                }
            }
        ]

    # 真正执行 Tool
    def execute_tool(self, tool_name, arguments):

        if tool_name == "filesystem_read":

            return self.filesystem.read_file(
                arguments["path"]
            )

        elif tool_name == "analyze_log_skill":

            result = self.analyze_skill.run(
                arguments["log_text"]
            )

            return json.dumps(
                result,
                ensure_ascii=False,
                indent=2
            )

        else:
            raise Exception(f"Unknown tool: {tool_name}")

七、真正的 Agent（LLM参与）

main.py

这里：

真正让 LLM 自动决定：

调 MCP

还是调 Skill

python 复制代码

import json

from openai import OpenAI

from runtime import AgentRuntime
from config import OPENAI_API_KEY, MODEL_NAME


client = OpenAI(
    api_key=OPENAI_API_KEY
)

runtime = AgentRuntime()


messages = [
    {
        "role": "system",
        "content": """
你是一个测试日志分析AI Agent。

你可以：
1. 读取日志文件
2. 分析日志错误
3. 给出建议

你应该自动决定调用哪个工具。
"""
    },
    {
        "role": "user",
        "content": "请分析 logs/test.log 的错误"
    }
]


while True:

    response = client.chat.completions.create(
        model=MODEL_NAME,
        messages=messages,
        tools=runtime.get_tools(),
        tool_choice="auto"
    )

    msg = response.choices[0].message

    # LLM 要调用工具
    if msg.tool_calls:

        messages.append(msg)

        for tool_call in msg.tool_calls:

            tool_name = tool_call.function.name

            arguments = json.loads(
                tool_call.function.arguments
            )

            print(f"\nLLM决定调用工具: {tool_name}")
            print("参数:", arguments)

            # Runtime 真正执行
            tool_result = runtime.execute_tool(
                tool_name,
                arguments
            )

            print("\n工具返回结果:")
            print(tool_result)

            # 返回给LLM继续思考
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": str(tool_result)
            })

    else:

        print("\n最终回答:\n")
        print(msg.content)

        break

八、日志文件

logs/test.log

text 复制代码

[INFO] start test
[ERROR] timeout
[ERROR] serial disconnect

九、运行

bash 复制代码

python main.py

十、真实运行过程（重点）

你会看到：

Step1：LLM调用 MCP

text 复制代码

LLM决定调用工具: filesystem_read

这是：

MCP 调用

因为：

text 复制代码

filesystem_read

操作了：

外部文件系统

Step2：LLM调用 Skill

text 复制代码

LLM决定调用工具: analyze_log_skill

这是：

Skill 调用

因为：

它在做：

业务逻辑分析

Step3：最终回答

text 复制代码

发现：
1. 存在 timeout 错误
2. 存在 serial disconnect 错误

建议：
- 检查串口超时配置
- 检查USB连接稳定性

十一、这里的核心本质

MCP

python 复制代码

filesystem_read

作用：

text 复制代码

连接现实世界

Skill

python 复制代码

analyze_log_skill

作用：

text 复制代码

执行业务能力

LLM

负责：

text 复制代码

决定：
- 什么时候读文件
- 什么时候分析
- 下一步做什么

十二、真正的 Agent Loop 出现了

这里已经是真正的：

ReAct Agent Loop

text 复制代码

LLM 思考
 ↓
Tool Call
 ↓
Runtime执行
 ↓
结果返回
 ↓
LLM继续思考

十三、你可以继续扩展

比如：

MCP

text 复制代码

serial_open
mes_upload
database_query
browser_open

Skill

text 复制代码

GenerateRepairPlan
AnalyzeCurrent
GenerateTestFlow

十四、工业自动化方向（你最适合）

你其实特别适合做：

AI 自动测试 Agent

因为你已经有：

测试平台
MES
串口
自动化流程
工厂工具

你只差：

给系统接一个 LLM 大脑

十五、最关键的一句话

这个示例已经实现：

"LLM 自动决定调用 MCP 还是 Skill"

而不是：

python 复制代码

if xxx:
    call_tool()

这就是：