MCP（Model Context Protocol，模型上下文协议）
核心概念：
MCP 是由 Anthropic 于 2024 年底推出的开放标准协议，它定义了一种统一的方式，让大模型能够安全地连接和使用外部工具、数据源和服务。
为什么需要 MCP？
在没有 MCP 之前：
- 每个 AI 应用要连接外部工具（如查天气、读文件、发邮件），都要单独写一套对接代码
- 工具开发者也要为每个 AI 平台单独适配
有了 MCP 之后：
- 工具开发者只需按 MCP 标准实现一次
- AI 应用只需支持 MCP 协议，就能使用所有兼容的工具
- 就像 USB-C 接口统一了各种充电线一样
MCP 的组成
实际例子
你问 AI："帮我查一下明天北京的天气，然后把报告保存到桌面"
AI 通过 MCP 调用「天气查询工具」→ 获取数据 → 再通过 MCP 调用「文件系统工具」→ 保存到桌面
Skill（技能）
核心概念
Skill 是对大模型能力的封装和扩展，让它在特定领域或任务上表现得更加专业。可以理解为给大模型"培训了一项专业技能"。
Skill 的常见类型
实际例子
一个「数据分析 Skill」可能包含：
读取 CSV/Excel 文件
自动清洗数据
生成统计图表
撰写数据洞察报告
你只需说"分析一下这份销售数据"，AI 就会调用这个 Skill 完成全流程。
工作流（Workflow）
核心概念
工作流将一个大任务拆解为多个有序的步骤（节点），每个步骤由不同的 AI 能力、工具或人工操作来完成，步骤之间可以传递数据、根据条件分支、循环执行等。
工作流 vs 简单对话
工作流的核心元素
