开源 Skill 技术梳理：AI Agent 技能生态全景

Together_CZ2026-06-21 10:58

假期正好也没什么事情，之前经常会看到各种平台发出来的skill推广，一直没有时间去看下，今天就花了点时间整体调研总结了下，作为自己的学习记录，也分享给有需要的朋友。

一、Skill 技术全景图

1.1 Skill 在 AI 生态中的位置

复制代码 
用户 ──→ Agent（LLM大脑）──→ Skill 层 ──→ 外部世界
                                    │
                    ┌───────────────┼───────────────┐
                    ▼               ▼               ▼
              文本处理类        数据/计算类       通信/IO类
              ├── 摘要          ├── 数据分析      ├── 邮件
              ├── 翻译          ├── 代码执行      ├── 日历
              ├── 写作          ├── 数据库查询    ├── 消息推送
              └── 问答          └── 数学计算      └── 文件操作

1.2 Skill 相关技术栈分类

层级 技术方向 代表项目
协议层 Skill/Tool 标准化协议 MCP, OpenAPI, LangChain Tools
框架层 Agent 框架（Skill 编排） LangChain, AutoGen, CrewAI, OpenAI Assistants
技能层 具体 Skill 实现 LangChain Tools, MCP Servers, OpenAI Plugins
发现层 Skill 市场/仓库 MCP Server Registry, ToolHouse, Composio
基础设施层 Skill 运行环境 E2B, Modal, AWS Lambda

二、核心开源项目梳理

2.1 MCP（Model Context Protocol）生态

MCP 是当前最重要的 Skill 标准化协议，由 Anthropic 于 2024 年底发布。

2.1.1 MCP 官方仓库
仓库 Stars 描述
modelcontextprotocol/servers 30k+ MCP 官方参考服务器实现集合
modelcontextprotocol/python-sdk 10k+ MCP Python SDK
modelcontextprotocol/typescript-sdk 8k+ MCP TypeScript SDK
modelcontextprotocol/specification 5k+ MCP 协议规范
2.1.2 热门 MCP Server 项目（GitHub）
项目 功能 Stars 地址
filesystem 文件系统读写 官方 servers/src/filesystem
github GitHub API 集成 官方 servers/src/github
postgres PostgreSQL 查询 官方 servers/src/postgres
sqlite SQLite 数据库 官方 servers/src/sqlite
brave-search 网页搜索 官方 servers/src/brave-search
puppeteer 浏览器自动化 官方 servers/src/puppeteer
slack Slack 消息集成 社区 多个实现
notion Notion API 社区 makenotion/notion-mcp-server
google-drive Google Drive 社区 多个实现
memory 知识图谱记忆 官方 servers/src/memory
2.1.3 MCP 生态关键趋势
复制代码 
2024 Q4: MCP 协议发布
    │
2025 Q1: MCP SDK 发布（Python/TypeScript）
    │
2025 Q2: 主流 LLM 平台集成 MCP
    ├── Claude Desktop 原生支持
    ├── Cursor IDE 集成
    ├── VS Code Copilot 集成
    └── Windsurf 集成
    │
2025 Q3: MCP Server 生态爆发
    ├── 官方 servers 仓库 30k+ stars
    ├── 社区贡献数百个 MCP Server
    └── 企业开始构建内部 MCP Server
    │
2025 Q4-2026: MCP 成为事实标准
    ├── OpenAI 宣布支持 MCP
    ├── Google 开始集成
    └── MCP Server 市场形成

2.2 LangChain 生态

LangChain 是最成熟的 LLM 应用开发框架，其 Tool/Skill 体系非常完善。

2.2.1 核心仓库
仓库 Stars 描述
langchain-ai/langchain 100k+ LangChain 核心框架
langchain-ai/langgraph 10k+ Agent 图编排框架
langchain-ai/langsmith 3k+ 可观测性平台
langchain-ai/langchainjs 12k+ JavaScript 版本
2.2.2 LangChain Tool 体系
python 复制代码 
# LangChain 的 Tool 定义方式
from langchain.tools import tool

@tool
def search_web(query: str) -> str:
    """搜索网页信息"""
    # 实现搜索逻辑
    return results

@tool  
def calculate(expression: str) -> str:
    """计算数学表达式"""
    return str(eval(expression))

# 使用 Tool
from langchain.agents import AgentExecutor, create_openai_tools_agent
agent = create_openai_tools_agent(llm, [search_web, calculate], prompt)
2.2.3 LangChain 内置工具
工具包 功能
langchain-community/tools 社区贡献工具集合
langchain-community/tools/wikipedia Wikipedia 查询
langchain-community/tools/arxiv 论文搜索
langchain-community/tools/yahoo_finance 财经数据
langchain-community/tools/google_search Google 搜索
langchain-community/tools/shell Shell 命令执行
langchain-community/tools/python Python REPL
2.2.4 LangGraph（Agent 编排）
python 复制代码 
# LangGraph 用图的方式编排 Skill
from langgraph.graph import StateGraph

workflow = StateGraph(AgentState)
workflow.add_node("search", search_skill)
workflow.add_node("analyze", analyze_skill)
workflow.add_node("write", write_skill)

workflow.add_edge("search", "analyze")
workflow.add_edge("analyze", "write")

workflow.add_conditional_edges("analyze", should_write_more, {
    "yes": "write",
    "no": END
})

2.3 AutoGen（微软）

AutoGen 是微软的多 Agent 框架，强调 Agent 之间的协作。

仓库 Stars 描述
microsoft/autogen 40k+ 多 Agent 对话框架
microsoft/autogen-studio 5k+ 可视化 Agent 构建

核心概念：

python 复制代码 
from autogen import AssistantAgent, UserProxyAgent

# 创建具有不同技能的 Agent
coder = AssistantAgent("Coder", llm_config=config)
reviewer = AssistantAgent("Reviewer", llm_config=config)
executor = UserProxyAgent("Executor", code_execution_config={"work_dir": "coding"})

# Agent 之间协作完成任务
groupchat = GroupChat(agents=[coder, reviewer, executor])

2.4 CrewAI

CrewAI 专注于多 Agent 协作，每个 Agent 有自己的角色和技能。

仓库 Stars 描述
crewaiinc/crewai 25k+ 多 Agent 协作框架
crewaiinc/crewai-tools 3k+ CrewAI 工具集合
python 复制代码 
from crewai import Agent, Task, Crew

# 定义具有技能的 Agent
researcher = Agent(
    role="研究员",
    goal="收集最新市场数据",
    tools=[search_tool, scraper_tool],
    llm=llm
)

writer = Agent(
    role="报告撰写者",
    goal="撰写专业的市场分析报告",
    tools=[file_writer_tool],
    llm=llm
)

# 定义任务
research_task = Task(description="研究AI市场趋势", agent=researcher)
write_task = Task(description="撰写分析报告", agent=writer)

# 创建团队
crew = Crew(agents=[researcher, writer], tasks=[research_task, write_task])
result = crew.kickoff()

2.5 OpenAI Assistants API & GPTs

产品 描述 Skill 机制
Assistants API OpenAI 的 Agent API Code Interpreter + Retrieval + Function Calling
GPTs 自定义 ChatGPT Actions（自定义 API 集成）
Function Calling 工具调用机制 JSON Schema 定义工具
python 复制代码 
# OpenAI Function Calling
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名"}
            },
            "required": ["city"]
        }
    }
}]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools
)

2.6 其他重要项目

2.6.1 Toolhouse
项目 描述
toolhouse-ai/toolhouse-python 一键为 LLM 添加技能
官网 toolhouse.ai
python 复制代码 
from toolhouse import Toolhouse
th = Toolhouse()
# 一行代码添加搜索、网页抓取等技能
response = client.chat.completions.create(
    model="gpt-4o", messages=messages, tools=th.get_tools()
)
2.6.2 Composio
仓库 Stars 描述
ComposioHQ/composio 15k+ 250+ 应用集成平台
python 复制代码 
from composio_langchain import ComposioToolSet
toolset = ComposioToolSet()
tools = toolset.get_tools(actions=["GITHUB_CREATE_ISSUE", "SLACK_SEND_MESSAGE"])
2.6.3 E2B（代码执行沙箱）
仓库 Stars 描述
e2b-dev/E2B 8k+ AI 代码执行沙箱
2.6.4 Semantic Kernel（微软）
仓库 Stars 描述
microsoft/semantic-kernel 25k+ 微软的 AI 编排框架
csharp 复制代码 
// Semantic Kernel 的 Plugin（技能）定义
public class WeatherPlugin
{
    [KernelFunction]
    public async Task<string> GetWeather(string city)
    {
        // 获取天气
    }
}
2.6.5 Dify
仓库 Stars 描述
langgenius/dify 60k+ 开源 LLM 应用开发平台

Dify 提供了可视化的 Skill/Tool 编排界面，支持自定义工具和工作流。

2.6.6 Coze（字节跳动）

字节跳动的 AI Bot 构建平台，支持：

  • 插件（Skill）市场
  • 工作流编排
  • 知识库集成
2.6.7 HuggingGPT / TaskMatrix
仓库 描述
microsoft/JARVIS TaskMatrix --- 用 LLM 调度 AI 模型作为技能
microsoft/TaskMatrix 论文实现

核心思想：LLM 作为控制器，将 HuggingFace 上的数千个 AI 模型作为 Skill 调用。

三、Skill 技术发展趋势

3.1 发展阶段

复制代码 
阶段1 (2022): 工具增强 LLM
  ├── ReAct 论文（推理+行动）
  ├── Toolformer（LLM 学习使用工具）
  └── LangChain Tools

阶段2 (2023): Agent 框架爆发
  ├── ChatGPT Plugins / Actions
  ├── AutoGen / CrewAI
  ├── Function Calling 标准化
  └── GPTs 发布

阶段3 (2024): 标准化协议
  ├── MCP 协议发布
  ├── OpenAI 支持 MCP
  ├── LangGraph 成熟
  └── 多 Agent 协作框架

阶段4 (2025): 生态成熟
  ├── MCP Server 生态爆发（30k+ stars）
  ├── 主流 IDE 集成 MCP
  ├── Skill 市场形成
  └── 企业级 Skill 平台

阶段5 (2026+): 智能化
  ├── Skill 自动发现和组合
  ├── Skill 自学习和优化
  ├── 跨 Agent Skill 共享
  └── Skill 安全和权限管理

3.2 六大趋势

趋势 描述 代表项目
1. 标准化 MCP 成为 Skill 通用协议 MCP SDK, MCP Servers
2. 市场化 Skill 像 App 一样可交易 Composio, Toolhouse, Coze
3. 智能化 Agent 自动选择和组合 Skill LangGraph, AutoGen
4. 安全化 Skill 权限控制和审计 SROS2, MCP 安全层
5. 本地化 本地运行的 Skill Server Ollama + MCP, LM Studio
6. 垂直化 行业特定的 Skill 库 医疗/金融/法律 Skill

3.3 技术选型建议

场景 推荐方案
快速原型 LangChain Tools + OpenAI
企业级应用 MCP + Dify/Composio
多 Agent 协作 CrewAI / AutoGen / LangGraph
标准化集成 MCP Protocol
微软技术栈 Semantic Kernel
开源优先 LangChain + MCP
本地部署 Ollama + MCP + 本地工具

四、关键项目对比

4.1 Skill 定义方式对比

框架 定义方式 示例
MCP JSON Schema + 实现函数 @app.tool()
LangChain Python 装饰器 @tool
OpenAI JSON Schema tools=[{...}]
CrewAI Tool 类 BaseTool 子类
Semantic Kernel C#/Python 装饰器 [KernelFunction]
AutoGen 函数注册 register_for_llm()

4.2 Skill 发现机制对比

框架 发现方式
MCP 协议级发现（客户端连接服务器自动获取）
LangChain 代码导入
Composio 应用市场搜索
Toolhouse 一键安装
Dify 可视化市场

五、总结与展望

5.1 当前格局

复制代码 
MCP 协议 ──→ 正在成为事实标准
    │
    ├── Claude / Cursor / VS Code 已原生支持
    ├── OpenAI 已宣布支持
    └── 社区生态快速增长

LangChain ──→ 最成熟的开发框架
    │
    ├── 100k+ stars，最大社区
    ├── Tool 体系完善
    └── LangGraph 提供高级编排

企业平台 ──→ Dify / Composio / Toolhouse
    │
    ├── 降低 Skill 开发门槛
    ├── 可视化编排
    └── 企业级安全

5.2 给开发者的建议

  1. 立即学习 MCP：这是 Skill 领域最重要的标准
  2. 掌握 LangChain：最成熟的 Skill 开发框架
  3. 关注 Composio/Toolhouse：了解 Skill 市场化趋势
  4. 实践 Agent 编排：LangGraph / CrewAI 是多 Agent 协作的主流方案
  5. 构建领域 Skill：垂直行业的 Skill 库是核心竞争力
热门推荐
012026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？022026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04【AI】2026 年具身智能模型和世界模型总结05GitHub 镜像站点06AI科技热点日报 | 2026年6月1日07AI一周事件 · 2026-06-03 至 2026-06-0908Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析09上线仅72小时被强制下架：Claude Fable 5 的短命10Codex 下载安装指南：Windows 和 macOS 官方版下载