Skill和MCP和Subagent 的选择

核心问题：当你的 AI 助手"不会"做某件事，怎么办？

想象你有一个 AI 助手（agent，即"代理"------一个能自主完成任务、调用工具的 AI 程序）。某天你让它做一件它不会做的事，比如"帮我审查这段代码"。

你有三种方式教会它，从最轻到最重：

第一种：Skill（技能）

Skill = 一个写给 AI 看的说明书，用 markdown 格式（一种纯文本的排版格式）写成，告诉 AI"遇到这类任务，你应该按这个步骤来做"。

类比：就像给新员工一份操作手册，贴在他桌上，他每次做这件事时就照着手册来。

复制代码

名字：review_typescript（审查TypeScript代码）  
描述：检查类型、异步错误和安全问题  
  
步骤：  
1. 检查函数的输入有没有类型声明  
2. 检查异步操作有没有处理错误  
3. 检查用户输入有没有安全漏洞  
4. 先报问题，再说风格建议

特点：

成本极低------只是几行文字加进 AI 的"记忆"里
AI 读了之后，用它已有的工具按步骤执行
适合：稳定的、重复性的操作流程

风险： Skill 是文字，直接进入 AI 的"大脑"（prompt，即每次对话时发给 AI 的完整指令）。如果有人给你安装了一个恶意的 skill，它就相当于在 AI 脑子里植入了坏指令------这比其他两种方式危险得多。所以安装来自外部的 skill 时要谨慎，就像安装手机 App 要看权限一样。

第二种：MCP Server（MCP 服务器）

MCP Server = 一个独立运行的程序，专门负责某项能力，AI 通过"调用工具"的方式来使用它。

MCP （Model Context Protocol，模型上下文协议）是一个标准接口，让 AI 和外部程序能互相"说话"。Server（服务器）在这里不是指网站服务器，而是指"在后台运行、等待被调用的程序"。

类比：就像你公司的财务部门。你不需要自己学会做账，你只需要填一张申请单（调用工具），财务部门（MCP Server）在他们自己的办公室里处理，然后把结果给你。

什么时候用 MCP Server？ 三个信号：

这个能力需要访问外部资源（数据库、网站、第三方服务）
这个能力要被多个不同的 AI 助手共用
这个能力需要保管密码/密钥，不能让 AI 直接看到

特点：

中等成本------每次调用有一点点网络通信的开销
能力在独立进程里运行，崩溃了不影响主 AI
适合：需要外部资源、或者要在多个 AI 之间复用的能力

第三种：Subagent（子代理）

Subagent = 派生出来的另一个完整 AI 助手，专门负责一个子任务，有自己的指令、工具、预算和输出格式。

Parent agent （父代理）= 发出任务的主 AI。Subagent（子代理）= 被派出去干活的 AI。

类比：你是项目经理（父代理），你把"调研竞品"这个任务完整地交给一个实习生（子代理），给他一台电脑、一个任务说明、一个截止时间，让他自己想怎么做就怎么做，最后交给你一份报告。

复制代码

派出一个"研究员"子代理：  
- 任务：综合这些文档里最重要的观点  
- 允许使用的工具：read_document, search_documents  
- 最多执行12步  
- 输出格式：结构化的研究摘要

特点：

成本最高------相当于开了一个全新的 AI 对话，消耗大量 token（token = AI 处理文字的计量单位，可以理解为"字数费用"）
完全隔离------子代理有自己的上下文（context，即 AI 当前"记得"的所有内容）
适合：需要多步骤自主推理的复杂子任务

常见的子代理角色：

explore（探索者）：只读，便宜，用来"找东西"
build（构建者）：全权限，贵，用来"做东西"
plan（规划者）：只读，便宜，用来"想方案"
reviewer（审查者）：只读，便宜，用来"检查别人的输出"

怎么选？一张决策图

复制代码

这个能力是稳定的、重复性的操作流程吗？  
  ↓ 是 → 写一个 Skill  
  ↓ 否  
需要访问外部代码/数据库/第三方服务/密钥吗？  
  ↓ 是 → 写或使用一个 MCP Server  
  ↓ 否  
需要它自己独立地多步推理吗？  
  ↓ 是 → 派一个 Subagent  
  ↓ 否 → 直接用内置工具，或者写进主 AI 的指令里

黄金法则： 大多数团队第一反应是"再派一个子代理"，但正确答案通常是"写一个 skill"。子代理是最贵的选项，只在真正需要独立推理时才用。

同一件事，三种做法对比

以"总结一篇长文档"为例：

方式	什么时候用	成本
Skill	文档已经在 AI 的上下文里，只需要告诉它"按这个格式总结"	极低
MCP Server	文档在外部数据库里，需要先查询、解析 PDF 等	中等
Subagent	需要读几十篇文档、对比矛盾观点、反复迭代	高

能力会随时间"升级"

这三种形式不是一成不变的，随着系统成熟，能力会自然迁移：

重复的工具调用序列 → Skill：AI 总是按同样顺序调用三个工具？写成 skill，让它直接用名字调用。
Skill 变大了 → MCP Server：skill 越写越长、需要密钥？把它提升为独立服务。
Subagent 其实只是在走流程 → Skill：子代理每次都做同样的步骤、没有真正的"推理"？折叠成 skill，省掉一个完整的 AI 循环。

一句话总结

Skill 教 AI 怎么做 （最便宜）；MCP Server 把执行隔离到外部（中等）；Subagent 把推理隔离到另一个 AI（最贵）。永远从最轻的开始。