从模型到可执行 Agent：MCP、Skills 与 Computer Use 架构拆解

大模型提供了推理核心，但"模型能回答"与"系统能交付"之间，仍然隔着一整套 Agent Engineering。

在最近的 Agent 产品中，MCP、Skills、Computer Use 经常同时出现。它们不是同一层的技术，也不应该被当成三选一。

一张表看懂职责

层级	解决的问题	更接近什么
Skills	如何完成特定任务	可执行 SOP
MCP	如何连接外部能力	工具协议与能力注册表
Computer Use	如何操作没有接口的系统	GUI 兼容层
Agent Runtime	如何组织整个执行过程	状态机与调度器

Skills：把领域方法从 Prompt 中解耦

一个 Skill 不应该只是更长的系统提示词。它至少需要提供：

• 触发条件；
• 输入和输出契约；
• 任务步骤；
• 工具依赖；
• 禁止事项；
• 验收规则；
• 失败分支。

把这些内容独立出来的好处，是能够版本化、复用、评审和针对具体场景迭代，而不是把所有逻辑塞进一条不断膨胀的 Prompt。

MCP：能力发现与标准化调用

MCP 将外部能力描述为 Agent 可以发现和调用的工具或资源。Runtime 可以先读取工具 Schema，再由模型选择调用并生成参数。

MCP 主要降低连接成本，但它不自动提供：

• 跨步骤状态管理；
• 幂等性；
• 重试与补偿；
• 权限审批；
• 结果验证；
• 长任务恢复。

这些仍然需要业务代码或 Agent Runtime 实现。

Computer Use：覆盖长尾系统的降级路径

当目标系统没有 API，或者 API 无法覆盖关键步骤时，可以进入 Computer Use：

Screenshot / DOM / Accessibility Tree
                ↓
          Action Decision
                ↓
     Click / Type / Scroll / Upload
                ↓
          New Page State
                ↺

GUI 路径的主要风险不是模型不会点，而是环境不稳定：

• 页面结构变化；
• 异步加载；
• 弹窗遮挡；
• 焦点漂移；
• 验证码与登录过期；
• 操作完成但业务状态未更新。

所以它应该是明确标记的 fallback，而不是默认工具。

推荐路由策略

type Route = 'mcp' | 'computer-use' | 'human'

function chooseRoute(step: Step): Route {
  if (toolRegistry.has(step.capability)) return 'mcp'
  if (step.risk === 'high') return 'human'
  if (uiAdapter.supports(step.target)) return 'computer-use'
  return 'human'
}

真实实现还要增加：

1. 每个写操作的幂等键；
2. 执行前后的状态快照；
3. 可恢复的 checkpoint；
4. 可观察的 action trace；
5. 基于交付物而非页面提示的验证；
6. 高风险动作的人机确认。

一个可落地的任务循环

Goal
  ↓
Skill 生成步骤与验收标准
  ↓
优先 MCP / API
  ↓  无接口
Computer Use
  ↓
Verifier 检查产物与业务状态
  ↓  失败
Recovery 重新规划或回滚
  ↓
Human Confirm
  ↓
Deliver

这里最关键的一层往往不是 Planner，而是 Verifier。

如果系统只会执行动作，却无法判断动作是否真正成功，那么它仍然只是更复杂的自动化脚本。

2026 年产品趋势

Google 的 Managed Agents 已经把后台运行、远程 MCP、函数调用和凭证刷新组合起来；OpenAI 的工作型 Agent 强调跨连接应用和文件生成最终产物；Anthropic 的行业 Agent 模板则把 Skills、Connectors 和 Subagents 放进同一架构。

方向非常一致：Agent 正在从模型包装层，变成包含连接、执行、状态、验证与权限的运行系统。

总结

• Skills 提供专业方法；
• MCP 提供结构化工具连接；
• Computer Use 处理 GUI 长尾；
• Runtime 负责规划、路由、恢复和状态；
• Verifier 与 Human Confirm 决定系统能否安全交付。

模型决定能力上限，工程系统决定可用下限。

参考资料

• Model Context Protocol
• Gemini API Managed Agents
• Gemini Computer Use