核心内容摘要
财务单据处理：PP-DocLayoutV3精准识别发票关键信息
正如猿人通过制作与使用石器开启人类工具新纪元LLM借助外部数字工具减少幻觉正引领人类迈入生产力大爆发的数字时代。
包括Function CallMCP以及Skills都是LLM可以使用的外部工具他们也属于上下文工程Context Engineering的一部分。
本文主要讨论一下智能体Agent工具领域的昨日之王MCP与今日新星Skills的联系与区别。
注关于MCP与Skills的概念、技术原理市面上的资料与技术文章已是汗牛充栋本文则不做重复阐述本篇重在描述技术发展的时间轨迹以及联系与区别。
MCP的不足之处MCP的作用与优势自然不必多说上图是Anthropic公司给我们描述的以及网络上人们讨论MCP的美好画面。
然而对于自己设计过MCP Sever或使用过MCP Tools的人来说这画面并非故事的全部MCP的安全风险、用户体验以及技术设计都存在一些问题早在2025年3月Mnaus首席科学家Peak就说出了“Actually, Manus doesn’t use MCP”可见其团队AI认知的市场领先性下图是社交媒体上一个关于MCP的梗图它非常形象地反应了当前MCP的尴尬现状
总结起来MCP作为AI智能体连接外部工具的标准协议虽在标准化集成方面具有优势但仍存在多方面的不足之处协议层面缺乏垮厂商标准化虽然Anthropic公司开源了MCP协议执行安全和隔离机制不足这一点已得到改进在2025年6月18日的更新中协议增强了安全性如明确MCP服务器作为OAuth资源服务器的角色上下文同步与状态管理复杂一次性加载全部Tools大量消耗Token假设服务数为M每个服务包含的Tools数量为N则总Tools数量为M*N这挤占了本来就很宝贵的智能体Agent上下文空间 - 即所谓“上下文爆炸”这就决定了MCP Tools组合形式的不可扩展性(No Scaling)。
这点严重阻碍了MCP的发展在这个背景下Skills机制的思路被探讨提出即让大模型通过编写代码来动态调用外界工具而不是一次性获得所有工具定义这有助于管理复杂的工具集和大量数据返回提升上下文空间的利用率。
注虽然Claude Code MCP团队近期也提出了动态加载工具的思路以减少上下文Token数量(Tool Search now in Claude Code: https://x.com/trq212/status/
但Skills概念已深入人心。
从Claude.md/AGENTS.md到SkillsClaude.md 是Anthropic公司提出的一种项目上下文注入机制——当在 Claude 桌面应用中与某个项目文件交互时Claude 会自动读取项目根目录下的 Claude.md 文件并将其内容作为持久化指令注入到对话上下文中主要是为了提高提示词的使用效率。
AGNET.md则是OpenAI和Google一起提出的对Claude.md/GEMINI.md/CODEBUDDY.md等机制的一个厂商标准化设计所有Agent厂商都可以实现支持这样开发者就不需要每个厂商写一个全局md文件。
它的核心思想为统一标准一个文件服务所有 AI 编程工具开放格式由 OpenAI、Google 等共同制定非专有智能就近支持嵌套离文件最近的 AGENTS.md 优先AGENTS.md: One File for All Agents - by Aravind Putrevu如果把LLM比喻为计算机的CPUContext是内存AGENTS.md则是这台智能机的外接硬盘以文件系统组织形式。
既然文件组织形式这么好用为什么不推而广之同时在创建Agent应用实践过程中工程师们逐渐认识到这样一个现象AI所有使用的工具类型当中使用代码工具写代码执行代码执行任务最擅长完成任务的效率最高UIUC的王星尧博士的《Executable Code Actions Elicit Better LLM Agents》论文专门研究了这个主题读者可自行搜索阅读之。
Anthropic公司也认识到Claude固然强大但实际工作不仅需要流程性知识还需要组织背景信息。
于是在2025年10月Anthropic推出了Agent Skills一种基于文件和文件夹构建专业智能体的新方式其核心理念是让用户可以将专业知识和工作流程打包成技能包使 Claude 从通用 AI 助手变身为特定领域的专家。
注2025年7月Manus工程博客发表《AI Agent的上下文工程构建Manus的经验教训》其中一条即为使用文件系统作为上下文再一次感叹Manus团队的超前认知。
也就是说当文件系统遇上代码工具计算机的生产力就彻底被解放了。
这种设计思想最终可以追溯到Unix/Linux “一切皆文件”的设计哲学。
一句话解释Skills以文件系统的形式组织专业知识与工作流的技能包/工具箱。
下图是Anthropic官方收录的skills集合基本上涵盖了职场人士的高频技能任务如office套件、前端设计、画图等https://skillsmp.com/zh 是民间收录的skills集合当前技能数已达6w。
也就是说一旦定义为skills这些技能就可以通过智能体Agent为所有人共享。
如果说软件世界里的代码/库是操作行为上的复用Skills则是方法论上的复用而且是自然语言维度上的复用。
这也意味着数字世界skills能力的边际成本已趋近为0。
昨日社交媒体上阿里千问App上的“一句话点奶茶外卖”的能力便是这些工具应用的冰山一角。
MCP与Skills的联系与区别既然Skills这款Agent工具如此好用是不是可以不需要MCP了并不是。
在单机里、在简单环境、在初级任务里Skills机制确实可以很出色的完成使命。
但现实世界尤其是商业环境各个平台提供的服务都不尽相同同一个平台的各业务方向执行环境也并非完全共享。
这一切都需要一种可以交换商业服务的标准化协议而且需要透明、安全、高效这便是MCP存在的必要性。
Anthropic《Equipping agents for the real world with Agent Skills》上图是Claude Code使用Skills与MCP的真实场景二者的主要职责可以表述如下Skillsuse computer模式下单机环境skills使用bash/python/node.js等程序工具完成任务。
MCP如果需要其他Agent服务或者第三方服务则需要通过MCP工具获取所以Skills不是MCP的替代而是MCP的补充。
普通人如何抓住AI大模型的风口领取方式在文末为什么要学习大模型目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 大模型作为其中的重要组成部分 正逐渐成为推动人工智能发展的重要引擎 。
大模型以其强大的数据处理和模式识别能力 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 为各行各业带来了革命性的改变和机遇 。
目前开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景其中应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。
随着AI大模型技术的迅速发展相关岗位的需求也日益增加。
大模型产业链催生了一批高薪新职业人工智能大潮已来不加入就可能被淘汰。
如果你是技术人尤其是互联网从业者现在就开始学习AI大模型技术真的是给你的人生一个重要建议最后只要你真心想学习AI大模型技术这份精心整理的学习资料我愿意无偿分享给你但是想学技术去乱搞的人别来找我在当前这个人工智能高速发展的时代AI大模型正在深刻改变各行各业。
我国对高水平AI人才的需求也日益增长真正懂技术、能落地的人才依旧紧缺。
我也希望通过这份资料能够帮助更多有志于AI领域的朋友入门并深入学习。
真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】大模型全套学习资料展示自我们与MoPaaS魔泊云合作以来我们不断打磨课程体系与技术内容在细节上精益求精同时在技术层面也新增了许多前沿且实用的内容力求为大家带来更系统、更实战、更落地的大模型学习体验。
希望这份系统、实用的大模型学习路径能够帮助你从零入门进阶到实战真正掌握AI时代的核心技能01教学内容从零到精通完整闭环【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块内容比传统教材更贴近企业实战大量真实项目案例带你亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事02适学人群应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。
零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。
业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。
vx扫描下方二维码即可【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】本教程比较珍贵仅限大家自行学习不要传播更严禁商用03入门到进阶学习路线图大模型学习路线图整体分为5个大的阶段04视频和书籍PDF合集从0到掌握主流大模型技术视频教程涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向新手必备的大模型学习PDF书单来了全是硬核知识帮你少走弯路不吹牛真有用05行业报告白皮书合集收集70报告与白皮书了解行业最新动态0690份面试题/经验AI大模型岗位面试经验