核心内容摘要
探索成人世界的无限可能：一个关于成长、探索与尊重的深度对话
然后把mcp的python代码写在scripts/里你的理解部分正确但需要澄清一个关键点Agent Skills 并不是“把 MCP 方法改成 CLI 方法”而是提供了一种更轻量、更结构化的方式来封装任务逻辑——其中可以包含 CLI 调用、脚本执行、提示词模板等。
MCP 和 Agent Skills 是互补的而非替代关系。
✅ 正确的理解应该是表格维度MCPModel Context ProtocolAgent Skills定位连接协议统一接入外部工具/数据源如数据库、API、文件系统能力包封装“怎么做某类事”的完整流程含指令、脚本、资源作用让 Agent能访问外部能力“有插座”让 Agent知道怎么用这些能力“有操作手册”实现方式通过标准 JSON-RPC 协议与独立服务通信本地文件夹SKILL.mdscripts/可直接调用 CLI/脚本是否依赖 CLI不一定MCP 工具可用任何语言实现可以使用 CLI但不是必须也可用 Python 脚本、纯提示词等 为什么你会觉得“Skills 是把 MCP 改成 CLI”因为在实际落地中很多原本通过 MCP 暴露的简单工具比如fetch、git、pdf-parse现在被开发者直接写成 Shell/Python 脚本放进 Skill 的scripts/目录并通过subprocess调用——绕过了 MCP Server 的部署复杂性。
举个例子MCP 方式启动一个mcp-server-git服务 → Agent 通过 MCP 协议调用git clone。
Skill CLI 方式在 Skill 中直接写python编辑subprocess.run([git, clone, url], cwdwork_dir)→ 无需 MCP Server更轻量。
✅这确实是当前流行的做法尤其适合内部工具确定性高、安全性可控的场景快速原型开发 官方视角Anthropic / Agentic AI Foundation“MCP connects Claude to data, Skills teach Claude what to do with that data.”—— Anthropic 工程团队也就是说MCP 负责“拿数据”连接世界Skills 负责“处理数据”专业做事你完全可以用MCP 获取数据库记录用Skill 中的 Python 脚本分析数据并生成报告两者协同工作。
✅ 结论表格说法是否准确“Agent Skills 就是把 MCP 改成 CLI”❌不准确过度简化“Agent Skills 可以用 CLI 实现原本由 MCP 提供的工具功能从而简化架构”✅准确工程实践中的常见优化“Skills 和 MCP 是竞争关系”❌错误它们是上下层协作关系 建议用法简单、确定性任务如文件处理、Git 操作、HTTP 请求→ 用Skill CLI/脚本轻量高效复杂、需治理的系统集成如企业 ERP、多租户 API、审计日志→ 用MCP安全、标准化、可监控技术选型不是非此即彼而是“该用 MCP 时用 MCP该用 Skill 时用 Skill”。
如果你正在迁移一个具体 MCP 工具到 Skill欢迎提供工具名称或功能我可以帮你写出对应的 CLI/Skill 实现方案。