1. 从「只会说」到「真能干活」AI-Agent、MCP、Skills 到底谁管谁刚接触智能体体系的开发者最容易卡在三个词上AI-Agent、MCP、Skills。它们经常被放在同一句话里但分工完全不同。你可以先把它们想成一家公司AI-Agent 是员工负责理解需求、拆任务、盯进度MCP 是公司统一的接口标准让员工能插上打印机、数据库、Git 这些外部设备Skills 是员工随身带的技能手册告诉他这类活该怎么干、按什么规范干。三者缺一个链路就断。我见过太多人一上来就写 Agent 循环结果工具调不通也有人配好了 MCP却不知道让模型按什么流程用工具最后变成「能连上但不会用」。这篇就按一条主线走先讲清三者关系再落到真实工具场景用 Cline MCP 做一次最小可运行验证。你会拿到可复制的 MCP 服务端配置片段、Skills 目录结构与调用示例以及一套检查链路是否跑通的步骤。读完不用再猜「我到底缺哪一环」照着配、照着验就行。核心检索词先摆出来AI-Agent 是执行主体MCP 是模型与工具之间的通用协议Skills 是可装载的能力模块。适合谁适合刚接触智能体、想从概念走到亲手跑通的开发者尤其是已经在用 Cline、Claude Code、Codex 这类工具的人。2. 三者分工与协作AI-Agent、MCP、Skills 的边界到底在哪2.1 AI-Agent负责「想清楚再动手」的执行主体AI-Agent 不是一个具体软件而是一套运行机制。它至少包含四件事LLM 做理解和规划、记忆保存上下文、工具箱提供外部操作能力、规划器把大任务拆成小步骤。传统聊天机器人只能给你建议Agent 能真正去读文件、调 API、跑命令。举个最小例子。你说「把 src/user.py 里所有 print 换成 logging」聊天机器人会告诉你改哪几行Agent 会先读文件、定位 print、生成替换、写回文件再告诉你改了几处。差别就在「执行」两个字。但 Agent 自己不会凭空知道怎么连文件系统。它需要一个统一方式去发现和调用工具这就是 MCP 的位置。2.2 MCP模型和工具之间的通用接口MCP 全称 Model Context Protocol你可以把它理解成 AI 世界的 USB 标准。没有它的时候每个模型对接每个工具都要写一套适配有了它工具按 MCP 协议暴露能力任何支持 MCP 的客户端都能即插即用。MCP 里有两个关键概念要分清资源Resource是数据比如文件内容、数据库记录工具Tool是操作比如读文件、查数据库、发请求。模型通过 JSON-RPC 格式和 MCP 服务端通信先握手问「你能做什么」再按需调用。通信方式常见有 stdio本地进程最常用、SSE、WebSocket。对刚上手的人来说stdio 最省事Cline 里配一个 command 加 args 就能跑。2.3 Skills可装载、可组合的能力模块Skills 解决的是「同一个 Agent怎么快速切换专业身份」。它把角色设定、领域知识、工作流程、触发钩子打包成一个目录需要时加载不需要时卸载。和 Rules 的区别在于Rules 往往是单项目静态规则Skills 可以动态加载上下文、可以分享、可以组合。一个 Skill 通常包含元信息name、description、persona角色与语气、context_files要加载的知识文件、hooks在读写文件等时机自动触发的检查。它不直接执行外部操作外部操作还是交给 MCP 工具。2.4 三者协作的一句话模型AI-Agent 是员工MCP 是标准接口Skills 是技能包。员工通过标准接口操作设备按技能包里的规范干活。没有 MCP员工插不上设备没有 Skills员工每次都要你口头交代规范没有 Agent前两者只是静态配置没人去规划和执行。下面这张对照表可以贴在工位上组件角色在最小任务里的作用AI-Agent执行主体理解需求、规划步骤、协调调用MCP通信协议让 Agent 连上文件系统、Git 等工具Skills能力模块提供审查规范、流程与触发规则3. 可复制配置Cline MCP 服务端片段与 Skills 目录结构这一节是全文最该动手的部分。我以 Cline 为例因为它的 MCP 配置直观改完就能在对话里看到工具列表。3.1 Cline MCP 配置文件位置与片段Cline 的 MCP 配置一般放在用户目录下的配置文件中Windows 常见路径是C:\Users\你的用户名\AppData\Roaming\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.jsonmacOS 在~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json。路径以你本机实际为准找不到就在 Cline 的 MCP 面板点「Configure MCP Servers」直接打开。下面是一个可复制的文件系统 MCP 服务端片段注意把路径换成你自己的项目目录{ mcpServers: { filesystem: { command: npx, args: [ -y, modelcontextprotocol/server-filesystem, D:/workspace/demo-agent ], disabled: false, autoApprove: [] } } }这里三件套要记牢Base URL 不是 MCP 的概念但如果你用的是远程模型服务模型侧要配好 Base URL、Key、Model IDMCP 侧则是 command、args、env。两者别混。如果你要接一个远程模型服务来驱动 Agent模型配置可以长这样以兼容 OpenAI 协议的服务为例{ apiProvider: openai, openAiBaseUrl: https://taotoken.net/api, openAiApiKey: 你的API Key, openAiModelId: claude-sonnet-4-5 }Key 在 https://taotoken.net/api-keys 获取接入细节看 https://taotoken.net/doc。注意 Base URL 用https://taotoken.net/api不要多加路径。3.2 Skills 目录结构Skills 一般放在项目根目录或用户级目录下的skills/文件夹。一个最小 Skill 目录如下skills/ └── code-reviewer/ ├── SKILL.md ├── persona.md └── context/ ├── coding-standards.md └── common-issues.mdSKILL.md是入口写元信息和钩子persona.md写角色和语气context/放要加载的知识文件。一个可复制的SKILL.md示例--- name: code-reviewer description: 审查 Python 代码质量并给出修复建议 persona: persona.md context_files: - context/coding-standards.md - context/common-issues.md hooks: afterReadFile: - 检查类型注解是否缺失 - 检查是否存在 SQL 拼接风险 required_mcp_tools: - filesystem.read - filesystem.write --- 审查时先肯定优点再按严重程度列出问题每条给出修改示例。3.3 把 MCP 和 Skills 串起来配置完 MCP 后Cline 会在工具列表里出现filesystem相关工具。Skills 不直接调用工具而是在 Agent 规划时提供「该怎么用这些工具」的规范。比如afterReadFile钩子触发后Agent 会按coding-standards.md里的规则逐条检查。如果你更习惯命令行方式Claude Code 的接入方式也类似参考 https://taotoken.net/claude-code-anthropic 里的说明配置 Base URL 和 Key再在项目里放skills/目录即可。4. 验证请求用一次最小任务跑通整条链路配置完不验证等于没配。这一节给一个最小任务让 Agent 读取一个 Python 文件按 Skill 规范审查并把建议写回一个新文件。4.1 准备测试文件在D:/workspace/demo-agent下建src/user.pyimport sqlite3 def get_user(name): conn sqlite3.connect(app.db) cursor conn.cursor() query SELECT * FROM users WHERE name name cursor.execute(query) return cursor.fetchall()这段代码故意留了两个问题没有类型注解、SQL 字符串拼接有注入风险。4.2 发起最小任务在 Cline 对话框输入请读取 src/user.py按 code-reviewer Skill 的规范审查 把问题和修改建议写入 review/user-review.md。4.3 预期执行过程Agent 会先调用filesystem.read读取文件触发afterReadFile钩子加载coding-standards.md和common-issues.md逐条比对后生成报告再调用filesystem.write写入review/user-review.md。如果链路跑通review/user-review.md里应该出现类似内容## 问题 1缺少类型注解 建议def get_user(name: str) - list[tuple]: ## 问题 2SQL 拼接存在注入风险 建议使用参数化查询 cursor.execute(SELECT * FROM users WHERE name ?, (name,))4.4 成功结果的判断标准三个信号说明链路通了Cline 工具列表里能看到 filesystem 工具对话里出现工具调用记录目标文件被真实创建且内容符合 Skill 规范。少任何一个都说明某一环没接上去第 5 节对照排查。5. 常见报错排查401、local proxy failed、reading choices、OAuth这一节按真实报错来。遇到问题先别改代码按下面顺序对照。5.1 401 Unauthorized最常见的原因是 Key 没填对或 Base URL 写错。检查三件套Base URL 是否为https://taotoken.net/apiKey 是否从 https://taotoken.net/api-keys 复制完整Model ID 是否拼写正确。注意 Key 前后不要有空格JSON 里不要漏引号。5.2 local proxy failed这个报错通常出现在客户端尝试走本地代理但代理没启动时。检查你的 MCP 配置里command是否可执行比如npx是否在 PATH 里。Windows 上可以先把command换成完整路径测试。另外确认没有多余的代理环境变量干扰。5.3 reading choices 相关报错这类报错多半是模型返回格式和客户端预期不一致。先确认 Model ID 是否被服务端支持再检查请求是否被中间层改写。如果用的是兼容 OpenAI 协议的服务确认openAiBaseUrl没有多加/v1或结尾斜杠。5.4 OAuth 相关报错如果你接的是需要 OAuth 的 MCP 服务端报错通常出现在回调地址不匹配或 token 过期。检查服务端配置里的回调地址和客户端一致重新走一次授权。不需要 OAuth 的本地 stdio 服务端不会遇到这类问题可以先换成本地服务端验证链路。5.5 工具列表为空MCP 配置保存后Cline 需要重启或重新加载。如果工具列表还是空打开 MCP 面板看服务端状态多数是command或args写错导致进程没起来。把args里的路径换成绝对路径再试。5.6 Skill 没生效检查SKILL.md的 frontmatter 格式name和description必填context_files路径相对于 Skill 目录。如果钩子没触发确认客户端版本支持 hooks。实在不行先在对话里显式说「按 code-reviewer Skill 审查」排除是加载问题还是触发问题。6. 从跑通到常用把这条链路变成日常工具链路跑通只是起点。接下来可以做的几件事把常用的 MCP 服务端文件系统、Git、数据库都配进cline_mcp_settings.json一次配置长期使用把团队规范沉淀成 Skills新人拉下来就能用用 Coding Plan 把长期编码和 Agent 任务固定下来减少每次手动配模型的成本。如果你主要做模型对话验证可以去 https://taotoken.net/model-chat 直接试如果要做长期编码和 Agent 任务看 https://taotoken.net/coding-plan需要管理 Key 就去 https://taotoken.net/api-keys接入细节统一看 https://taotoken.net/doc。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content。最后留一个我踩过的坑Skills 里的context_files不要塞太多大文件加载慢还会挤占上下文按需拆成多个小 Skill 更稳。先把最小任务跑通再逐步加工具和规范比一上来堆一堆配置靠谱得多。