Skills vs MCP：有什么区别？
很多初学者会混淆 Skills 和 MCP，它们是完全不同的两个东西。本文从本质、用途、配置方式等多个维度详细对比两者的区别与关系。
🎯 核心区别
| 维度 | Skills | MCP |
|---|---|---|
| 本质 | 知识和流程 | 工具和接口 |
| 提供什么 | 告诉 AI “怎么做” | 给 AI “能用什么” |
| 存储位置 | skills/ 目录 |
MCP 服务器 |
| 配置方式 | Markdown 文件 | JSON 配置文件 |
| 触发方式 | /skill-name 或自动识别 |
通过配置自动加载 |
💡 形象比喻
如果把 Claude 比作一个”工作人员”：
- MCP 是给这个工作人员配备的**”工具”**（扳手、电脑、访问权限）
- Skills 是给这个工作人员的**”操作手册”**（怎么做代码审查、怎么提交代码）
🔗 它们的关系
Skills 和 MCP 不是竞争关系，而是互补关系。
两者配合使用，才能发挥 AI 的最大效能。
📖 举例说明
场景：代码审查
Skills 定义：
- 审查步骤
- 检查清单
- 输出格式
MCP 提供：
- 访问 GitHub PR
- 获取代码 diff 的能力
两者配合：
- Skills 告诉 Claude “怎么审查”
- MCP 给 Claude “访问代码的能力”
✅ 选择建议
| 你的需求 | 推荐方案 |
|---|---|
| 需要定义工作流程 | 用 Skills |
| 需要访问外部数据 | 用 MCP |
| 需要两者都有 | 配合使用 |
🎯 总结
理解 Skills 和 MCP 的区别，有助于更好地配置和使用 AI 助手：
- Skills 是”大脑”的说明书 — 定义 AI 如何思考和处理任务
- MCP 是”手脚”的工具箱 — 提供 AI 访问外部世界的能力
两者结合，让 AI 既能”想明白”（Skills），又能”做得到”（MCP）。
标签： #AI #MCP #Skills #技术对比