前言

2025年10月16日，Anthropic正式推出了Agent Skill。起初官方对它的定位相当克制，只是希望用它提升Claude在特定任务上的表现。但大家很快发现这套设计的实用性，行业内迅速跟上节奏——VS Code、Codex、Cursor等主流工具陆续加入了对Agent Skill的支持。

在这样的行业热潮下，同年12月18日，Anthropic做出了一个关键决策：将Agent Skill发布为开放标准，支持跨平台、跨产品复用。这一举措意味着Agent Skill彻底跳出了Claude单一产品的范畴，正式演变为AI Agent领域的通用设计模式。

这个让大厂纷纷跟进的Agent Skill，到底解决了什么核心痛点？它和我们熟悉的MCP又有什么区别与联系？接下来，我们就从概念、用法、高级功能到工具对比，彻底搞懂它。

一、Skill是什么？通俗理解就是“AI的专属说明书”

用最直白的话来说，Agent Skill就是大模型可以随时翻阅的“任务说明书”。

举两个实际例子就好懂了。

如果想做智能客服，你可以在 Skill 里明确规定：

1. 遇到投诉先安抚情绪
2. 不得随意承诺

再比如，如果需要做会议总结，直接在 Skill 里要求：请将会议总结按照以下几点进行输出：

1. 参会人员
2. 议题
3. 决定

有了这个“说明书”，你就不用每次和AI对话都重复粘贴一长串要求，大模型自己翻翻看“说明书”，就知道该怎么干活了。

当然，“说明书”只是简化理解的说法。实际上Agent Skill的能力远不止于此，后续的高级功能会让它的价值更突出。不过刚接触的阶段，先把它当成“可复用的任务要求文档”就足够了。

二、Skill的基本用法：3步创建专属“任务助手”

以Claude Code为工具，用“会议总结”场景演示基本用法，整个过程简单易懂，核心就3步：

第一步，创建Skill文件夹。

按照 Claude Code 的要求，先进入用户目录下的 .claude/skill 文件夹，执行“mkdir 会议总结助手”创建文件夹——这个文件夹的名字就是你Agent Skill的名称。

第二步，编写skill.md文件。

打开创建好的文件夹，新建一个skill.md文件，这是每个Agent Skill的核心文件，用来描述Skill的名称、功能和具体规则，主要分为两部分：

一是元数据（Metadata），被两段短横线包裹，核心是 name 和 description 两个属性。name必须和文件夹名称一致，description则说明这个Skill的用途，让大模型知道它能解决什么问题；

二是指令（Instruction），这是详细的规则描述。比如我们可以在这里明确“会议总结需包含参会人员、议题、决定三个核心部分”，还能附上输入输出示例，确保大模型理解准确。

第三步，调用验证。

打开Claude Code，输入“你有哪些Agent Skill”，就能看到我们创建的“会议总结助手”已被识别。之后输入“总结以下会议内容”并粘贴会议文本，Claude Code会先询问是否允许使用该Skill，同意后就会按照skill.md的要求输出规范总结——参会人员、议题、决定一目了然，完全符合预设规则。

这里要重点说下背后的核心逻辑：整个流程涉及用户、Claude Code和背后的Claude大模型三个角色。用户输入请求后，Claude Code会先把“所有Skill的名称和描述”（也就是元数据）发给大模型，让大模型快速匹配对应的Skill；匹配成功后，才会加载该Skill的完整指令内容，最后让大模型按规则生成结果。这种“先匹配再加载”的方式，核心是为了节省Token资源。

三、Skill的高级用法：Reference 和Script，实现“按需加载+自动执行”

基础用法解决了“重复提要求”的问题，而高级用法则通过Reference和Script两个功能，进一步提升效率、拓展场景，核心是实现“更精准的按需加载”和“自动化执行”。

1. Reference：条件触发的“补充资料包”

基础用法虽然省Token，但如果任务需求变复杂，skill.md文件可能会变得臃肿。比如我们希望会议总结助手不仅能总结内容，还能在涉及花钱时标注财务合规性、涉及合同时提示法务风险——如果把所有财务规定、法律条文都写进skill.md，哪怕是简单的早会总结，也要加载一堆用不上的内容，浪费资源。

这时候就需要Reference：它是“条件触发的补充资料”，只有满足特定条件才会被加载。

在“会议总结助手”文件夹里新建一个“集团财务手册.md”，写下住宿补贴500元/晚、餐饮费300元/人等具体规定；然后在skill.md里新增规则：“仅当会议内容提到钱、预算、采购、费用时触发，触发后读取集团财务手册.md，指出金额是否超标并明确审批人”。

如果会议内容里有“订1200元/晚的酒店”这类涉及费用的表述，Claude Code会先匹配会议总结助手，同意后会进一步询问是否允许读取“集团财务手册.md”，最后输出的总结里会附加财务提醒；如果是不涉及费用的技术复盘会，这个财务文件就不会被加载，完全不占用Token。

2. Script：零Token消耗的“自动化脚本”

如果说Reference解决了“精准查资料”的问题，Script则解决了“自动干活”的问题——让Agent Skill直接运行代码，实现任务自动化。

比如我们可以在文件夹里创建一个名为 upload.py 的Python脚本，编写好文件上传的代码逻辑；然后在 skill.md 里补充规则：“如果用户提到上传、同步、发送到服务器，需运行 upload.py 脚本，将总结内容上传到服务器”。

输入“总结以下会议内容并上传到服务器”，粘贴会议文本后，Claude Code会先匹配会议总结助手，生成总结后询问是否允许执行upload.py，同意后就会自动完成上传，并反馈上传结果。

这里有个关键细节：Script是“被执行”而非“被读取”的。哪怕你的脚本有一万行复杂逻辑，也几乎不消耗模型上下文Token——Claude只关心脚本的运行方法和结果，不关注脚本内部代码，这和需要加载内容的Reference有本质区别。

四、核心机制：渐进式披露、层层按需加载省资源

Skill的设计核心是“渐进式披露”，分为三层结构，每一层的加载逻辑都不同，目的是最大限度节省Token资源：

第一层：元数据层（所有Skill的名称和描述）。

始终加载，相当于大模型的“技能目录”，每次回答前大模型都会先看这一层，快速匹配用户问题对应的Skill；

第二层：指令层（skill.md中除元数据外的内容）。

按需加载，只有匹配到对应的Skill后，才会加载这一层的详细规则；

第三层：资源层（包含Reference和Script）。

按需中的按需加载，只有满足特定条件（比如涉及费用、需要上传）时，才会加载对应的补充资料或执行脚本。

五、Skill vs MCP：该选哪个？

很多人会觉得Agent Skill和MCP很像，本质上都是让模型连接和操作外部世界。但Anthropic官方用一句话明确了两者的区别：

“MCP connects Claude to data, Skills teach Claude what to do with that data”，

翻译过来就是“MCP给大模型提供数据，Skill教大模型如何处理这些数据”。

具体来说：MCP的核心作用是“供给数据”，比如查询昨天的销售记录、读取订单物流状态；而Skill的核心作用是“定义规则”，比如会议总结要包含哪些部分、汇报文档需要突出哪些数据。

可能有人会问：“Agent Skill也能写代码，直接在里面写连接数据的逻辑不行吗？” 理论上可以，但两者的本质决定了适用场景不同：MCP是独立运行的程序，安全性和稳定性更强；而Skill本质是“说明文档”，更适合跑轻量脚本、处理简单逻辑。

所以实际使用中，更建议根据场景选择工具：复杂的数据连接需求优先用MCP，简单的任务规则定义和轻量自动化用Agent Skill；很多场景下，两者结合使用才能最大化满足需求。

总结

从 Anthropic 最初推出时的“特定任务优化工具”，到如今成为大厂跟进的“跨平台开放标准”，Skil l的核心价值在于解决了“AI任务规则重复定义”和“资源高效利用”的痛点。通过“渐进式披露”机制，它实现了从“技能目录”到“详细规则”再到“补充资源”的层层按需加载，既降低了用户的使用成本，也节省了模型资源。

无论是基础的“任务说明书”用法，还是高级的 Reference 资料匹配、Script 自动执行，Skill都在让AI的使用更高效、更灵活。而明确它与MCP的定位差异，能让我们在实际场景中更精准地选择工具，甚至通过两者结合实现更复杂的AI自动化需求。