文章介绍了Anthropic的Claude模型中Skills与MCP的协同机制。MCP提供对外部系统的标准化连接，而Skills提供工作流程逻辑，指导Claude有效使用这些工具。两者结合可构建遵循特定工作流程的智能代理，实现清晰的数据发现、可靠的任务编排和一致的性能输出。通过金融分析和会议准备案例，展示了Skills与MCP协同如何自动化复杂工作流程，提高效率并确保结果一致性。

---

前言

Claude相继提出MCP以及Skills。MCP旨在统一工具接口，让function calling更简单一些。Skills更多是Agent如何解决一类问题的说明书。Claude在几天前又出了一篇：https://claude.com/blog/extending-claude-capabilities-with-skills-mcp-servers，阐述Skills和MCP Server如何协作，详细内容如下文。

---

摘要

本文深入探讨了 Anthropic 的两大核心功能——技能（Skills）和模型上下文协议（Model Context Protocol, MCP）——如何协同工作，以帮助用户构建能够遵循特定工作流程并有效利用外部系统和平台的智能代理（Agents）。

自推出技能以来，我们从客户那里听到的两个最大问题是：“技能和 MCP 如何协同工作？我应该在什么时候使用哪一个？”

模型上下文协议（MCP）将 Claude 连接到第三方工具，而技能则教会 Claude 如何更好地使用这些工具。当您将两者结合时，您可以构建出能够遵循您的团队工作流程的代理，而不是需要不断纠正的通用流程。

例如，通过 MCP 连接到 Notion，Claude 可以搜索您的工作空间。如果再添加一个用于会议准备的技能，Claude 就会知道应该从哪些页面提取信息、如何格式化准备文档，以及您的团队对交付会议记录的标准是什么。这种连接将变得真正有用，而不仅仅是可用。

在本文中，我们将剖析技能和 MCP 之间的关系，说明如何结合它们来构建能够遵循您的工作流程并产生一致输出的代理，并通过几个实际案例来展示它们在实践中如何协同工作。

理解技能和 MCP

想象您走进一家五金店，想要修理一个坏掉的橱柜。店里有您需要的一切（木胶、夹具、替换铰链），但知道要买哪些东西以及如何使用它们是另一个问题。

MCP 就像是让您能够进入这些货架。而技能，则像是店员的专业知识。如果您不知道需要哪些物品或如何使用它们，再多的库存也无济于事。技能就像那位乐于助人的店员，他会引导您完成修理过程，指出正确的用品，并向您展示正确的技巧。

更具体地说，MCP 服务器为 Claude 提供了访问您的外部系统、服务和平台的权限，而技能则提供了 Claude 有效使用这些连接所需的上下文，教会 Claude 在获得访问权限后应该做什么。

如果没有技能提供的上下文，Claude 必须猜测您想要什么。有了技能，Claude 就可以遵循您的行动手册。

技能和 MCP 协同工作的优势

MCP 负责连接性：它提供对外部系统的安全、标准化访问。无论是连接到 GitHub、Salesforce、Notion，还是您自己的内部 API，MCP 服务器都赋予了 Claude 接触您的工具和数据的能力。

技能负责专业知识：它是领域知识和工作流程逻辑，将原始的工具访问转化为可靠的成果。一个技能知道何时查询您的 CRM、在结果中寻找什么、如何格式化输出，以及哪些边缘情况需要不同的处理方式。

这种分离使架构具有可组合性。一个技能可以编排多个 MCP 服务器，而一个 MCP 服务器可以支持数十种不同的技能。添加一个新的连接后，现有的技能可以将其整合进来。优化一个技能后，它可以在所有已连接的工具上生效。

当您结合使用技能和 MCP 时，您将获得：

优势	描述
清晰的发现 (Clear discovery)	Claude 不再需要猜测去哪里寻找。一个会议准备技能可能会指定：先检查项目页面，然后是以前的会议记录，最后是利益相关者资料。一个研究技能可能会说：从共享驱动器开始，与 CRM 进行交叉引用，然后通过网络搜索填补空白。技能编码了关于哪些来源对哪些任务重要的机构知识。
可靠的编排 (Reliable orchestration)	多步骤工作流程变得可预测。如果没有技能，Claude 可能会在检查是否收集到所有数据之前就开始格式化。技能明确定义了顺序，因此 Claude 每次都会以相同的方式执行工作流程。
一致的性能 (Consistent performance)	输出结果真正符合标准。通用结果需要编辑。技能定义了您的团队认为“完成”的标准：正确的结构、正确的细节水平以及适合您受众的语气。

随着时间的推移，团队会建立起相互关联的技能和连接的集合，使 Claude 在其特定领域拥有专业知识。

技能和 MCP 如何协同工作：MCP 提供工具访问，技能提供工作流程逻辑。

技能和 MCP 可能重叠的地方

MCP 服务器可能包含以工具使用提示和常见任务提示形式存在的指令。这使得工具特定的知识与工具保持紧密联系。然而，这些指令在设计上应保持通用性。

经验法则：MCP 指令涵盖了如何正确使用服务器及其工具。技能指令涵盖了如何将它们用于特定的流程或在多服务器工作流程中。

例如，一个 Salesforce MCP 服务器可能会指定查询语法和 API 格式。而一个技能则会指定首先检查哪些记录、如何将它们与 Slack 对话进行交叉引用以获取最新上下文，以及如何为您的团队的管线审查构建输出结构。

在结合 MCP 服务器和技能时，请注意避免指令冲突。如果您的 MCP 服务器要求返回 JSON，而您的技能要求格式化为 Markdown 表格，Claude 就必须猜测哪个是正确的。让 MCP 处理连接性，让技能处理呈现、排序和工作流程逻辑。

结合使用技能和 MCP 的实际案例

现在，我们来看看技能和 MCP 如何在实际工作流程中结合。我们将探讨两个案例：金融分析师提取实时市场数据进行公司估值，以及项目经理使用 Notion 的“会议智能”技能进行会议准备。

在这两个案例中，MCP 服务器提供了对工具的访问，而技能则定义了如何使用这些工具。

案例一：金融分析：自动化公司估值技能

Anthropic 发布了一套预构建的技能，用于常见的金融工作流程，包括可比公司分析。可比公司分析是一种标准的估值方法。进行可比公司分析的分析师需要花费数小时从多个来源提取财务指标、应用相同的估值方法，并格式化输出以符合合规标准。这是一个重复、容易出错的工作流程，正是技能和 MCP 协同工作能带来益处的类型。

• 技能：可比公司分析 自动化了这一估值工作流程，从多个来源提取数据，应用一致的方法，并按照特定标准格式化输出。
• MCP 服务器： 连接到 S&P Capital IQ、Daloopa 和 Morningstar 等，以获取实时市场数据。

•工作流程：

1. 发现： 技能识别要查询的数据源。
2. 连接： MCP 连接提取实时财务数据。
3. 编排： 技能应用估值方法并格式化输出。
4. 性能： 技能根据合规要求进行验证。

案例二：会议准备：Notion 的“会议智能”技能

会议准备工作繁琐。您需要从多个地方（例如项目文档、以前的会议记录和利益相关者信息）提取上下文，然后将其综合成一份预读材料和一份议程。这是一种您每次都需要重新解释的多步骤流程。

• 技能：会议智能 定义了要搜索哪些页面、如何构建输出结构以及要包含哪些部分。
• MCP 服务器： Notion 连接，用于搜索、读取和创建页面。

•工作流程：

1. 发现： 技能识别要搜索的相关页面，包括项目、以前的会议和利益相关者信息。
2. 连接： MCP 连接从 Notion 搜索并检索内容。
3. 编排： 技能构建两份文档：内部预读材料和外部议程。
4. 性能： MCP 连接将这两份文档保存到 Notion，并进行组织和链接。
5. 技能 确保输出符合团队的格式和内容标准。

何时使用技能 vs. MCP

技能和 MCP 解决了不同的问题，但决定在特定工作流程中使用哪一个并不总是显而易见的。

技能的使用场景

技能捕获了原本存在于您脑海中，或者每次有新人加入团队时都需要重新解释的知识。它们最适用于：

• 涉及工具的多步骤工作流程： 例如，从多个来源提取信息，然后创建结构化文档的会议准备。
• 一致性至关重要的流程： 例如，必须每次都遵循相同方法的季度财务分析，或带有强制检查点的合规性审查。
• 您希望捕获和共享的领域专业知识： 例如，研究方法论、代码审查标准、写作指南。
• 在团队成员离职后仍能保留的工作流程： 将机构知识编码为可重用的指令。

MCP 服务器的使用场景

MCP 扩展了 Claude 可以访问和使用的范围。当您需要以下功能时，请使用 MCP：

• 实时数据访问： 搜索 Notion 页面、读取 Slack 消息、查询数据库。
• 在外部系统中执行操作： 创建 GitHub Issue、更新项目管理工具、发送通知。
• 文件操作： 读取和写入 Google Drive、访问本地文件系统。
• API 集成： 连接到没有原生 Claude 支持的服务。

经验法则： 如果您是在解释如何做某事，那就是技能。如果您需要 Claude 访问某物，那就是 MCP。

快速参考表：技能和 MCP 的区别

特性	技能 (Skills)	MCP
本质	程序性知识（Procedural knowledge）	工具连接性（Tool connectivity）
作用	教会 Claude 如何做某事	赋予 Claude 访问某物的权限
加载时机	按需加载，当相关时	一旦连接，始终可用
包含内容	指令、脚本、模板、资产	工具、资源、提示
Token 行为	按需加载，保留上下文	定义预先加载
最佳用途	工作流程、标准、方法论	数据访问、API 调用、外部操作

常见问题

技能会取代 MCP 吗？

不会。技能和 MCP 解决了不同的问题。MCP 提供对外部工具和数据的连接性。技能提供关于如何有效利用这种连接性的程序性知识。最强大的工作流程通常是两者结合使用的。

一个技能可以使用多个 MCP 服务器吗？

可以。一个技能可以同时协调多个 MCP 服务器。例如，一个技术竞品分析技能可能会搜索 Google Drive 中的内部研究资料、从 GitHub 中提取竞争对手的代码库，并通过网络搜索收集市场数据。

我可以为一个 MCP 服务器构建多个技能吗？

可以。一个技能可以增强您从单个 MCP 连接中获得的价值。Notion 就展示了这种模式，它为会议准备、研究、知识捕获和从规范到实现等分别构建了独立的技能。

---

如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】