在 Google Antigravity（以及当前主流的 Agentic IDE 架构）中，Skill、Workflow 和 MCP 是构建智能体的三个不同维度的积木。

如果把构建一个智能体比作"培养一个超级厨师"，那么它们的区别如下：

---

1. 通俗类比（The Analogy）

Skill（技能）= 厨师的烹饪技巧

比如：“如何切洋葱”、“如何煎牛排”、“如何摆盘”。这是刻在厨师脑子里的知识和手边的菜刀。

Workflow（工作流）= 做一道菜的食谱/流程

比如：“做惠灵顿牛排的步骤”：先切蘑菇（调用切菜技能）→ 再煎牛肉（调用煎肉技能）→ 最后以此顺序烤制。它是对技能的编排。

MCP（Model Context Protocol）= 厨师的燃气管道、水龙头和外卖平台

厨师本身不会"发电"或"自来水处理"。当他需要外部资源（燃气、自来水）或需要把做好的菜送到客户家（发送外卖订单）时，他需要一个标准的接口来连接外部系统。MCP 就是这个连接外部系统的通用接口标准。它既可以连接远程服务（如点评平台），也可以连接本地设施（如厨房的燃气灶）。

2. 深度技术解析

A. Skill（技能）—— “原子能力”

定义：Agent 完成某项特定、独立任务的能力包。它是一种预定义的知识和方法论，告诉 Agent 遇到某类问题时应该怎么做。

核心构成：

• SKILL.md（核心指令）：以 Markdown 格式定义的主指令文件，告诉 Agent 怎么做。
• Templates（最佳实践）：参考样例和模板。
• Scripts（本地脚本）：Python/Bash 脚本，用于执行本地计算或辅助操作。
• Examples（示例）：实际使用案例，帮助 Agent 理解应用场景。

存储位置：.agent/skills/ 目录下，每个 Skill 是一个独立文件夹。

.agent/skills/
└── blender_scripting/
    ├── SKILL.md          # 主指令文件（必需）
    ├── scripts/          # 辅助脚本
    ├── examples/         # 参考示例
    └── resources/        # 其他资源

作用域：通常在 IDE 或项目内部。它主要处理的是"怎么写代码"、“怎么重构”、"怎么生成文档"这类与代码库直接相关的任务。

作用时机：当 Agent 识别到相关任务时，会自动加载并应用对应的 Skill。

典型例子：

• Unit Test Skill：知道如何为 Python 函数写 pytest。
• Blender Script Skill：知道如何编写 Blender 自动化脚本，遵循最佳实践。
• React Component Skill：知道如何创建符合项目规范的 React 组件。

---

B. Workflow（工作流）—— “任务编排”

定义：为了达成一个复杂目标，将多个步骤或 Skill 串联起来的执行逻辑。

核心构成：

• 流程控制：顺序执行、循环、条件判断。
• 状态管理：第一步的结果传递给第二步。
• 步骤定义：明确每一步要执行的具体命令或调用的 Skill。

存储位置：.agent/workflows/ 目录下，以 Markdown 文件存储。

---
description: 如何部署应用到生产环境
---
1. 运行单元测试
// turbo
2. 构建生产包
// turbo
3. 推送到服务器
4. 发送部署通知

注解说明：

• // turbo：表示该步骤可以自动执行，无需用户确认。
• // turbo-all：表示整个 Workflow 的所有步骤都可以自动执行。

特点：Workflow 关注的是过程管理和步骤编排。它可以包含具体的命令，但核心价值在于定义执行顺序和步骤依赖关系。

典型例子：

TDD Workflow（测试驱动开发工作流）：

1. 调用 Test Skill 编写一个失败的测试。
2. 调用 Coding Skill 编写代码使测试通过。
3. 调用 Refactor Skill 重构代码。
4. 循环上述过程。

发布 Workflow（版本发布工作流）：

1. 更新版本号。
2. 生成更新日志。
3. 运行完整测试套件。
4. 构建生产包。
5. 推送标签并发布。

---

C. MCP（Model Context Protocol）—— “外部连接”

定义：一种开放标准协议（由 Anthropic 提出，被业界广泛采纳），用于让 AI 模型以标准化方式连接外部数据源和工具。它扩展的是 Agent 的工具箱，而非知识。

核心构成：

• MCP Server：运行在外部（或本地后台）的服务，向 Agent 暴露三种能力：
  • Resources（资源）：可读取的数据源，如数据库表、文档内容。
  • Tools（工具）：可执行的操作，如发送消息、创建文件、操控软件。
  • Prompts（提示词）：预定义的交互模板。
• MCP Client：Agent 本身，通过标准协议与 Server 通信。

通信协议：基于 JSON-RPC 2.0 标准，确保跨平台兼容性。

特点：MCP 解决的是能力边界问题。Agent 的内置工具有限，MCP 允许动态挂载新的工具和数据源，且这些扩展遵循统一的标准接口。

两类 MCP 应用场景：

类型	描述	示例
远程服务型	连接互联网上的 SaaS 服务	GitHub、Slack、Jira、PostgreSQL 数据库
本地工具型	操控本地安装的软件或系统	剪映、Blender、文件系统、浏览器自动化

典型例子：

远程服务型：

• PostgreSQL MCP Server：允许 Agent 直接查询数据库表结构和数据。
• GitHub MCP Server：允许 Agent 读取仓库的 Issue、PR 和文件历史。
• Slack MCP Server：允许 Agent 读取聊天记录或发送消息。

本地工具型：

• 剪映 MCP Server：允许 Agent 创建和编辑剪映视频草稿项目。
• Blender MCP Server：允许 Agent 操控 Blender 进行 3D 建模和渲染。
• 浏览器 MCP Server：允许 Agent 进行网页自动化操作。

---

3. 核心区别总结表

维度	Skill（技能）	Workflow（工作流）	MCP（模型上下文协议）
本质	知识与方法论（How-to）	过程与编排（Process）	工具与数据接口（Connectivity）
关注点	解决特定类型问题的"套路"	解决复杂的多步骤问题	扩展 Agent 可访问的工具和资源
数据来源	SKILL.md 指令 + 当前代码库上下文	上一步的输出 + 用户确认	外部 API、数据库、本地软件
定义方式	Markdown 文件 + 示例 + 脚本	YAML/Markdown 步骤列表	JSON-RPC 标准协议
是否标准化	否（随项目需求变化）	否（随业务逻辑变化）	是（遵循 MCP 规范）
作用时机	Agent 识别相关任务时自动应用	用户显式触发或 Agent 规划时调用	需要外部能力时按需调用
不可替代性	无 Skill 也能工作（但质量下降）	无 Workflow 也能工作（但效率下降）	无 MCP 则无法访问对应系统
比喻	厨师的烹饪技法（刀工、火候）	菜谱上的制作步骤	厨房的燃气管道、水龙头、外卖平台
Antigravity 场景	知道如何创建 React 组件	先生成组件，再写测试，最后提交代码	读取 Jira 需求单，然后基于此生成代码

---

4. 它们如何协同工作？

当你在 Antigravity 中对 Agent 说：

“去 Jira 上查一下最新的 Bug 单，然后修复它，并提交代码。”

Agent 内部是这样运转的：

┌─────────────────────────────────────────────────────────────────┐
│  1. MCP 介入（输入）                                             │
│     Agent 通过 Jira MCP 连接到 Jira 服务器，读取 Bug 描述。        │
│     （因为 Agent 自己没有访问 Jira 的内置能力）                     │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│  2. Workflow 介入（编排）                                        │
│     Agent 启动 Bug Fix Workflow，规划步骤：                       │
│     复现 Bug → 定位问题 → 编写修复代码 → 编写测试 → 验证修复        │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│  3. Skill 介入（执行）                                           │
│     • 在"复现"阶段，调用 Test Gen Skill 编写复现脚本。             │
│     • 在"修复"阶段，调用 Python Coding Skill 修改代码。           │
│     • 在"测试"阶段，调用 Unit Test Skill 编写验证测试。            │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│  4. MCP 再次介入（输出）                                          │
│     修复完成后，Agent 通过 Git/GitHub MCP 提交代码并推送。          │
│     可选：通过 Slack MCP 发送修复完成通知。                         │
└─────────────────────────────────────────────────────────────────┘

---

5. 总结

MCP 负责把原料运进来（输入）和把产品运出去（输出），是 Agent 与外部世界的标准接口。

Workflow 负责调度生产线，定义做事的顺序和流程。

Skill 负责具体的加工操作，是 Agent 解决特定问题的方法论。

三者相辅相成，共同构成了 Agentic IDE 的能力体系：

• 没有 MCP，Agent 是一个"与世隔绝"的孤岛。
• 没有 Workflow，Agent 只能"单步执行"，无法处理复杂任务。
• 没有 Skill，Agent 只能"泛泛而谈"，无法输出高质量的专业成果。