AgentSkill + MCP 实现自助问题排查

作者负责维护的卖场项目日常问题比较多，本文以「卖场模式问题排查」为例，介绍如何通过 AgentSkill + MCP 将重复性问题排查工作自动化、标准化，让任何人都能快速上手解决问题。

---

一、背景：传统排查方式的痛点

1.1 真实场景

想象一下这个场景：你是卖场模式的开发同学，某天你收到这样一条消息：

“这个机子为什么检测不到资源？帮我看一下”

作为"老司机"，你需要做以下事情：

📋 传统排查流程：

1️⃣ 打开 Postman / curl，调用资源下发接口，传入机型信息查询资源列表
   → 没有返回数据

2️⃣ 打开另一个接口，查询机型是否存在
   → 机型不存在，需要找用户要营销名

3️⃣ 调用添加机型接口，配置机型信息
   → 配置成功

4️⃣ 调用出货信息查询接口
   → 出货信息不存在

5️⃣ 调用出货信息配置接口
   → 配置成功

6️⃣ 告知用户重试

一个看似简单的问题，实际需要 5-6 次接口调用 + 多次信息确认。

1.2 这种方式的问题

问题	描述
🔁 重复劳动	同样的排查流程，每次都要手动执行一遍
📖 知识壁垒	只有熟悉业务的人才知道完整排查流程
⏰ 效率低下	每次排查都需要 10-30 分钟
📝 文档陈旧	排查文档经常更新不及时，新人无从下手
🤝 协作困难	其他团队遇到问题只能找"专家"，形成瓶颈

更痛苦的是，这些问题每天都在重复发生。

---

二、解决方案：AgentSkill + MCP

2.1 核心思路

我们的目标是：把专家的排查经验"装进" AI，让每个人都能一键排查。

┌─────────────────────────────────────────────────────────────────┐
│                     AgentSkill + MCP 架构                        │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│   用户                                                           │
│     │                                                            │
│     │  "帮我排查机子 XXX 为什么检测不到资源"                           │
│     ▼                                                            │
│   ┌──────────────┐                                               │
│   │  AI Agent    │ ◄─── 加载 SKILL.md（排查专家经验）             │
│   │  (Cursor)    │                                               │
│   └──────┬───────┘                                               │
│          │                                                       │
│          │ 调用 MCP Tools                                        │
│          ▼                                                       │
│   ┌──────────────┐      HTTP      ┌──────────────┐              │
│   │  MCP Server  │ ◄────────────► │  后端接口     │              │
│   │  (Python)    │                │  (业务系统)   │              │
│   └──────────────┘                └──────────────┘              │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

• MCP Server：封装业务接口为标准化工具，让 AI 能够调用
• AgentSkill (SKILL.md)：定义排查流程和决策逻辑，赋予 AI “专家思维”

2.2 MCP：让 AI 拥有"操作能力"

MCP (Model Context Protocol) 让 AI 能够调用外部工具。我们把排查所需的接口封装成 MCP Tools：

工具名称	功能
get_rsc_list	根据 IMEI 获取资源下发列表
get_rsc_id	根据资源 ID 获取资源详情
add_device_model	添加/查询机型
get_shipment_info	获取出货信息
set_shipment_info	配置出货信息
search_log_from_nuoa	从日志平台查询日志信息

2.3 AgentSkill：让 AI 拥有"专家思维"

光有工具不够，AI 还需要知道什么时候用什么工具、如何判断结果。这就是 AgentSkill 的作用。

我们将排查专家的经验沉淀成一份 SKILL.md 文件：

## 排查流程 (SOP)

### 第一步：查询资源下发列表
操作：调用 get_rsc_list，传入 IMEI

判断逻辑：
- 有资源 → 展示给用户，流程结束
- 没资源 → 继续第二步

### 第二步：查询并配置机型
操作：调用 add_device_model 检查机型

判断逻辑：
- 机型存在 → 继续第三步
- 机型不存在 → 询问用户营销名，添加后继续

### 第三步：查询出货信息
操作：调用 get_shipment_info

判断逻辑：
- 存在 → 记录信息，不重复配置
- 不存在 → 询问用户是否配置

Skill 的核心价值：把"如果…那么…"的决策逻辑明确写出来，AI 就能按照专家的思路一步步排查。

---

三、效果对比

3.1 使用前 vs 使用后

维度	传统方式	AgentSkill + MCP
操作步骤	5-6 次手动接口调用	1 句话描述问题
耗时	10-30 分钟	1-2 分钟
技能要求	必须熟悉业务和接口	只需会用 Cursor
结果输出	自己整理、容易遗漏	标准化表格 + 建议
可复制性	难以传承	安装 Skill 即可

3.2 实际交互示例

SKILL 内容：

排查案例

---

四、核心优势

4.1 重复性问题，一键解决

以前同样的问题来 10 次，你要手动排查 10 次。

现在同样的问题来 10 次，你只需要说 10 句话：

"帮我排查机子 XXXX"

AI 会按照 Skill 定义的流程，自动完成所有步骤。

4.2 跨团队协作，零门槛上手

场景：测试团队的同学发现卖场资源加载异常，但不知道如何排查。

传统方式：

1. 找开发问
2. 开发忙，等排期
3. 等到人，远程指导
4. 依赖"专家"，形成瓶颈

AgentSkill 方式：

1. 安装 Agent Skill
2. 对 AI 说：“帮我排查机子 xxx”
3. 自己就能搞定 ✅

┌─────────────────────────────────────────────────────────┐
│                   知识传递对比                           │
├─────────────────────────────────────────────────────────┤
│                                                          │
│   传统方式：                                              │
│   专家 ──(口口相传)──► 新人 ──(容易遗忘)──► 再问专家     │
│                                                          │
│   AgentSkill 方式：                                       │
│   专家 ──(写 Skill)──► AI ──(标准执行)──► 所有人         │
│                                                          │
└─────────────────────────────────────────────────────────┘

---

五、抛砖引玉：更多可能性

5.1 这只是一个开始

本文介绍的「卖场问题排查」只是一个最小可行案例，用来展示 AgentSkill + MCP 的核心理念：

把专家经验标准化 → 封装成 AI 可执行的流程 → 让任何人都能使用

5.2 适合做成 Skill 的场景

场景	特点
🔍 问题排查类	有固定排查步骤，需要多次接口调用
📊 数据查询类	需要聚合多个数据源，整理输出
⚙️ 配置管理类	涉及多系统配置，有先后依赖
📝 流程审批类	有明确的判断条件和分支逻辑
🧪 测试数据构造	需要调用多个接口准备测试环境

5.3 如何创建自己的 Skill

📁 .cursor/skills/your-skill-name/
└── SKILL.md    # 定义角色、流程、判断逻辑

SKILL.md 的核心要素：

1. 角色描述：AI 扮演什么角色
2. 依赖工具：需要哪些 MCP Tools
3. 排查流程：Step by Step 的操作步骤
4. 判断逻辑：每一步的"如果…那么…"
5. 输出格式：标准化的结果展示

5.4 期待你的探索

每个团队都有自己的"重复性问题"和"专家经验"：

• 运维团队的告警排查
• 测试团队的环境配置
• 数据团队的数据校验
• …

把这些经验沉淀成 Skill，让 AI 帮你分担重复劳动，把时间留给更有价值的事情。

---

六、总结

组件	作用
MCP Server	封装业务接口，让 AI 能"动手"
AgentSkill	定义排查流程，让 AI 能"思考"
两者结合	让 AI 成为"会操作、会判断"的排查专家

AgentSkill + MCP 的本质是：用代码固化专家经验，用 AI 放大专家能力。

---