引言

由Anthropics开放的Claude agent skills无疑是当下最火的Agentic技术。各大AI开发助理厂商也都跟进，你可以利用Claude code agent SDK或者其他厂商的SDK来实现这个功能，或者在AI开发助理软件中直接使用。但它本是一个开放标准，本文利用这个思想，参考Skills的文档自主开发实现这个能力。另外也通过本篇文章的实际例子来阐述Agent Skills和MCP的区别，和如何配合使用。

一句话总结就是此Agent用实际的示例证明Agent Skills可以动态的，可重复的给LLM作为操作指导。它像说明书一下给大模型项目背景，使用注意事项，规范，方式等特定的场景context。此Agent实现用skills的方式教会大模型在遇到文档查询问题时可以使用Microsoft Learn MCP来直接查询获取答案，甚至免去了做RAG的复杂工作。

Agent Skills文档：https://agentskills.io

代码库： https://github.com/tianputao/AzureDoc_Agent_with_Skills_MCP

此Agent主要结合了三项技术来实现智能Azure文档助手，无需最复杂的RAG处理：

·Microsoft Agent Framework (MAF) - 企业级 Agent 编排框架

·Agent Skills - 模块化、可发现的能力系统

·Model Context Protocol (MCP) - 标准化工具集成协议

最终实现了一个可扩展的智能 Agent，能够理解用户意图、动态激活相关技能，并利用适当的工具提供准确的文档帮助。

架构概览

系统架构

完整的系统架构整合了前端、后端、Skills系统和MCP服务器，提供智能文档帮助。

渐进式披露设计

Skills的核心架构原则是渐进式披露（Progressive Disclosure），在三个层次上实现：

关键洞察：SKILL.md 作为工具使用指南

关键设计决策：我们不是有条件地将工具传递给 Agent，而是在初始化时注册所有 MCP 工具，让 SKILL.md 内容指导使用哪些工具。

这使得：

·多个 MCP 服务器可以在一个系统中共存

·不同的技能指导不同的工具使用

·轻松添加新技能和 MCP 集成

·完全分离工具可用性与工具选择

实机演示

组件深入解析

1. Microsoft Agent Framework 集成

MAF 提供企业级 Agent 编排能力：

使用的关键特性：

·通过 run_stream() 流式响应

·多轮对话的线程管理

·通过 MCPStreamableHTTPTool 集成工具

2. Agent Skills 系统

Agent Skills 遵循 agentskills.io 标准，并有一个自定义增强：基于 LLM 的技能匹配。

通过LLM语义识别问题

✅ 解决方案：语言无关、理解意图matched_skill = await llm_matcher.match_skills(``user_query="我想了解Cosmos DB的分区机制",``available_skills=skills``)``# → 匹配：microsoft-docs

优势：

·支持任何语言或表达方式

·理解意图，而不仅仅是关键词

·无需手动维护关键词

·关键词匹配作为回退，增强鲁棒性

查询处理流程

让我们通过一个真实查询来演示：

用户查询: “给我Azure Functions的Python代码示例”

步骤 1：LLM 技能匹配

可用技能：
- microsoft-docs: "查询官方文档..."
- microsoft-code-reference: "查找代码示例和 API 参考..."
LLM 分析：
用户想要：代码示例
最佳匹配：microsoft-code-reference ✓

步骤 2：渐进式披露

加载完整的 SKILL.md：
## 工具
| 工具 | 用途 |
|------|------|
| microsoft_code_sample_search | 查找可工作的代码示例 |
## 何时使用
- 用户请求代码示例
- 需要 API 参考示例
- 需要 SDK 使用模式

步骤 3：SKILL.md 注入

context_message = f"""
{SKILL.md 内容}
用户问题：给我Azure Functions的Python代码示例
"""
stream = agent.run_stream(context_message)

步骤 4：Agent 工具选择

Agent 读取 SKILL.md，理解：

·“用户想要代码示例”

·“我应该使用 microsoft_code_sample_search”

·执行工具 → 返回结果

结论

本项目展示了如何通过结合以下技术构建生产级智能 Agent：

·Microsoft Agent Framework 提供强大的编排能力

·Agent Skills 提供模块化能力管理

·MCP 提供标准化工具集成

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

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】