AI编程助手的三驾马车：MCP、Rules、Skills入门指南

在AI辅助编程的时代,如何让AI更好地理解我们的需求、遵循我们的规范、使用我们需要的工具?答案就在于三个核心概念:MCP、Rules和Skills。本文将用最通俗的语言,带你快速入门这三大技术。

一、一图胜千言:三者的核心定位

AI编程助手

MCP 给AI装上手

Rules 给AI立规矩

Skills 给AI工作手册

连接外部工具和数据源

标准化协议

像USB-C接口

定义代码规范

约束AI行为

项目级用户级配置

封装复杂工作流

可复用的任务模板

专业化能力扩展

记住这三句话,你就掌握了核心:

  • MCP:给AI装上"手",让它能用各种工具
  • Rules:给AI立"规矩",规定什么能干、什么不能干
  • Skills:给AI一本"工作手册",告诉它1、2、3应该怎么干活

二、MCP:AI的万能接口

2.1 什么是MCP?

MCP(Model Context Protocol,模型上下文协议)是一种开放协议,旨在实现大型语言模型(LLM)应用与外部数据源、工具和服务之间的无缝集成,类似于网络中的HTTP协议或邮件中的SMTP协议。它由Anthropic在2024年推出,是AI应用架构的范式转变。

MCP的目的旨在统一大模型与外部数据源和工具之间的通信协议。

统一的 API

Playwright

SQL

Http API

API

LLM Application

Model Context Protocol

Computer

Database

Local APP

Cloud

在这里插入图片描述

2.2 MCP的架构

MCP的架构由四个关键部分组成:

  1. 主机(Host): 期望从服务器获取数据的人工智能应用,例如IDE、聊天机器人等
  2. 客户端(Client): 主机与服务器之间的桥梁,负责消息路由、能力管理、协议协商
  3. 服务器(Server): 提供外部数据和工具的组件,通过工具、资源和提示模板为LLM提供额外上下文
  4. 基础协议(Base Protocol): 定义主机、客户端和服务器之间的通信规则

2.3 MCP的核心价值

  1. 标准化连接: 就像USB-C接口可以连接鼠标、键盘、显示器一样,MCP让AI可以连接数据库、API、文件系统等各种工具
  2. 一次集成,到处使用: 开发者只需按照MCP协议编写一次服务器,所有支持MCP的AI应用都能使用
  3. 安全可控: 零信任架构,所有数据访问都经过MCP协议层验证,细粒度权限控制
  4. 企业级价值: 开发效率提升70%,维护成本降低60%,上线时间缩短50%

2.4 MCP的工作原理

在这里插入图片描述

  1. MCP client 首先从 MCP server 获取可用的工具列表。
  2. 将用户的查询连同工具描述通过 function calling 一起发送给 LLM。
  3. LLM 决定是否需要使用工具以及使用哪些工具。
  4. 如果需要使用工具，MCP client 会通过 MCP server 执行相应的工具调用。
  5. 工具调用的结果会被发送回 LLM。
  6. LLM 基于所有信息生成自然语言响应。
  7. 最后将响应展示给用户。

2.5 如何使用MCP?

以Trae IDE为例,配置MCP非常简单:

  1. 打开设置,找到MCP配置
  2. 添加MCP服务器配置到mcp.json文件
  3. 重启IDE,即可使用
{
  "mcpServers": {
    "fetch": {
      "args": [
        "mcp-server-fetch"
      ],
      "command": "uvx"
    }
  }
}

2.6 MCP市场

ModelScope社区：https://www.modelscope.cn/mcp

三、Rules:AI的行为准则

3.1 什么是Rules?

Rules是一项强大的代码规范管理工具,它允许团队或开发者定义AI在编程过程中的行为规范。通过制定规则,你可以规范AI在IDE内的行为,包括代码风格、语言与框架、交互方式等,使AI的输出更符合你的个人偏好和项目要求。

3.2 Rules的应用场景

  1. 提升效率: 将个人经验和项目要求转化为可复用的规则,一次配置可长期生效
  2. 统一标准: 将团队规范、项目标准结构化为规则,使所有成员的内容在风格、结构和质量上保持一致
  3. 保障质量: 让AI明确项目的核心约束,避免常见错误
  4. 团队协作: 统一团队的编码习惯和最佳实践

3.3 规则类型

在Trae IDE中,你可以配置两类规则:

  1. 个人规则: 基于个人使用习惯和需求为AI定制的规则,在所有项目中生效
  2. 项目规则: 针对当前项目AI需要遵循的规则,仅在所配置的项目中生效

3.4 规则生效方式

项目规则支持四种生效方式:

  1. 始终生效: 该规则在当前项目下的所有AI对话中生效
  2. 指定文件生效: 仅在匹配到globs字段中指定的文件时生效
  3. 智能生效: 根据description字段中的适用场景,由AI判断相关性并决定是否使用
  4. 手动触发生效: 仅当在对话中使用#Rule提及某个规则时生效

3.5 如何配置Rules?

在Trae IDE中配置Rules只需三步:

  1. 点击对话框的"设置"按钮
  2. 选择"Rules"选项卡
  3. 创建project_rules.md文件,编写你的规则

示例规则文件:

---
alwaysApply: true
---

# 项目规则

## 代码风格
- 使用TypeScript编写所有代码
- 使用函数式组件和React Hooks
- 所有变量使用camelCase命名
- 所有组件使用PascalCase命名

## 技术栈
- React 18+
- 使用Tailwind CSS进行样式管理
- 使用React Query进行数据获取

## 最佳实践
- 每个组件都要有对应的测试文件
- 所有API调用都要有错误处理
- 使用自定义Hook封装可复用逻辑

3.6 最佳实践

  1. 控制粒度: 将规则控制在500行以内,保持清晰、聚焦
  2. 拆分规则: 将较大的规则拆分为多个可组合的规则
  3. 提供示例: 提供具体示例或参考文件,增强可操作性
  4. 避免模糊: 像写清晰的内部文档那样写规则,避免模糊的指导
  5. 复用优先: 在聊天中重复使用提示时,复用已有规则
  6. 引用优先: 引用文件而不是复制其内容,避免规则失效

3.7 规则中应避免的内容

  1. 照搬风格指南: 改用linter,Agent已经了解常见的风格约定
  2. 记录所有命令: Agent知道npm、git、pytest等常见工具
  3. 边缘情况: 不要为极少出现的边缘情况添加说明
  4. 重复代码: 引用标准示例,而不是复制代码库中已有的内容

3.8 团队规则

在Cursor的Team和Enterprise方案中,管理员可以通过Cursor仪表盘在整个组织范围内创建和强制执行规则:

  1. 立即启用: 创建后立即生效,未选中则保存为草稿
  2. 强制执行: 启用后对所有团队成员都是必需的,无法关闭
  3. 优先级: 规则按以下顺序生效: Team Rules → Project Rules → User Rules

3.9 导入规则

你可以从外部来源导入规则:

  1. 远程规则: 从GitHub仓库导入规则
  2. Agent Skills: 从Agent Skills加载规则
  3. AGENTS.md: 项目根目录的纯markdown文件作为简单规则配置

四、Skills:AI的专业技能包

4.1 什么是Skills?

在Trae IDE中,技能(Skill)通过SKILL.md文件进行定义和管理。每个技能封装了指令、脚本及相关资源,用于为智能体提供可复用、面向特定场景的专业能力。

一个技能可以被视为提供给智能体的一套"专业能力说明书"(类似用户手册或操作指南)。在执行任务时,智能体可以按需加载相应的技能,从而增强其对任务的理解与执行能力。

4.2 Skills的主要特点

  1. 结构化: 一个技能对应一个SKILL.md文件,以结构化方式描述完成某类任务所需的信息
  2. 动态按需加载: 智能体仅在判断当前任务与某个技能高度相关时,才会加载该技能的详细内容
  3. Token优化: 有效减少上下文中的Token消耗,避免无关信息干扰智能体的决策

4.3 Skills的应用场景

  1. 保证输出一致性: 将统一设计规范、执行团队标准、保持品牌一致性等要求封装为技能
  2. 自动化重复性工作流: 将测试流程、代码规范检查等日常工作的SOP封装为技能
  3. 总结与共享专业能力: 将个人经验或团队规范总结为技能,在更大范围内复用

4.4 技能类型

技能分为两类:

  1. 全局技能: 跨项目全局生效的技能,用于统一个人/团队的通用开发范式
  2. 项目技能: 仅在当前项目生效的技能,用于注入项目专属的业务知识与规则

4.5 技能结构

一个技能中必须包含一个SKILL.md文件,还可以根据需求添加其他文件:

skill-name/
├── SKILL.md               # （必须）智能体的核心指令
├── examples/              # （可选）输入/输出示例
    ├── input.md
    └── output.md
├── templates/             # （可选）可复用的模板
    └── component.tsx
└── resources/             # （可选）参考文件、运行脚本或素材
    └── style-guide.md

4.6 如何创建和使用Skills?

在Trae IDE中有三种创建Skills的方式:

4.6.1 方式一:直接创建
  1. 点击设置 → 规则和技能 → 创建
  2. 填写三要素:
    • Skill名称:如"生成网页"
    • Skill描述:简要说明这个技能的功能和使用场景
    • Skill主体:详细的指令和步骤
4.6.2 方式二:对话中创建

Trae内置了skill-creator技能,你可以直接在对话中要求创建:

帮我在./trae/skills目录下创建一个新的技能
技能的名字叫xxx
这个技能可以帮我做以下事情：
- xxx
- xxx
- xxx

anthropics提供的skill-creator：https://github.com/anthropics/skills/tree/main/skills/skill-creator

4.6.3 方式三:导入创建

将SKILL.md文件或zip压缩包直接上传,适合从GitHub仓库导入社区贡献的技能。

在这里插入图片描述

4.7 SKILL.md文件格式

---
name: 技能名称
description: 简要描述这个技能的功能和使用场景

---

# 技能名称

## 描述
描述这个技能的作用。

## 使用场景
描述触发这个技能的条件。

## 指令
清晰的分步说明，告诉智能体具体怎么做。

## 示例 (可选)
输入/输出示例，展示预期效果。

4.8 在对话中使用技能

  1. 手动调用: 直接向AI发送指令:“用codemap技能总结一下这个分支的改动”
  2. 自动调用: AI会结合当前任务内容与各技能中定义的"适用场景",自动判断并调用相关技能

技能与其他功能的区别

对比维度 技能(Skills) 规则(Rules) MCP Server
加载方式 动态按需加载 全量加载 按需调用
Token消耗 低 高 低
主要作用 提供操作指南 定义行为规范 提供工具能力
应用场景 特定任务流程 全局约束 外部工具连接

五、三者的关系与协作

用户需求

Skills 工作手册

Rules 行为约束

MCP 工具调用

执行结果

三者协同工作的典型场景:

  1. Skills定义工作流程:“如何进行代码审查”
  2. Rules约束行为规范:“代码必须遵循项目规范”
  3. MCP提供工具支持:“连接代码仓库、CI/CD系统”

举个例子:当你要求AI"审查这个Pull Request"时:

  • Skills告诉AI审查的步骤和标准
  • Rules确保AI遵循团队的代码规范
  • MCP让AI能够访问Git仓库、运行测试工具

六、快速上手建议

6.1 新手入门路径

  1. 第一步:配置Rules,让AI遵循你的编码习惯
  2. 第二步:使用现成的Skills,体验自动化任务
  3. 第三步:配置MCP服务器,扩展AI的能力边界

6.2 进阶使用技巧

  1. 项目级配置:为不同项目配置不同的Rules
  2. 技能组合:将多个Skills组合使用,构建完整工作流
  3. 社区资源:从GitHub等平台获取社区贡献的Skills和MCP服务器
  4. 持续优化:根据使用体验不断调整Rules和Skills

6.3 技能仓库推荐

SkillsMP (Agent Skills Marketplace) - https://skillsmp.com/zh

Authropic开源仓库：https://github.com/anthropics/skills

七、常见问题

Q: Rules和Skills有什么区别?
A: Rules是约束性的"规矩",告诉AI什么能做、什么不能做;Skills是指导性的"手册",告诉AI应该怎么做。

Q: 我需要同时使用三者吗?
A: 不一定。你可以根据需求选择使用。简单的项目可能只需要Rules,复杂的项目可能需要三者配合。

Q: 如何找到现成的MCP服务器和Skills?
A: GitHub上有许多开源项目,搜索"mcp server"或"trae skills"即可找到社区贡献的资源。

八、总结

MCP、Rules、Skills构成了现代AI编程助手的三大核心能力:

  • MCP让AI能够使用工具,扩展能力边界
  • Rules让AI遵循规范,保证代码质量
  • Skills让AI掌握流程,提升工作效率

掌握这三者,你就能让AI真正成为你的得力助手,而不仅仅是一个代码生成工具。从今天开始,尝试配置你的第一个Rule或Skill吧!

九、参考文献

  1. Trae官方文档 - Skills使用指南: https://docs.trae.cn/ide/skills
  2. Trae官方文档 - Rules配置指南: https://docs.trae.cn/ide/rules
  3. Cursor文档 - Skills: https://cursor.com/cn/docs/context/skills
  4. Cursor文档 - Rules: https://cursor.com/cn/docs/context/rules
  5. AgentSkills官网: https://agentskills.io/home
  6. SkillsMP技能市场: https://skillsmp.com/zh
  7. 菜鸟教程 - MCP协议介绍: https://www.runoob.com/np/mcp-protocol.html
  8. 腾讯新闻 - MCP相关报道: https://news.qq.com/rain/a/20260226A01VW700
  9. MCP官方文档(中文): https://modelcontextprotocol.info/zh-cn/docs/introduction/
  10. CSDN - Model Context Protocol技术详解: https://blog.csdn.net/come11234/article/details/155190838
  11. 51CTO - MCP实战指南: https://www.51cto.com/aigc/7924.html
  12. TesterHome - AI三剑客科普: https://testerhome.com/topics/43614
  13. 什么值得买 - Cursor进阶指南: https://post.m.smzdm.com/p/a2q96onp/
# AI # MCP
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

中心化平台终将落寞，去中心化Agent协议主宰未来信息交互

预测Agent是具备主动感知、预判、决策、执行能力的AI智能体，区别于传统被动响应的AI工具，它能基于用户偏好、历史行为、环境数据，提前预判需求，自主完成信息检索、内容筛选、任务协作、决策辅助等操作。核心能力：主动感知、趋势预判、自主执行、持续迭代典型场景：个性化信息推送、风险预警、需求前置满足、多任务协同调度本质变革：从“人找信息”变成“信息找人”，从被动交互变成主动服务“小龙虾时代”是Agen

avatar 2048 AI社区
cover

从训练同步到推理服务，AI网络架构的核心挑战与选型指南

avatar 2048 AI社区
cover

AI 编程：当程序员遇上AI助手，是替代，还是进化？

avatar 2048 AI社区