本文深入浅出地介绍了大模型应用中的核心概念：Agent Skills。通过对比MCP和Tool，揭示Skills的本质是代码模块化的扩展，旨在简化技能的封装与复用。文章强调，尽管Tool和MCP是实现任务的基础，但Skills在提升易用性和效率方面发挥着关键作用。对于想要理解和应用大模型的新手来说，这是一个不可或缺的概念。

---

“ 核心逻辑：Agent 用 MCP 协议，通过 Skills，调用 Tool——而这一切都建立在 Function Call 能力之上。。”

最近了解到一个新的概念——Agent Skills，智能体技能；刚开始了解这个概念的时候还是一个同事说的某个平台的agent skills特别厉害，特别好用。

然后闲来无事就研究了一下，刚开始以为Agent skills是和MCP一个维度的概念；但是真正去了解之后才发现Agent skills和MCP完全是两个东西，它反而和Tool更相像。

智能体技能——Agent Skills

这两年大模型应用发展的如火如荼，随之而来的也出现很多新的名词，比如说Agent，Tool，MCP，Agent Skills等。我想很多人应该和作者一样，刚开始看到这些概念都是一脸懵逼，也不知道都是干啥的，也不知道有啥区别。

然后在经过一段时间了解之后，才慢慢发现其中的区别，并且这些概念的发展是一个循序渐进过程，并不是凭空出现，也不是一蹴而就的。

在大模型应用中，其核心能力其实只有两个，一个是模型天生的能力——内容生成；第二个是模型使用工具的能力——Function call函数调用。其余所有的操作都是在这两者基础之上，无外如是。事实上Function call函数调用也是建立在模型生成能力的基础之上，只不过模型本身没有能力执行Function call，需要借助外部的执行引擎，但需要模型选择对应的函数，以及生成需要的参数。

所以，这里又回到了之前的问题——模型就是一个人，它需要通过工具来处理与外部环境的交互。

OK，说了模型的生成能力和Function call的基础能力之后，我们再来看Tool，MCP和Agent skills到底是什么。

所谓的Tool本质上是Function call的载体，Function call能够执行具体的任务；而Tool就是一个执行任务的模块，也就是编程思想中所说的一个完成特定任务的模块。

那Function call和Tool的区别是什么呢？

比如说可以通过查询天气的Function call获取天气信息，但是我获取天气信息之后，还需要根据交通情况选择合适的交通工具；比如说雨雪天气开车或者坐公共交通比较好；晴朗天气，骑电动车更方便。

这时就可以把天气查询和交通查询的能力合并到一起，就形成了一个Tool工具，这个工具能够完成特定的任务。

而MCP又是什么呢？

MCP本质上是一个协议和Http协议的作用相同，由于不同的企业，不同的部门其职责不一样，因此它们可以提供各种各样的工具给你使用；但也是企业和部门不同，他们提供工具的方式可能各种各样，每个人都有不同的规则；这时面临这样的问题，就非非常麻烦，每个部门都要进行沟通处理。

但是有了MCP之后，你们所有的企业和部门只需要按照相同的规则，设计你们的职能工具，这时我就可以使用一个统一的方式来使用你们的工具，就类似于USB接口，不同手机厂商的充电接口都不一样，那我就统一设计成USB接口，这样所有的厂商都可以直接使用，减少了不同系统之间沟通的复杂性。

维度	Function Call	Tool	Skills	MCP	Agent
本质	能力	功能	组合	协议	系统
层级	最底层	基础层	中间层	协议层	顶层
角色	“能做什么”	“做什么”	“一起做什么”	“怎么做”	“自己决定做什么”
复杂度	单次调用	单次调用	多次调用	跨平台	多步骤协作
自主性	无	无	部分	无	高

理论上有了Tool和MCP之后，就可以用它们来完成任何你想完成的任务，那还要Agent skills干嘛呢？这不是多此一举吗？

如果说Tool是对Function call能力的封装，那么Skills就是对Tool能力的封装，其是在Tool之上又一层的抽象。

比如说我要用Agent完成一个任务，理论上来说只需要给它足够的Tool就可以了；但是如果一个不懂技术的人，也不会写提示词怎么办？

这时就可以把这一项通用的能力，封装成一个skills技能，这样别人只需要获取到这个skill就可以直接使用它。

总之，skills不是一个新的技术，也不是一个高大上的算法，它的本质是代码模块化的扩展，把一项通用的能力，按照某个标准进行封装开放使用，这样就解决了重复利用的问题。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

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

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

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】