Skills / CLIs / MCP：Agent 能力三件套

来源： wiki/sources/wechat-batch-a-agent-dev-tools
相关概念： wiki/concepts/skill-system, wiki/concepts/harness-engineering

在 AI Agent 生态中，能力的获取和扩展遵循三种互补机制：Skill（封装经验）、CLI（命令化系统能力）、MCP（连接外部工具与数据）。三者协同构成 Agent 获取能力的标准路径。

三者定义与区别

维度	CLI（命令行界面）	Skill（技能包）	MCP（Model Context Protocol）
本质	系统能力的命令行入口	封装流程、经验和知识的 Prompt 增强包	外部工具与数据的标准连接协议
比喻	一把钥匙——让 Agent 能打开某个系统	一本操作手册——告诉 Agent 怎么做好某类事	一根管子——让 Agent 接通某个外部服务
谁调用	操作系统/应用	Agent 的 Prompt 上下文	Agent 的工具调用框架
持久性	安装即存在	按需加载/卸载	连接时激活
举例	`git`、`npm`、`docker`、`task-manager-cli`	`flask-k8s-deploy` SKILL.md	12306-mcp、Slack MCP

协同工作流

用户：帮我部署 Flask 到 K8s
    │
    ├─ Skill 加载：flask-k8s-deploy（提供操作步骤和已知坑）
    │
    ├─ CLI 调用：docker build、docker push、kubectl apply
    │
    └─ MCP 连接：（如果 K8s 集群通过 MCP 暴露）直接操作集群 API

CLI：Agent 的执行手臂

为什么 CLI 是 Agent 时代的核心接口？

传统 Web 操作是为人设计的（点击、输入、选择）。CLI 是为 Agent 设计的（字符串输入、字符串输出、可组合、可自动化）。

趋势：大量平台正在封装 CLI——瑞幸咖啡、飞书、钉钉、Notion 等都推出了 CLI 工具。

CLI 创建实践： 可以用 Codex / Claude Code 基于现有 Web 应用代码快速生成 CLI。

Skill：Agent 的经验大脑

Skill 不是什么？ 不是一条 Prompt，不是一段代码，不是 API 接口。

Skill 是什么？ 围绕任务、工具、流程和输出边界的结构化行为设计。

三层渐进式加载：
- L1 目录层：name + description（会话启动时加载，每个 Skill ~50-100 tokens）
- L2 指令层：SKILL.md 完整内容（Agent 判断相关时按需加载）
- L3 参考文档层：references/目录下的详细参考（需要时加载）

核心理念： "如果一个最佳实践不能被转成 Skill，它很可能只是短暂地提升了认知，但没有真正进入工作流。"

MCP：Agent 的外部感知

MCP（Model Context Protocol）是 Anthropic 提出的标准化协议，让 Agent 能安全、一致地连接外部工具和数据源。

与 CLI 的区别： CLI 是本地系统命令，MCP 是远程服务连接。CLI 操作本地环境，MCP 操作外部 API。

与 Skill 的区别： MCP 提供能力接入，Skill 提供使用能力的经验和流程。

实际案例对比

待办管理场景

没有 CLI/Skill/MCP：打开 Web 界面 → 点击新建 → 手动填写
有 CLI：todo create --title "买牛奶" → Agent 可直接调用
有 CLI + Skill：Agent 知道"每周一需要创建周报提醒"的经验流程
有 CLI + Skill + MCP：Agent 可以同时操作多个系统的待办

部署场景

CLI：kubectl apply -f deployment.yaml
Skill：知道部署 Flask 到 K8s 的完整步骤和已知坑
MCP：直接调用 K8s API 而不需要本地 kubectl

Skills First 理念

从"AI First"（遇到问题先想 AI 能不能参与）进化到"Skills First"（思考这个场景能不能沉淀成 Skill，让 AI 下次自动做得更好）。

"AI 时代，人的能力不应该只停留在脑子里，也不应该只停留在收藏夹、笔记软件和聊天记录里。真正值得沉淀的经验，应该尽量变成 AI 能理解、能调用、能执行的 Skill。"

创建于：2026-06-16 | 基于微信公众号文章合集批次 A