🧩 MCP 和 Skill：连接器 vs 专家手册
MCP 回答「AI 能摸到什么」，Skill 回答「摸到以后该咋想咋做」。一个管连系统，一个管会做事。
一句话看懂：连接器 vs 专家手册
🔌 MCP = 接口 / 连接层
MCP（Model Context Protocol）是协议标准，给 AI 应用一个统一方式去接本地文件、数据库、GitHub、浏览器这些外部系统/工具。
官方的比方：「AI 应用的 USB-C」——谁支持 MCP 谁就能插上用。
关心认证、通信、工具描述、调用返回这些「怎么接」。
🧠 Skill = 任务能力封装
Skill 更像给 Agent 看的《岗位 SOP + 专家经验 + 模板 + 脚本》：什么时候用、先干啥后干啥、输出啥格式、出错了怎么兜底、要用哪些工具。
常是 SKILL.md + 脚本 + 模板 + 参考资料的文件夹形态。
关心「怎么把事做对」。
MCP
接口 / 连接层
连外部系统 / 工具
「能摸到什么？」
在下：集成层
Skill
能力 / SOP 层
专家流程 / 模板
「该咋想咋做？」
在上：知识 / 业务层
层级：MCP 在下，Skill 在上
⚙️ MCP 是「活着的外部服务」
MCP Server 是独立进程/服务，管真实去查数据库、调 GitHub API、读文件、跑 shell。
它带认证、网络、权限、状态这些东西，是原子能力。
一个 MySQL MCP 能 list_tables、run_sql。
📋 Skill 是「指令 + 资源」
Skill 多半是 Markdown 指令 + 资源，被 Agent 按需加载进上下文。
它告诉模型「按哪几步、用啥风格、调哪个工具、输出啥格式」。
一个「人力流失分析 Skill」才告诉你：先查部门表、再算离职率、再对比绩效、最后按模板出报告。
什么时候用哪个
该做 MCP：要连外部系统
查 MySQL/PostgreSQL/Redis、读本地代码库/Notion/GCal、调内部 ERP/CRM/Jira/GitHub API，或希望一个 Server 所有 Agent 通用。价值是把「每个 Agent 手写适配」变成「工具方出一个 Server 大家按协议接」。
该做 Skill：要干得专业稳定
代码评审（先风格再安全再单测）、合同审核（先主体再付款再违约）、故障排查（先告警再日志再发布记录）、周报/话术/合规——要固定模板、固定口径、固定禁忌。这是缺专家经验 + 流程 + 输出规范，不是缺工具。
易混点：Skill 也能被包成 MCP Tool
工程上两条路：① Skill 作上层能力，自己不查库，说「去查用户表」再调 MySQL MCP（Skill 依赖 MCP）；② 把天气查询、发邮件这种原子能力写成一个 Tool 挂到 MCP Server，外面 Agent 眼里它就是 call_tool（既是能力又是 MCP 工具）。
落地选型口诀：
要「连系统」→ MCP；要「会做事」→ Skill；要「稳定做业务事」→ Skill 编排 MCP。
拆开：
① 只有 MCP 没 Skill：Agent 能查库能调 API，但一复杂任务就乱——「手有了，没 SOP」。
② 只有 Skill 没 MCP：Agent 知道流程，但摸不到真实库/工单/代码——「有菜谱，厨房没食材」。
③ MCP + Skill 一起：MCP 给真实世界 I/O，Skill 给专家流程和质量门禁，这才像企业 Agent。
MCP 是 AI 的 USB-C / 统一插座，回答「AI 能摸到什么」（连接外部系统与工具，在下集成层）；Skill 是 AI 的岗位培训手册 / SOP，回答「摸到以后该咋想咋做」（沉淀专家流程与模板，在上业务层）。口诀：连系统用 MCP、会做事用 Skill、稳定做业务事就 Skill 编排 MCP。
我用一句话概括：MCP 解决「AI 怎么连上外部工具和数据」，Skill 解决「AI 拿到工具后怎么像个专家一样把事做成」。MCP 是协议标准，是连接层，给 AI 一个统一方式去接数据库、文件、GitHub 这些外部系统，关心的是怎么接；Skill 是任务能力封装，是 SOP 层，告诉 AI 按哪几步、用什么风格、输出什么格式，关心的是怎么把事做对。它们在层级上也不一样，MCP 在下面做集成，Skill 在上面做业务。
典型是 Skill 指挥流程、MCP 提供执行手段。比如做一个人效分析：Skill 会说先拿近 12 个月人员数据、再算部门留存、再取 OKR 完成率，Agent 就真去调 MySQL MCP 的 run_sql 拿数据。还有一种情况是 Skill 被包成 MCP Tool，比如把发邮件这个原子能力挂到 MCP Server，外面 Agent 看到的就是 call_tool。所以概念上 MCP 是协议、Skill 是能力，工程上两者可以配合，也可以被 MCP 包装分发。
如果是要让 AI 接外部真实系统或数据，比如查数据库、读代码库、调内部 API，而且希望一个 Server 大家都能复用，那应该写 MCP Server。如果是想让 AI 把某类活做得专业稳定，比如代码评审、合同审核、故障排查、周报这种有固定模板和口径的，那应该沉淀成 Skill。判断很好使：MCP 回答「AI 能摸到什么」，Skill 回答「摸到以后该咋想咋做」。