MCP 与 Skill Hub 生态

何时使用

• 决定一项第三方能力走 MCP 还是走 Skill Hub 分发
• 搭建 MCP 服务器，或为 Agent 框架/IDE 接入现成 MCP 服务器
• 设计 MCP 的三类原语（工具 / 资源 / 提示模板）及其边界
• 选择传输方式：本地 stdio 还是远程 Streamable HTTP
• 评估接入一个 MCP 服务器或一个 skill 的 token 成本差异
• 审查第三方 MCP 服务器 / skill 的安全风险（描述投毒、供应链、同名遮蔽）
• 制定凭证、版本锁定与隔离环境策略

核心原则

• MCP 解决的是重复适配问题。 各框架工具定义格式各异（OpenAI function calling、Anthropic tool use、LangChain Tool），MCP 是 Anthropic 2024 年底发布的开放标准，统一 AI 模型与外部工具、数据源的通信协议。
• 一次开发，处处可用。 一个 MCP 服务器可同时被 Cursor、Claude Desktop、OpenClaw 等任何兼容客户端使用，开发者无需关心上游框架差异。本书第 4 章所有实验均基于 MCP 构建工具。
• MCP 是协议，Skill Hub 是注册表。 MCP 统一的是专用工具这种分发机制的接入方式；skill 不需要协议（一个 skill 就是一个装着 SKILL.md 的文件夹），所以它的分发机制是包管理器式的注册表。
• 两者的 token 成本差一到两个数量级。 接入 MCP 服务器是运行时建立连接，它暴露的全部工具定义进入每一次会话的上下文；安装 skill 只是往磁盘拷一个文件夹，常驻上下文的只有目录里的 name 和 description。
• 引入第三方能力 = 把一段不受自己控制的文本注入 Agent 上下文，往往还把一份凭证交到别人手里。 两条渠道都扩大信任边界，都必须审查。
• Skill 的危险系数比 MCP 大得多：它不仅包含工具描述，还包含实现代码，一部分可能运行在用户电脑上。
• 两条渠道正在收敛。 MCP 官方已在推动 skill 经由 MCP 被发现和传递, , 同一个 skill 既可以躺在 Skill Hub 里等 npx 来装，也可以由一台 MCP 服务器供给。

实践模式

1. 渠道选择

维度	MCP（协议）	Skill Hub（注册表）
分发形态	运行时连接，工具定义进每次会话	磁盘拷文件夹，常驻仅 name + description
接入命令	配置客户端连接	npx skills add <owner>/<repo>
常驻 token 成本	高（全部工具 schema）	低一到两个数量级
承载内容	结构化工具定义	自然语言流程 + 代码
代表生态	MCP 官方服务器目录	skills.sh（Vercel，2026-01）、ClawHub（OpenClaw 生态）

经验法则：能力需要结构化参数、可测试、可版本化服务端逻辑时走 MCP；能力是流程性知识、变更频繁、需要人类可读可改时走 Skill。若担心 MCP 服务器越接越多导致上下文膨胀，可保留 MCP 作后端协议、前端用 CLI + Skills 或代理工具做渐进式披露, , "是否用 MCP 作协议"与"会话开始时是否暴露全部工具定义"是两个独立决策。

2. MCP 架构与三类原语

客户端-服务器架构：MCP 服务器暴露一组工具，MCP 客户端（Agent 框架或 IDE）通过标准化协议通信。

• 工具（tools）：模型可执行的操作。每个工具用 JSON Schema 定义输入参数的类型、约束和描述, , 直接对应工具描述最佳实践：参数类型明确、附带使用示例、标注性能特征。
• 资源（resources）：应用可读取的只读数据（文件内容、数据库记录），客户端可浏览和读取而无需调用工具。
• 提示模板（prompts）：服务器提供的可复用提示词模板，供客户端和用户按需选用。

资源与工具的分离让 Agent 能区分"获取信息"和"执行操作"两类不同性质的动作。