【Agent工坊】Agent Skills vs MCP Tools：别再混淆了——AI Agent 能力架构的终极指南

{

  "name": "get_weather",

  "description": "查询指定城市的天气",

  "parameters": {

    "type": "object",

    "properties": {

      "city": {"type": "string", "description": "城市名称"}

    },

    "required": ["city"]

  }

}

{"name": "get_weather", "arguments": {"city": "Beijing"}}

# server.py - 一个查询公司信息的 MCP Server

from mcp.server import Server, NotificationOptions

from mcp.server.models import InitializationCapabilities

import mcp.server.stdio

import mcp.types as types

server = Server("company-lookup")

@server.list_tools()

async def handle_list_tools() -> list[types.Tool]:

    return [

        types.Tool(

            name="search_company",

            description="通过公司名称搜索工商信息",

            inputSchema={

                "type": "object",

                "properties": {

                    "name": {"type": "string", "description": "公司全称或关键字"}

                },

                "required": ["name"]

            }

        )

    ]

@server.call_tool()

async def handle_call_tool(

    name: str, arguments: dict

) -> list[types.TextContent]:

    if name == "search_company":

        company_name = arguments["name"]

        # 实际查询逻辑

        result = query_database(company_name)

        return [types.TextContent(type="text", text=str(result))]

    raise ValueError(f"未知工具: {name}")

async def run():

    async with mcp.server.stdio.stdio_server() as (read, write):

        await server.run(read, write, ...)

if __name__ == "__main__":

    import asyncio

    asyncio.run(run())

{

  "mcpServers": {

    "company-lookup": {

      "command": "python3",

      "args": ["/path/to/server.py"]

    }

  }

}

my-skill/

├── skill.md # 描述 & 触发条件 & 执行流程

├── scripts/

│ └── handler.py # 执行逻辑

└── requirements.txt # 依赖（可选）

<hr>

name: incident-diagnosis

description: 线上故障快速诊断与止损

triggers:

  - 用户报告服务异常

  - 监控告警触发

<hr>

# 线上故障诊断 Skill

## 核心流程

### 第一步：确认故障范围

1. 检查受影响的服务列表

2. 确认是单机/单服务还是整条链路

3. 查看最近 30 分钟内的发布记录

### 第二步：优先排查高概率路径

按以下优先级：

1. 最近是否有发布？→ 检查变更日志

2. 依赖服务是否超时？→ 检查下游 RT

3. 流量是否突增？→ 检查 QPS 曲线

4. 资源是否打满？→ 检查 CPU/内存/连接数

### 第三步：交叉验证

- 将监控数据、日志、变更记录多维交叉比对

- 不要只看单一指标下结论

### 第四步：输出诊断报告

格式：

- 故障时间范围

- 根因分析（证据链）

- 影响范围

- 建议止损动作

┌─────────────────────────────────────────┐

│ Agent 主控 │

│ │

│ ┌──────────┐ ┌──────────┐ ┌────────┐ │

│ │ Skill: │ │ Skill: │ │ Skill: │ │

│ │ 热点扫描 │ │ 内容写作 │ │ 发布 │ │

│ └────┬─────┘ └────┬─────┘ └───┬────┘ │

│ │ │ │ │

│ ▼ ▼ ▼ │

│ ┌─────────────────────────────────────┐ │

│ │ MCP Tool 层 │ │

│ │ web_search read_file write_file │ │

│ │ terminal web_extract patch │ │

│ └─────────────────────────────────────┘ │

└─────────────────────────────────────────┘

## 执行流程

1. 用 web_search 搜索 5 个关键词

2. 交叉比对结果，去重

3. 按 HN 热榜分数 + 赛道相关性打分

4. Points > 50 且与 AI 创业相关的，进入候选列表

5. 输出：候选选题表（标题 + URL + 热度分数）

## 执行流程

1. 接收选题，用 web_extract 提取原文核心信息

2. 按三根支柱框架组织内容（工具 + 新闻 + 挣钱方法论）

3. 字数 ≥ 1500，必须含数据、案例、可操作建议

4. 保存到 content/draft-YYYYMMDD-HHMM-关键词.md

## 执行流程

1. 调用 build_article_html.py 生成 HTML

2. 调用 make_cover.py 生成封面

3. 调用 gen_image.py 生成 3 张配图

4. 通过 WeChat API 提交到草稿箱

5. 验证草稿箱中文章存在

热点扫描 Skill

  → web_search("Hermes Agent 2026 release")

  → web_search("Claude Code new feature")

  → web_search("MCP tool AI agent")

  → 汇总结果 → 打分 → 输出选题表

内容写作 Skill

  → web_extract(url) 提取原文

  → read_file("content/template.md") 读模板

  → write_file("draft-xxx.md", content) 保存草稿

发布 Skill

  → terminal("python3 build_article_html.py") 排版

  → terminal("python3 make_cover.py") 封面

  → terminal("curl WeChat API") 提交

<!-- CLAUDE.md - 项目级 Skill 配置 -->

# 项目规范

## 代码审查 Skill

当用户请求代码审查时：

1. 先运行 `npm run lint` 检查格式

2. 再运行 `npm run test` 检查功能

3. 逐文件审查：命名规范 → 类型安全 → 错误处理 → 性能

4. 输出审查报告：严重/一般/建议 三级分类

# skill.md 的 YAML front matter

<hr>

name: code-review

triggers:

  - review code

  - check PR

  - 代码审查

<hr>

# 热点扫描 Skill 输出

输出文件：/tmp/hot_topics.json

格式：[{"title": "...", "url": "...", "score": 85}, ...]

# 内容写作 Skill 输入

读取 /tmp/hot_topics.json，按 score 降序处理

@server.call_tool()

async def search_news(query: str) -> list[types.TextContent]:

    result = {

        "status": "ok",

        "count": 5,

        "articles": [

            {"title": "...", "url": "...", "summary": "..."},

        ]

    }

    return [types.TextContent(type="text", text=json.dumps(result, ensure_ascii=False))]

### 步骤 6：提交草稿

调用发布脚本完成提交

## 适用范围

- ✅ 适用：TypeScript/Python/Go 源代码文件

- ❌ 不适用：Markdown 文档、配置文件、JSON 数据