如果您希望为大型语言模型（LLM）增添能力，那么 MCP 服务器和技能模块便是您的不二之选。虽然 LLM 具有通用性且知识渊博，但我想向您展示这两个概念如何帮助您为模型注入定制化、独特的数据。这适用于各种用例，例如代码辅助或添加额外信息；也适用于构建某种 AI 智能体。因此，您将学会如何在 MCP、技能模块或两者之间做出选择。

让我们回到 LLM 本身，它本质上就像一台基于所有类型信息训练而成的“水晶球”预测机。书籍、杂志，甚至互联网论坛的内容都可能成为其训练数据的一部分。它能利用这些信息及模式识别来回答无数不同的问题，比如“红帽公司的历史是什么？”或“我们如何检查特定数据库？”。它掌握大量信息，甚至可能知道如何处理您的特定数据库。

但获得正确答案的关键在于向 LLM 提供正确的上下文。这个上下文可能包括我们期望的数据格式，或者是针对特定团队配置的数据库方式。甚至可能包含某种工具响应——即从数据库中获取信息并返回给 LLM 上下文窗口的过程。当我们思考这一点时，这里有一个关键区分：仅通过特定角色和任务提出问题，这被称为提示工程。

然而，当我们加入所有这些额外信息时，情况就变得非常有趣了。这不仅仅是提示工程，而是所谓的“上下文工程”。即向模型提供正确的上下文以助其做出正确判断。我们提供了它所需的所有信息，但核心问题在于：如何向 AI 模型提供正确的上下文以得出答案？以及如何基于此构建一个 AI 智能体？

假设智能体需要当前存储在客户关系管理（CRM）系统中的数据。在构建智能体时，如果我们只是简单地将特定 CRM 的 API、文档和令牌复制粘贴给 LLM，并说“请更新客户联系信息，不要出错”，然后祈祷成功，这种方法显然不可靠。相反，MCP（模型上下文协议）标准化了 AI 模型与不同数据源的通信方式。

它的作用是将服务 API 抽象为适合 LLM 使用的简单格式，并处理身份验证。这对于智能体能够调用服务至关重要。MCP 提供具有独特作用域的令牌，支持读写访问等所需权限。在后台，当我们与智能体交互时，MCP 服务器本质上被添加到您的 IDE 或 AI 应用程序中。

它指示 LLM 提供特定的 JSON 请求，以从服务中获取所需信息。MCP 服务器随后将其转换为 POST 或 GET 请求，从而调用服务本身。因此，MCP 是 LLM 与您在使用或构建智能体时所需数据源之间的标准化层。它得到了几乎所有现有 AI 工具的支持。

然而，虽然 MCP 解决了如何向 LLM 提供外部数据的问题，但仍缺失一部分：如何让 LLM 获得它可能不具备的领域知识？当然，借助 MCP我们可以从 CRM 中提取客户记录，但我们的销售团队希望每次都以完全相同的方式处理这些数据。鉴于 LLM 具有非确定性，这确实很难实现。

例如，假设销售团队希望以包含客户姓名、联系方式以及极其重要的“最喜欢的饼干类型”的方式格式化 CRM 数据。能够以可重复的方式确保每次都以相同格式输出，正是技能模块如此重要的基础所在。它适用于所有主要的 AI 工具和模型。

请思考您使用 LLM 执行的任务，如清理 Excel 文档、调试代码（例如用于验证的代码），或运行合规性检查。所有这些不同的提示及其使用的脚本都可以打包成一个技能模块。这本质上是一个带有额外元数据的 Markdown 文件，并封装在一个文件夹中。

这个技能模块包含标题格式（即技能名称）、使用场景描述，以及实际将传递给 LLM 的提示本身。其独特之处在于技能模块可以根据需要自动加载到 LLM 的上下文窗口中。例如，如果我们有一个代码调试技能模块，只有在询问代码错误时才会加载它。

此外，我们还可以在该文件夹中添加不同类型的资源和脚本。这样，如果需要额外的上下文或能力，我们可以将其添加到技能模块中。当您询问模型所需的特定功能时，这些内容将自动加载进来。那么，何时选择其中一种呢？

对于需要以受控且严格权限的方式访问实时数据的 AI 应用，MCP 是最佳选择。可以将其视为智能体与工具之间的集成，您只能调用它提供的工具和资源。因此，在询问“我当前运行了哪些虚拟机？”、“集群状态如何”或“关于某位客户的信息是什么”等情况下，应使用 MCP。

然而，如果只需为 AI 添加可重用和自定义的能力，设置和配置 MCP 可能显得过于繁琐。这正是技能模块大放异彩的地方。因为它们轻量级，能教会模型如何执行某项任务。例如，获取投资数据并进行分析，或使用技能模块中包含的脚本或示例来执行此任务。

这两者都能增强 LLM 上下文窗口，从而在构建或使用 AI 智能体时帮助提供您期望的正确答案或输出。重要的是，它们都是开源的，并且在大多数 AI 工具中得到了广泛采用。

今天，你就可以在你的本地机器上开始使用它们了。在我们对比这两者时，有一件事没有提到，那就是利用命令行界面（CLI）来构建智能体。如果大家对这个话题感兴趣，请在下方的评论区告诉我们，我们会为此制作一期视频。

不过在那之前，如果你今天学到了新知识并希望“黑客”算法以获得更多曝光，请务必点击点赞按钮。同时，也请在评论区告诉我们，你更倾向于使用 MCP 服务器还是 Skills？我们下期见。