用了两年AI，我才发现没真搞懂Agent、Skills、MCP（看完你也能懂）

我自己做一人公司，接触 AI 已经两年多了。

平时写东西、查资料、做项目，基本每天都会用AI。

LLM、Prompt、Agent、Skills、MCP......

这些词，我天天看，自己也一直在说。

所以我一直觉得：这些概念，我应该算懂了。

直到前两天跟女朋友聊天，我提到最近比较火的 Agent 和 Skills。

她突然问我：Skill 不就是提示词吗？

我解释了一会儿，她又问：那 MCP 不就是连接器吗？

我第一反应是：这不是挺简单的吗？

结果真让我从头解释，我反而越讲越乱。

我知道怎么用,但让我不用一堆 AI 黑话，把它讲给一个完全不懂的AI小白来听，我居然讲不清楚。

那一刻我才意识到：

见得多、用得多，不代表真的理解了。

刚好最近我一直在实践费曼学习法，所以我决定把这些概念重新学一遍。

这次不背定义，我只追问一个问题：

"为什么有了前一个东西，我们还会需要下一个？"

于是，就有了这条线：

LLM → Prompt → Context → Tools → Agent → Skills → MCP

当然，这不是说所有 AI 产品都一定按照这个顺序组成。

只是对我来说，顺着这条线去理解，比一个个背名词容易多了。

01｜ChatGPT 到底是不是大模型？

我以前经常把 ChatGPT、豆包、大模型混着叫。

后来认真学习才发现，这其实不是一回事。

简单理解，ChatGPT、豆包等，是我们直接使用的 AI 产品；而产品背后，会使用具体的大模型提供理解、生成、推理这些核心能力。

接下来还有一个我自己也答错过的问题：

为什么叫大模型？

我以前觉得，因为它什么都会，所以叫大模型。

后来才发现，我把大和通用混到了一起。

大更多说的是模型、训练数据、计算投入这些规模；而我们普通人真正能感受到的，是它越来越强的通用能力。

以前当然也有 AI，只是过去很多系统更偏向解决某一类特定任务。

现在的大语言模型越来越通用，同一个模型通过不同输入，就能处理越来越多不同任务。

但问题马上就来了：

"既然一个模型什么都能干一点，它怎么知道我这一次到底想让它干什么？"

这就到了 Prompt。

02｜Prompt，其实没那么玄乎

以前一说 Prompt，我脑子里想到的就是网上那些很长的模板：

角色、背景、任务、步骤、限制、输出格式……

看多了以后，很容易觉得不会写这种复杂提示词，就不会用 AI。

其实没这么难。

Prompt 最核心的作用，就是告诉模型：

这一次，我希望你干什么。

那为什么还要研究 Prompt？

因为模型再聪明，也不知道你脑子里那些没有说出来的要求。

比如我只说：帮我写篇公众号文章。

它可以写。

但如果我脑子里已经想好了读者是谁、文章解决什么问题、什么语气、哪些内容不能出现，却一句都没告诉它，那模型只能自己猜。

所以我现在更愿意把 Prompt 理解成：

好的 Prompt，不是让 AI 突然变聪明，而是减少它对你意图的猜测。

结构化当然有用，但那只是把需求说清楚的一种方法，不代表 Prompt 一定得是一大段复杂模板。

但这里又有一个问题。

我给 AI 的历史文章、参考资料、前面聊过的内容，这些也全都算 Prompt 吗？

这就到了 Context。

03｜Context：AI 这次到底能看到什么？

后来我发现，Context 最简单的理解就是：

AI 为了完成眼前这个任务，此刻能看到的所有相关信息。

比如我们已经聊了十几轮。

这一轮我只说：按照刚才那个思路继续写。

这句话本身很模糊，但 AI 还能接得上，是因为前面的对话也在当前 Context 里。

所以 Prompt 和 Context 不是完全平行的两个东西。

当前 Prompt 本身就可以是 Context 的一部分；除此之外，还可能有历史对话、上传资料、系统规则、工具返回的信息。

我现在更习惯这样区分：

Prompt：这次要干什么。
Context：为了干这件事，你现在知道些什么。

这也解释了为什么有时候新开一个对话，AI 突然没那么懂你了。

不是模型突然变笨，而是上一段对话里的很多信息，不一定还在当前这张办公桌上。

Memory 和 Context 也不是一回事。

一个更像长期存放信息的仓库，一个更像这次干活时真正摆在办公桌上的东西。

但如果我突然问：今天刚发生了什么新闻？

或者：帮我把这封邮件真的发出去。

光有 Context 还是不够。

这就到了 Tools。

04｜Tools：让 AI 不只是会说

这一块也是我之前理解错得比较明显的地方。

我以前一直觉得：

联网搜索，不就是大模型自己的能力吗？

现在才分清，大模型并不天然等于可以实时上网。

我们现在用一些 AI 产品时，它之所以能搜索网页、读取文件、查日历，是因为产品给模型接入了相应的 Tools。

比如：帮我写一封发给张总的邮件。

模型可以直接生成内容。

但如果我说：写好以后，直接帮我发给张总。

事情就变了。

前者主要是在生成文字。

后者还需要知道张总是谁、邮箱是什么、通过哪个账户发送，并且真正执行发送这个动作。

所以我后来给自己总结了一句：

LLM 让 AI 会想、会说；Tools 开始让它接触和操作外部世界。

当然，有 Tool 不代表 AI 就拥有所有权限。

它能读什么、写什么、能不能执行某个动作，还要看工具本身开放了什么能力，以及你给了什么权限。

可 Tools 都已经能搜索、发邮件、查日历了，为什么还需要 Agent？

05｜Agent：关键是它会决定下一步

我以前会把 Agent 理解成：

让 AI 自动把一套流程跑完。

后来发现还不够准确。

如果我提前规定：

"搜索 10 篇文章 → 总结 → 对比 → 写报告"

AI 只是按照我提前画好的路线执行，这更接近固定的 Workflow。

Agent 真正关键的地方，是我告诉它目标，但不一定把中间每一步都固定化。

比如我只告诉它：

"帮我研究最近 AI 小白最关心什么，最后给我 5 个选题"

它可能先搜索。

发现资料不够，再继续找。

发现两个来源冲突，再去验证。

也就是说，它更像：

行动 → 看结果 → 判断 → 再决定下一步。

所以我现在区分 Tool 和 Agent，会简单很多：

"Tool 解决我能做什么；Agent 解决为了完成目标，我现在应该做什么"

但 Agent 都已经会判断下一步了，为什么还要 Skills？

06｜Skills：不是高级 Prompt

这个问题我一开始也理解错了。

我以前会觉得：

Skill 不就是把一个 Prompt 写得更完整，然后保存下来重复用吗？

后来发现，两者关注的不是一件事。

Prompt 更偏：

这一次我要你干什么。

Skill 更像：

以后遇到这类事情，我们通常应该怎么干。

拿我自己写公众号来说。

"帮我写一篇公众号文章"

这是 Prompt。

但写久以后，我已经慢慢形成了一套方法：

开头怎么处理、哪些表达 AI 味重、写完怎么检查、图片放哪里……

如果把这套成熟做法沉淀下来，它就越来越接近 Skill。

而且 Skill 不一定只是一段文字，还可以包含 instructions、scripts、references、assets 等资源。

所以我现在更愿意这么记：

Agent 决定现在做什么，Skill 提供这类事情怎么做好。

一个 Agent 可以使用多个 Skills，同一个 Skill 也可以被不同 Agent 使用。

最后，当 AI 需要连接越来越多外部工具和服务时，又出现了一个问题：

难道每接一个，都要重新适配一遍吗？

于是到了 MCP。

07｜MCP：不是 Tool，也不只是连接器

MCP 是我这次最容易绕进去的一个。

我一开始一直觉得：

MCP 不就是连接器吗？

这么理解方便入门，但如果直接画等号，又不太准确。

我后来觉得，还是 USB 这个类比最好懂。

鼠标、键盘、U 盘，各自提供不同能力。

而 USB 本身不会帮你打字，也不会帮你移动鼠标。

它解决的是：

这些不同设备，怎么按照一套相对统一的标准连接起来。

MCP 也可以先这么理解。

前面讲的 Tool，是一个个具体能力；而 MCP 更偏向解决 AI 应用和外部能力之间，能不能按照一套开放标准进行连接和交互。

所以：

MCP ≠ Tool。

一个 MCP Server 可以提供多个 Tools；一个 Tool 也不一定非要通过 MCP 才能接入。

而且接上 MCP，也不代表 AI 自动拥有这个平台所有权限。

能读什么、能写什么、能执行哪些操作，仍然取决于平台开放的能力和你的授权。

到这里，最开始那条线终于走完了。

写在最后

写到这里，再回头看：

LLM → Prompt → Context → Tools → Agent → Skills → MCP

我最大的收获，其实不是终于记住了这 7 个词。

而是以前看到这些概念，我总想着先去找一个准确的定义。

现在反而觉得，定义不是最重要的。

真正重要的是，你能不能讲清楚：它为什么会出现，它到底解决了什么问题。

这也是我最近用费曼学习法，一个挺明显的感受。

以前我觉得一个东西自己用过，知道大概怎么回事，就算懂了。

但那天真跟女朋友聊起来，我才发现，自己会用和自己真的理解，中间还差挺远的。

尤其 AI 这两年变化太快了。

今天 Agent，明天 Skills、MCP，后面肯定还会冒出来一堆新的词。

一个个背，我估计也背不过来。

但以后再碰到一个新概念，我应该会先问自己几个问题：

它为什么会出现？
前面已经有什么了？
为什么那些东西还不够？
它到底补上了哪一块？

能把这几个问题讲清楚，我觉得才算是真的懂了一点。

至于这篇，我也不敢说自己现在理解得有多深。

至少下一次女朋友再问我：

Skill 不就是提示词吗？

MCP 不就是连接器吗？

我应该不会再讲着讲着，把自己也讲懵了。