LLM、Agent、MCP、Skill 是什么？它们之间有什么关系？

LLM、Agent、MCP、Skill 是什么？它们之间有什么关系？

前言

2024-2026 年，AI 领域最火的几个概念莫过于 LLM、Agent、MCP、Skill。这些概念看起来各自独立，实际上它们构成了一个完整的 AI 应用体系。本文将用最通俗的方式，逐一介绍这四个概念，并解释它们之间的关系。

一、LLM（大语言模型）

1.1 是什么？

LLM（Large Language Model，大语言模型）是一种基于深度学习的 AI 模型，通过海量文本数据训练，具备理解和生成自然语言的能力。

简单来说，LLM 就是一个超级大脑——你给它一段文字，它能理解意思并生成回复。

1.2 代表产品

1.3 能做什么？

• 文本生成：写文章、写代码、写邮件
• 对话交流：回答问题、闲聊、咨询
• 理解分析：总结文档、分析数据、翻译
• 推理思考：逻辑推理、数学计算、规划

1.4 局限性

LLM 本质上只是一个"语言模型"，它有几个关键局限：

• 没有记忆：每次对话都是独立的，不记得上次聊了什么（除非你把历史记录传给它）
• 没有行动能力：只能生成文字，不能操作电脑、发邮件、查数据库
• 知识有截止日期：训练数据有时间界限，不知道最新发生的事
• 可能产生幻觉：有时会一本正经地编造不存在的信息

这些局限，正是 Agent 要解决的问题。

二、Agent（智能体）

2.1 是什么？

Agent（智能体/智能代理）是以 LLM 为"大脑"，加上感知、记忆、工具使用、规划能力的 AI 系统。

如果说 LLM 是一个聪明但只会说话的大脑，那 Agent 就是给这个大脑装上了眼睛（感知）、手脚（工具）、记事本（记忆）和计划表（规划）。

2.2 Agent 的核心组成

┌─────────────────────────────────────┐
│              Agent                   │
│                                      │
│  ┌──────────┐    ┌──────────┐       │
│  │   LLM    │    │  Memory  │       │
│  │  (大脑)   │    │  (记忆)   │       │
│  └────┬─────┘    └──────────┘       │
│       │                              │
│  ┌────▼─────┐    ┌──────────┐       │
│  │ Planning │    │  Tools   │       │
│  │  (规划)   │    │  (工具)   │       │
│  └──────────┘    └──────────┘       │
└─────────────────────────────────────┘

四大能力：

1. 感知（Perception）：理解用户输入、读取文件、获取网页内容
2. 记忆（Memory）：短期记忆（当前对话上下文）和长期记忆（数据库存储）
3. 规划（Planning）：将复杂任务分解为多个步骤，制定执行计划
4. 行动（Action）：调用外部工具完成具体任务

2.3 Agent 的工作流程

用户：帮我查看今天的天气，然后发一封邮件给老板，告诉他明天要下雨，建议取消户外活动

Agent 的思考过程：
1. [规划] 这个任务需要两步：查天气 → 发邮件
2. [行动] 调用「天气查询工具」→ 获取明天天气：暴雨
3. [行动] 调用「邮件发送工具」→ 发送邮件给老板
4. [回复] 已查询到明天天气为暴雨，邮件已发送给老板

2.4 代表产品

2.5 Agent 面临的核心问题

Agent 需要调用各种外部工具（API、数据库、文件系统等），但每个工具的接口格式都不一样。这就像一个人要同时操作几十种不同的遥控器，非常混乱。

这个问题，正是 MCP 要解决的。

三、MCP（模型上下文协议）

3.1 是什么？

MCP（Model Context Protocol，模型上下文协议）是 Anthropic 公司于 2024 年 11 月发布的一个开放标准协议，用于统一 AI 模型与外部数据源、工具之间的通信方式。

简单来说，MCP 就是 AI 世界的 USB 接口——不管什么设备，只要支持 USB 接口，就能即插即用。MCP 也一样，不管什么工具或数据源，只要实现了 MCP 协议，Agent 就能直接使用。

3.2 为什么需要 MCP？

没有 MCP 之前：

Agent ──自定义接口──→ GitHub API
Agent ──另一种接口──→ 数据库
Agent ──又一种接口──→ 文件系统
Agent ──还一种接口──→ 邮件服务

每个工具都需要写专门的对接代码，维护成本极高。

有了 MCP 之后：

Agent ──MCP协议──→ GitHub MCP Server
Agent ──MCP协议──→ 数据库 MCP Server
Agent ──MCP协议──→ 文件系统 MCP Server
Agent ──MCP协议──→ 邮件 MCP Server

所有工具都通过统一的 MCP 协议通信，Agent 只需要学会一种"语言"就能调用所有工具。

3.3 MCP 的架构

┌──────────┐     MCP协议     ┌───────────────┐
│          │ ◄──────────────► │  MCP Server   │
│          │                  │  (GitHub)     │
│          │     MCP协议     ┌───────────────┐
│  MCP     │ ◄──────────────► │  MCP Server   │
│  Client  │                  │  (数据库)      │
│  (Agent) │     MCP协议     ┌───────────────┐
│          │ ◄──────────────► │  MCP Server   │
│          │                  │  (文件系统)    │
└──────────┘                  └───────────────┘

三个核心概念：

1. MCP Client（客户端）：通常是 Agent 或 AI 应用，负责发起请求
2. MCP Server（服务端）：封装了具体工具的能力，提供统一接口
3. MCP Protocol（协议）：定义了客户端和服务端之间的通信格式

3.4 MCP 提供的三种能力

3.5 MCP 配置示例

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your-token"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-filesystem", "/path/to/files"]
    },
    "database": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-sqlite", "path/to/db.sqlite"]
    }
  }
}

3.6 常见的 MCP Server

四、Skill（技能）

4.1 是什么？

Skill（技能）是预定义的、可复用的指令集合，告诉 Agent 在特定场景下应该如何行动。

如果 MCP 是"工具箱"，那 Skill 就是"操作手册"。工具箱里有锤子、螺丝刀、扳手，但你还需要一本手册告诉你"装柜子的时候，先用螺丝刀拧底板，再用扳手固定支架"。

4.2 Skill 的结构

一个典型的 Skill 文件（SKILL.md）包含：

# 技能名称

## 触发条件
当用户要求... 时触发

## 执行步骤
1. 第一步：做什么
2. 第二步：做什么
3. 第三步：做什么

## 注意事项
- 注意点 1
- 注意点 2

## 输出格式
- 输出要求

4.3 Skill 的实际例子

例子 1：创建 Vue 组件的 Skill

# 创建 Vue 组件

## 触发条件
当用户要求创建一个新的 Vue 组件时

## 执行步骤
1. 在 src/components/ 目录下创建组件文件
2. 使用 <script setup lang="ts"> 语法
3. 使用 SCSS scoped 样式
4. 添加必要的 Props 类型定义
5. 遵循项目的命名规范（PascalCase）

例子 2：部署项目的 Skill

# Docker 部署

## 触发条件
当用户要求部署项目时

## 执行步骤
1. 检查 Dockerfile 是否存在
2. 检查 docker-compose.yml 配置
3. 执行 docker compose build
4. 执行 docker compose up -d
5. 检查容器运行状态
6. 验证服务是否正常

4.4 Skill 与 Prompt 的区别

五、四者之间的关系

5.1 关系图

┌─────────────────────────────────────────────────┐
│                    Agent                         │
│                                                  │
│   ┌─────────┐   ┌─────────┐   ┌─────────┐      │
│   │   LLM   │   │  Skill  │   │  Memory │      │
│   │  (大脑)  │   │ (操作手册)│   │  (记忆)  │      │
│   └────┬────┘   └────┬────┘   └─────────┘      │
│        │              │                          │
│        └──────┬───────┘                          │
│               │                                  │
│        ┌──────▼──────┐                           │
│        │   Planning   │                          │
│        │  (规划执行)   │                          │
│        └──────┬──────┘                           │
│               │                                  │
│        ┌──────▼──────┐                           │
│        │     MCP     │                           │
│        │  (工具接口)  │                           │
│        └──────┬──────┘                           │
└───────────────┼──────────────────────────────────┘
                │
    ┌───────────┼───────────┐
    │           │           │
┌───▼───┐ ┌────▼───┐ ┌────▼───┐
│GitHub │ │数据库   │ │文件系统 │
│Server │ │Server  │ │Server  │
└───────┘ └────────┘ └────────┘

5.2 类比理解

用一个人类员工来类比：

5.3 工作流程示例

场景：用户说"帮我在 GitHub 创建一个新项目，初始化 Vue 3 模板"

1. [Agent] 接收用户请求
   
2. [LLM] 理解意图 → 需要创建 GitHub 仓库 + 初始化 Vue 项目

3. [Skill] 匹配到「创建 Vue 项目」技能
   → 获取标准操作流程

4. [Agent] 根据 Skill 规划执行步骤：
   ① 在 GitHub 创建仓库
   ② 克隆到本地
   ③ 用 Vite 初始化 Vue 3 模板
   ④ 提交代码推送

5. [MCP] 通过 MCP 协议调用工具：
   ① GitHub MCP Server → 创建仓库
   ② FileSystem MCP Server → 操作本地文件
   ③ Shell MCP Server → 执行 npm 命令

6. [Agent] 汇总结果，回复用户

5.4 层次关系

底层 ←──────────────────────────────→ 高层

LLM        →    MCP       →    Skill      →    Agent
(基础能力)      (工具标准)      (操作流程)       (完整系统)

语言理解     统一工具接口    定义做事方式    整合所有能力
语言生成     连接外部世界    积累经验知识    自主完成任务

六、实际应用场景

6.1 Cursor IDE（编程场景）

Cursor = Agent
├── LLM：Claude/GPT（理解代码、生成代码）
├── MCP：FileSystem Server（读写文件）
│       Shell Server（执行命令）
│       GitHub Server（Git 操作）
├── Skill：创建组件规范、代码风格指南、部署流程
└── Memory：当前项目上下文、之前的对话

6.2 个人博客 AI 功能（本项目）

博客 AI 助手 = 简化版 Agent
├── LLM：DeepSeek API（生成总结、回答问题）
├── Tools：数据库查询（代办、日记数据）
├── Skill：总结报告模板、改进建议维度
└── Memory：AI 记录表（持久化保存）

6.3 企业级 AI 助手

企业 Agent
├── LLM：GPT-4（理解业务需求）
├── MCP：
│   ├── CRM Server（客户关系管理）
│   ├── ERP Server（企业资源规划）
│   ├── Email Server（邮件系统）
│   └── Calendar Server（日程管理）
├── Skill：
│   ├── 客户跟进 SOP
│   ├── 报告生成模板
│   └── 会议安排流程
└── Memory：企业知识库、历史交互记录

七、发展趋势

7.1 LLM 的发展

• 模型能力持续提升：推理、编程、多模态
• 成本持续下降：开源模型（DeepSeek、Llama）让 AI 更普惠
• 专业化方向：医疗、法律、金融等垂直领域模型

7.2 Agent 的发展

• 从单一 Agent 到多 Agent 协作：多个 Agent 分工合作
• 从对话式到自主式：Agent 能自主发现和解决问题
• 从工具调用到环境交互：Agent 能操作浏览器、桌面应用

7.3 MCP 的发展

• 更多官方 MCP Server：覆盖更多常用服务
• 企业级 MCP Server：对接企业内部系统
• MCP 生态成熟：类似 npm 的 MCP Server 市场

7.4 Skill 的发展

• Skill 市场：社区共享和交易 Skill
• 自动 Skill 学习：Agent 从交互中自动总结 Skill
• Skill 组合：多个 Skill 自动编排形成复杂工作流

八、总结

它们的关系：LLM 是基础，Agent 是整体框架，MCP 解决工具连接问题，Skill 提供操作知识。四者共同构成了现代 AI 应用的完整技术栈。

理解了这四个概念，你就掌握了当前 AI 应用开发的核心知识体系。无论是使用 Cursor 写代码，还是搭建自己的 AI 应用，这些概念都是基础。