Agent开发-Agent Skills总结

🔍 WHAT（是什么）

Skills 是一种应用层的架构模式，它将完成特定任务的专业知识、业务流程和最佳实践封装成可供 LLM 按需加载的"操作说明书"。

本质特征：

• 是一个结构化的 Markdown 文件（SKILL.md）+ 可选的脚本代码

• 是写给 LLM 看的 SOP（标准作业程序）

• 是可复用、可版本化、可共享的知识资产

• 不是 LLM 的原生能力，而是建立在 Function Calling 和 MCP 之上的上层建筑

文件结构示例：

skill-name/
├── SKILL.md         # 核心指令（LLM加载）
├── scripts/         # 脚本代码（LLM不加载）
├── references/      # 参考文档（按需加载）
└── skill.json       # 元数据（应用层使用）

🎯 WHY（为什么需要）

七大核心价值：

一句话总结：Function Calling + MCP 解决了"怎么调用工具"的技术问题，而 Skill 解决了"如何让 AI 专业地工作"的系统问题。

👤 WHO（谁负责）

Skill 涉及三个角色，职责清晰分离：

决策分工：

• 应用层负责："有什么技能可用"（提供菜单）

• LLM 负责："该用哪个技能"（根据菜单点菜）

• 开发者负责："技能该怎么做"（写菜谱）

⏰ WHEN（何时使用）

适用场景：

触发时机：当用户请求匹配到某个技能的 description 时，LLM 会调用 activate_skill 激活该技能。

📍 WHERE（在哪里运行）

Skill 的运行环境是分层的：

Mermaid Diagram

• 元数据：在 LLM 上下文中

• 完整指令：激活后加载到 LLM 上下文

• 脚本代码：在应用层执行（LLM 不加载）

• 工具调用：通过 MCP 标准化接入

🔧 HOW（如何工作）

核心机制：渐进式加载

完整调用流程

Mermaid Diagram

关键技术点

LLM 调用 activate_skill 和具体工具

📊 效果总结

🎯 终极总结

# Skill 的 5W1H 一句话版
WHAT  = 给 LLM 看的 SOP（标准作业程序）
WHY   = 让 AI 从"会调用工具"变成"懂业务地工作"
WHO   = 应用层管注册 + LLM做决策 + 开发者写内容
WHEN  = 需要多步流程、业务规则、稳定输出时
WHERE = 元数据在 LLM 上下文，脚本在应用层执行
HOW   = 元数据注入 → 语义匹配 → 激活 → 按指令执行

Skill 的本质：它是 Function Calling 和 MCP 之上的智能封装层，把 LLM 的灵活性（理解与决策）和应用层的确定性（流程与管控）完美结合，让 AI 真正成为能稳定处理复杂任务的"领域专家"。