Agent Skill 从使用到原理，一次讲清

作者：马克的技术工作坊
核心标签：agent、agentskill、anthropic、AI、mcp
抖音视频 : https://v.douyin.com/NERxdsCunHY/

2025年10月16号，Anthropic正式推出了Agent Skill。起初官方对它的定位相当克制，只是希望用它来提升Cloud在某些特定任务上的表现。但这套设计很快凭借实用性获得行业认可，VS Code、Codex、Cursor等工具陆续加入对Agent Skill的支持。

在这样的背景下，12月18日Anthropic做出重要决定，将Agent Skill正式发布为开放标准，支持跨平台、跨产品复用。这意味着Agent Skill已超越Cloud单一产品范畴，演变为AI Agent领域的通用设计模式。

本次内容将从Agent Skill的概念、基础使用方法、高级用法（reference和script）出发，最后对比Agent Skill与MCP，明确二者的区别、联系及适用场景。

一、什么是Agent Skill

用最通俗的话来讲，Agent Skill就是大模型可以随时翻阅的说明文档。通过在Skill中明确任务规则和要求，无需在每次对话中重复粘贴指令，大模型可自主参照执行。

• 示例1：智能客服Skill中，可规定遇到投诉先安抚情绪、不得随意承诺；
• 示例2：会议总结Skill中，可要求按「参会人员-议题-决定」格式输出。

说明文档是简化理解的说法，实际Agent Skill的功能更强大，其高级能力会在后续展开。

二、Agent Skill 基础使用方法（以会议总结场景+Cloud Code为例）

1. 前期创建步骤

Agent Skill的载体为专属文件夹，核心文件为skill.md，具体创建流程：

1. 进入用户目录下的.cloud skill文件夹，执行maker 会议总结助手创建文件夹，文件夹名称即为Agent Skill名称；

2. 用VS Code打开该文件夹，创建核心文件skill.md，该文件是描述Agent Skill的核心，分为两部分：

   • 元数据层（matte data）：被两段短横线包裹，包含name（Skill名称，与文件夹名一致）和description（Skill功能描述，向大模型说明用途）两个属性；
   • 指令层（instruction）：元数据层之外的部分，详细描述模型需遵循的任务规则，可附带示例帮助模型理解（如会议录音输入→标准化总结输出的示例）。

2. 实际调用流程

创建完成后，在Cloud Code中验证使用，核心流程如下：

1. 打开Cloud Code，输入「你有哪些agent skill？」，可验证Cloud Code是否识别已创建的Skill；
2. 输入任务请求（如「总结以下会议内容」+ 粘贴会议录英文本），Cloud Code会先询问是否允许使用匹配的Agent Skill，用户确认后开始执行；
3. 执行完成后，大模型将按照skill.md的规则输出结果（如会议总结的「参会人员、议题、决定」三要素）。

3. 核心执行逻辑（三角色+三步流程）

整个使用流程涉及用户、Cloud Code、大模型（Cloud模型） 三个角色，核心分为三步：

1. 用户输入请求后，Cloud Code将请求+所有Skill的元数据（名称+描述） 发送给大模型，此时大模型仅获取轻量级目录信息；
2. 大模型匹配到适配的Agent Skill后，将结果反馈给Cloud Code，Cloud Code随即读取该Skill的skill.md完整内容；
3. Cloud Code将用户请求+skill.md完整内容 发送给大模型，大模型按规则生成响应，由Cloud Code反馈给用户。

4. 核心机制：按需加载

Skill的元数据（名称+描述） 始终对大模型可见，而具体指令内容 仅在该Skill被选中后才会加载，大幅节省模型的token消耗，避免无效上下文占用。

三、Agent Skill 高级用法：reference + script

基础的按需加载已能节省token，但针对复杂场景，Agent Skill提供了更精细化的高级功能，分为reference（条件式读取资源）和script（代码执行）两类，均属于「按需中的按需加载」，进一步提升资源利用效率。

1. Reference：条件触发的资源读取

核心作用

解决skill.md内容臃肿问题，仅当任务触发特定条件时，才加载对应的参考文档（如财务、法务规则），避免无关内容占用token。

实操示例（会议总结+财务合规提醒）

1. 在Skill文件夹中创建参考文件（如集团财务手册.md），写入费用报销标准（如住宿补贴500元/晚、餐饮费300元/人）；
2. 在skill.md中新增财务提醒规则：仅当会议内容提到「钱、预算、采购费用」时，触发读取集团财务手册.md，并要求模型标注金额是否超标、明确审批人；

3. 调用时，若会议内容涉及费用（如订1200元/晚的酒店），Cloud Code会先请求读取参考文件，用户确认后，模型将在总结中增加财务提醒模块；若会议与钱无关，则参考文件不会被加载，不占用任何token。

   核心特性

4. 条件触发：仅满足skill.md设定的条件时才加载；
5. 读取式加载：参考文件内容会被加载到模型上下文，会消耗token，但仅在需要时触发。

2. Script：代码执行的自动化能力

核心作用

让Agent Skill具备运行代码的能力，实现任务自动化（如文件上传、数据处理），是从「信息处理」到「实际干活」的关键。

实操示例（会议总结+结果上传服务器）

1. 在Skill文件夹中创建代码脚本（如upload.py），编写文件上传的Python逻辑；
2. 在skill.md中新增上传规则：当用户提到「上传、同步、发送到服务器」时，运行upload.py脚本，将总结内容上传至服务器；

3. 调用时，输入请求（如「总结以下会议内容并上传到服务器」+ 会议文本），Cloud Code确认使用Skill后，会先输出总结结果，再请求执行脚本，用户确认后完成上传，并反馈上传相关信息。

   核心特性

4. 执行不读取：脚本仅被Cloud Code执行，不会被加载到模型上下文，几乎不消耗token，即使脚本有上万行代码也不影响；
5. 轻量适配：Cloud Code仅关心脚本的运行方法和结果，不关注脚本内部逻辑。

3. Reference 与 Script 核心区别

二者均为Agent Skill高级功能，但对模型上下文的影响截然不同：

四、Agent Skill 核心架构：渐进式披露机制

Agent Skill的设计是精密的三层渐进式披露结构，每层加载机制不同，层层递进实现精细化的资源利用，核心为「从始终加载→按需加载→按需中的按需加载」。

1. 第一层：元数据层

   • 包含所有Agent Skill的名称和描述，始终加载；
   • 作用：相当于大模型的「目录」，每次回答前模型都会参照，判断用户请求是否匹配某一Skill。

2. 第二层：指令层

   • 对应skill.md中除元数据外的指令内容，按需加载；
   • 触发条件：大模型匹配到适配的Skill后，才会加载该层内容。

3. 第三层：资源层

   • 包含reference（参考文件）、script（代码脚本），官方规范还包含assets（与reference部分重叠，暂不赘述），按需中的按需加载；
   • 触发条件：模型读取指令层后，判断满足特定条件（如涉及钱、需要上传）时，才会加载该层内容；
   • 加载差异：reference为「读取式加载」，script为「执行式不加载」。

注意：若script的运行方法未在skill.md中明确说明，Cloud Code可能会读取脚本内容，此时会占用模型上下文，因此编写Skill时需明确所有规则。

五、Agent Skill 与 MCP 的区别与联系

二者均能让大模型连接和操作外部世界，存在功能重叠，但本质、定位、适用场景截然不同，并非替代关系，反而常需结合使用。

1. 官方核心定义

Anthropic官方用一句话点明二者区别：MCP connects cloud data，Skills teach cloud what to do with that data。

• MCP：为大模型供给数据，实现外部数据/工具的连接（如查询昨日销售记录、获取订单物流状态）；
• Agent Skill：教大模型如何处理数据，定义数据处理的规则和标准（如会议总结需包含议题、汇报文档需附带具体数据）。

2. 本质与适用场景差异

3. 实际使用建议

1. 避免替代：Agent Skill虽能编写简单的连数逻辑，但并非其设计初衷，如同「瑞士军刀能切菜，但并非最佳选择」；
2. 按需选择：简单规则定义、轻量脚本用Agent Skill；复杂数据连接、高稳定性代码执行用MCP；
3. 结合使用：多数场景下，二者结合能实现最佳效果——MCP负责连接外部数据/工具，Agent Skill负责定义数据处理的标准和规则，让大模型「既能连接外部，又能按规处理」。

以上就是Agent Skill从概念、使用到原理的全部内容，以及其与MCP的核心区别。掌握Agent Skill的设计逻辑和使用方法，能大幅提升大模型在特定场景下的任务执行效率和标准化程度。