Claude Skills vs MCP：区别与实战指南

本文由简悦 SimpRead 转码，原文地址 jishuzhan.net

2025 年 10 月和 11 月，Anthropic 接连发布了 Claude Skills 和 Model Context Protocol (MCP) 。

AI 首席情报员_阿布 2026-01-11 18:31

一、开篇：两个工具，完全不同的定位

2025 年 10 月和 11 月，Anthropic 接连发布了 Claude Skills 和 Model Context Protocol (MCP) 。这两个工具都能扩展 Claude 的能力，但很多人把它们当成 “一回事”，这导致在选择和配置时走了弯路。

核心区别一句话概括：Skills 是 “工作流说明书”，MCP 是 “工具接口标准”。

如果你想让 Claude 按照固定流程做事（比如 “按什么格式写代码审查报告”），用 Skills。

如果你想让 Claude 访问外部服务（比如 GitHub、数据库、浏览器），用 MCP。

如果你需要同时做这两件事？Skills + MCP 协同才是终极方案。

本文从技术原理、实战配置、使用场景三个维度，帮你彻底搞懂两者的区别，并能根据任务类型做出正确选择。

二、核心概念：Skill vs MCP 的本质差异

❧Claude Skills：打包的工作流

Claude Skill 本质上是一个文件夹，包含指令、脚本和资源。当 Claude 认为某个 Skill 与当前任务相关时，会自动加载该 Skill 的内容到上下文。

文件夹结构

skill-name/
├── SKILL.md          # 必需：技能说明文件
├── scripts/          # 可选：辅助脚本
├── templates/        # 可选：文档模板
└── resources/        # 可选：参考资料

Progressive Disclosure：渐进式加载

这是 Skills 最聪明的设计。Claude 不会在启动时加载所有 Skills 的完整内容，而是按需加载：

启动时 ：只读取每个 Skill 的name和description（几十个 tokens）
识别时：根据你的请求判断需要哪个 Skill
加载时 ：调用Skill工具，读取该 Skill 的完整SKILL.md
执行时 ：如果有需要，再读取scripts/或resources/下的文件

这意味着你可以有 100 个 Skills，但每次对话只会加载相关的 1-2 个，上下文窗口不会被爆掉。

❧MCP Server：标准化的工具接口

MCP（Model Context Protocol）是一个开放标准协议，定义了 AI 模型如何与外部工具交互。MCP Server 是一个运行在本地或远程的程序，通过 stdio、HTTP 或 SSE 协议向 AI 暴露工具。

三层架构

层级	能力	示例
Tool 层	可执行的操作	`add计数器`、`get_alerts天气预警`
Resource 层	可读取的数据	`counter状态`、`forecast天气预报`
Prompt 层	可用的模板	`analysis数据分析`、`format格式化`

传输方式对比

传输方式	适用场景	配置示例
stdio	本地脚本	`"command": "python", "args": ["server.py"]`
HTTP	Web 服务	`"url": "http://localhost:3001/mcp"`
SSE	实时推送	`"url": "http://localhost:3001/mcp", "transport": "sse"`

三、技术对比：能力边界与适用场景

维度	Claude Skills	MCP Server
核心能力	固化工作方法论	暴露工具接口
输入输出	自然语言 → 自然语言	结构化调用 → 结构化返回
开发门槛	低（写 markdown）	中（需写 Server 代码）
上下文消耗	高（加载完整指令）	低（每次只返回调用结果）
适用场景	固定流程任务	动态数据访问
典型用例	代码审查、文档生成	GitHub 操作、数据库查询

❧什么时候用 Skills？

判断标准：任务是 “如何做” 还是 “做什么”？

Skills ：当你有固定的工作流程，需要 AI 按步骤执行时
- 示例：“按什么格式写技术教程”、“代码审查的 5 个步骤”
MCP ：当你需要 AI 访问外部数据或服务时
- 示例：“查询 GitHub 的 Issue”、“读取 SQLite 数据库”

❧什么时候用 MCP？

判断标准：是否需要结构化输入输出？

MCP 擅长：工具化操作
- 输入：JSON 结构化参数（{"value": 10}）
- 输出：结构化结果（{"total": 15}）
- 优势：可组合、可测试、可缓存
Skills 擅长：文本化流程
- 输入：自然语言描述
- 输出：自然语言结果
- 优势：灵活、易读、易维护

四、实战 1：创建你的第一个 Claude Skill

❧场景：代码审查 Skill

Step 1：创建文件夹结构

mkdir -p ~/.config/claude-code/skills/code-reviewer
cd ~/.config/claude-code/skills/code-reviewer

Step 2：编写 SKILL.md

---
name: code-reviewer
description: 专注于代码质量和架构的审查工具
---
 
# Code Reviewer
 
## 何时使用
- 提交代码前进行自审
- 审查同事的PR
- 重构时的架构评估
 
## 审查清单
- [ ] 安全性：是否有注入风险
- [ ] 性能：是否有低效查询
- [ ] 可读性：命名是否清晰
- [ ] 测试覆盖：关键路径是否有测试
 
## 指令
1. **快速扫描**：标记明显问题（空catch块、硬编码密钥）
2. **架构分析**：评估设计模式、依赖关系
3. **性能检查**：查找N+1查询、未优化循环
4. **具体建议**：给出可执行的修改方案

Step 3：测试 Skill

# 在Claude Code中测试
"使用code-reviewer审查这段代码：[你的代码]"

❧常见踩坑指南

问题	原因	解决方法
Skill 触发不稳定	description 不够明确	在请求中显式指定 "使用 xxx Skill"
上下文消耗大	SKILL.md 内容太多	引用外部文件：`参考 resources/checklist.md`
版本混乱	Skill 修改后没有生效	删除旧版本或重命名 Skill 文件夹

五、实战 2：开发你的第一个 MCP Server

❧场景：简单计数器 MCP

Step 1：初始化项目

mkdir mcp-counter && cd mcp-counter
npm init -y
npm install @modelcontextprotocol/sdk zod

Step 2：编写 Server 代码

// index.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
 
const server = new McpServer({
  name: "Counter",
  version: "1.0.0"
});
 
let counter = 0;
 
// 注册Tool：add
server.tool(
  "add",
  "Add a value to the counter",
  {
    value: z.number().describe("Value to add")
  },
  async ({ value }) => {
    counter += value;
    return {
      content: [{
        type: "text",
        text: `Added ${value}, total is now ${counter}`
      }]
    };
  }
);
 
// 注册Tool：reset
server.tool(
  "reset",
  "Reset the counter to 0",
  {},
  async () => {
    counter = 0;
    return {
      content: [{
        type: "text",
        text: "Counter reset to 0"
      }]
    };
  }
);
 
// 注册Resource：counter状态
server.resource(
  "counter",
  "Current counter value",
  { uri: "mcp://resource/counter" },
  (uri) => {
    return {
      contents: [{ text: String(counter), uri: uri.href }]
    };
  }
);
 
// 启动Server
const transport = new StdioServerTransport();
await server.connect(transport);

Step 3：配置到 Claude Code

在~/.config/claude-code/mcp.json中：

{
  "mcpServers": {
    "counter": {
      "command": "node",
      "args": ["index.ts"],
      "cwd": "/path/to/mcp-counter"
    }
  }
}

Step 4：测试 MCP Server

# 使用MCP Inspector测试
npx @modelcontextprotocol/inspector node index.ts

❧MCP Server 类型对比

类型	配置	适用场景
stdio	`"command": "python", "args": ["server.py"]`	本地脚本、简单工具
HTTP	`"url": "http://localhost:3001/mcp"`	Web 服务、远程调用
SSE	`"url": "http://localhost:3001/mcp", "transport": "sse"`	实时推送、长连接

六、协同模式：Skills + MCP = 超能力

Skills 和 MCP 不是互斥的，而是互补的。

❧案例：自动化 PR 代码审查

需求：每当创建 PR 时，自动调用代码审查流程。

配置方案：

// oh-my-opencode.json
{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your_token"
      }
    }
  }
}

Skill 工作流：

1. 使用github MCP获取PR信息
   ↓
2. code-reviewer Skill审查代码（遵循固定流程）
   ↓
3. 生成审查报告
   ↓
4. 使用github MCP发布评论

实际调用示例：

用户：审查GitHub PR #123
Sisyphus：
  1. 调用github MCP获取PR代码
  2. 使用code-reviewer Skill审查（按固定流程）
  3. 生成审查报告
  4. 调用github MCP发布评论

七、使用场景判断树

❧判断流程

你的任务有固定流程吗？
- 是 → 使用 Skills
- 否 → 进入下一步
你需要访问外部数据或服务吗？
- 是 → 使用 MCP
- 否 → 可能都不需要，直接用 Claude 对话即可
你的任务是否既需要固定流程，又需要外部数据？
- 是 → Skills + MCP 协同

八、最佳实践与成本优化

❧Skills 优化建议

优化项	具体方法	效果
保持精简	SKILL.md 控制在 1-2KB 以内	减少上下文消耗
外部引用	引用 resources / 和 scripts/	按需加载，避免一次性加载全部
版本控制	用 git 管理 Skills	追踪变更、回滚

❧MCP 优化建议

优化项	具体方法	效果
批量操作	支持一次处理多个请求	减少调用次数，降低延迟
缓存常用数据	使用 Resource 机制	避免重复计算
错误处理	返回清晰的错误信息	方便调试和重试

❧成本对比案例

假设任务：审查 1000 行代码，生成审查报告。

方案 1：单 Agent（Claude Code）

全程用Claude 3.5 Sonnet：
- 代码扫描：50K tokens → $0.15
- 审查分析：30K tokens → $0.09
- 报告生成：20K tokens → $0.06
- 总计：100K tokens，**$0.30**

方案 2：Skills + MCP 协同

- github MCP获取代码：5K tokens → $0.00
- code-reviewer Skill（加载指令）：2K tokens → $0.00
- Claude Sonnet审查：20K tokens → $0.06
- github MCP发布评论：1K tokens → $0.00
- 总计：28K tokens，**$0.06**

节省：80% ，且结果更精准（Skill 定义的流程更规范）。

九、常见问题与解决方案

❧Q1：Skill 和 MCP 能不能一起用？

A：可以，而且这是推荐的模式。

Skill 可以调用 MCP 提供的工具。例如：

code-reviewer Skill 调用github MCP 获取 PR 信息
data-analyst Skill 调用sqlite MCP 读取数据库

❧Q2：Skill 会被遗忘吗？

A：会，这是当前的一个限制。

Claude 有时会 “忘记” 加载 Skill，或者加载错 Skill。

解决方法：

在请求中显式指定：“使用 code-reviewer Skill 审查这段代码”
简化 Skill 的 description，让触发更准确
复用高频 Skill，降低遗忘概率

❧Q3：MCP 需要写代码，有更简单的方式吗？

A：官方提供了预置 MCP 服务器。

预置 MCP	功能	安装
`server-memory`	短期记忆	`npx @modelcontextprotocol/server-memory`
`server-filesystem`	文件系统访问	`npx @modelcontextprotocol/server-filesystem /path/to/files`
`server-github`	GitHub 操作	`npx @modelcontextprotocol/server-github`
`server-sqlite`	SQLite 数据库	`npx @modelcontextprotocol/server-sqlite /path/to/db.db`

❧Q4：Skill 和 MCP 的性能对比如何？

A：MCP 通常更快，但 Skill 更灵活。

MCP：每次只返回结构化结果，上下文消耗小，响应快
Skill：需要加载完整指令，上下文消耗大，但可以处理复杂逻辑

建议：

简单工具操作 → MCP
复杂流程推理 → Skills
混合任务 → Skills + MCP

❧Q5：如何调试 Skills 和 MCP？

A：使用日志和调试工具。

工具	用法
Claude Code 日志	查看 Skill 加载、MCP 调用过程
MCP Inspector	测试 MCP Server 的工具和资源
`--verbose`	在配置中启用详细输出

十、总结与扩展

❧核心要点回顾

概念	本质	适用场景
Claude Skills	工作流说明书	固定流程任务（代码审查、文档生成）
MCP Server	工具接口标准	动态数据访问（GitHub、数据库）
Skills + MCP	超能力组合	复杂多阶段任务（自动化 PR 流程）

❧进阶学习路径

深入 Skills：

学习 Progressive Disclosure 最佳实践
掌握 Skill 的版本控制策略
探索 Skill 之间的协同调用

深入 MCP：

开发自定义 MCP Server
学习 HTTP 和 SSE 传输方式
理解 Tool、Resource、Prompt 的完整能力

深入学习资源：

Claude Skills 官方文档：docs.claude.com/en/docs/age…
MCP 协议规范：modelcontextprotocol.io/docs[2]
awesome-claude-skills：github.com/anthropics/…

❧互动引导

你目前遇到的开发任务，更适合用 Skill 还是 MCP？

固定流程（如代码审查、文档生成）→ 尝试创建你的第一个 Skill
外部服务（如 GitHub、数据库）→ 尝试配置你的第一个 MCP Server
复杂任务（两者都需要）→ 思考如何让 Skill 调用 MCP 工具

欢迎在评论区分享你的实践经验，或者提问遇到的问题！

记住：Skills 和 MCP 不是二选一的关系，而是可以协同的工具。理解它们的本质差异，你就能根据任务类型做出最优选择。

HL🌱数字花园

探索

Claude Skills vs MCP：区别与实战指南 - 技术栈