MCP 和 Agents Skills 关系

MCP 回顾：

统一传输协议：jsonrpc 2.0，明确输入参数（jsonrpc、method、params、id）、输出参数（jsonrpc、result/error、id）格式及字段，否则各家模型公司标准不统一，各家接口服务协议不统一，没有统一规范。
统一通信协议：stadio、SSE（service send event）、websocket

Agent Skill 回顾：

解决 token 上下文窗口问题，
模块化、可复用
特定任务、工作流程的结构化封装
包含文件：SKILL.md、references/、scripts/、assert/

关系： Skill 与MCP 结合使用，与 MCP 关系类似菜谱+厨具、数据怎么用+数据如何获取。

问题一：大模型是如何发现 Agent Skills 的

开始处理请求时，系统会提供了一个 <agent_skills>部分，里面列出了所有可用的skills，传入到 system_prompt 中：

<agent_skills>
  <agent_skill fullPath="/Users/zhangfeibiao/.claude/skills/travel-guide/SKILL.md">
    当用户询问"帮我制定旅行攻略"、"create a travel itinerary"、"plan a trip"、
    "规划路线"、"make travel攻略"或讨论"旅行攻略"、"旅游计划"、"景点推荐"、
    "travel planning"、"itinerary creation"时使用此技能。自动从小红书收集旅行信息
    并整合Google Maps数据生成全面的旅行指南。⚠️ 必须为每个景点获取 Google Maps 
    链接、评分、地址信息、支付方式和地点图片。
  </agent_skill>
  
  <!-- 还有其他20多个skills -->
</agent_skills>

信息流可视化（rule 非必须，看 Agent 架构设计）：

┌─────────────────────────────────────────┐
│  系统发送给我的完整上下文               │
├─────────────────────────────────────────┤
│                                         │
│ <agent_skills>                          │
│   ├─ travel-guide ⭐                    │
│   │   ├─ fullPath: /...skills/...      │
│   │   └─ description: "旅行攻略..."     │
│   │                                    │
│   ├─ xlsx                               │
│   ├─ pdf                                │
│   └─ ... 30+ skills                    │
│                                         │
│ <workspace_rules>                       │
│   └─ <skills_system>                    │
│       └─ travel-guide (同上)            │
│                                         │
│ <user_query>                            │
│   └─ "帮我生成福州3日旅行攻略"          │
│                                         │
└─────────────────────────────────────────┘
           │
           ↓
    [我的处理逻辑]
           │
    关键词匹配: "旅行攻略"
           │
    在agent_skills中查找...
           │
    ✅ 发现travel-guide ✅
           │
    读取skill详细信息
           │
    执行skill的具体步骤

问题二：如果 skills 里面又有很多接口调用，这些接口有的是直接声明url、params，有的会指明调用哪个mcp 的具体 tool，这两种情况下流程是如何实现的？

┌─────────────────────────────────────────────────────┐
│                  大模型 (Claude/OpenAI/千问)           │
└───────────────────────────┬─────────────────────────┘
                            │
          【模型只做这3件事】
  1. 理解目标  2. 规划步骤  3. 选择并调用 Skill
                            │
                            ▼
┌─────────────────────────────────────────────────────┐
│                  Agent Skills 能力层                 │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐   │
│  │ 查天气 Skill │  │ 发邮件 Skill │  │ 订机票 Skill │   │
│  └─────────────┘  └─────────────┘  └─────────────┘   │
└───────────────────────────┬─────────────────────────┘
                            │
          【模型只看到：名称、描述、入参、出参】
                            │
                            ▼
┌─────────────────────────────────────────────────────┐
│                  MCP 协议层 (JSON-RPC 2.0)            │
└───────────────────────────┬─────────────────────────┘
                            │
          【统一调用入口：skills.xxx + params】
                            │
            ┌──────────────┴──────────────┐
            ▼                             ▼
┌─────────────────────┐         ┌─────────────────────┐
│  类型A：直接HTTP接口  │         │  类型B：调用MCP Tool  │
│  内部写死 URL、参数   │         │  指向已注册的MCP工具   │
└─────────────────────┘         └─────────────────────┘

步骤 1：编写 Registry 文件

如上面的 skills_registry.yaml，把所有 Skill 的 “给模型看的元信息” 和 “模型看不到的实现细节” 分开写。

步骤 2：系统启动时加载 Registry

后端服务（如 Python/Go 服务）读取 Registry 文件，解析成内存中的数据结构，同时加载 Rule 规则文件。

步骤 3：提取 Skill 元信息（核心：隐藏实现细节）

系统只保留 metadata 部分（名称、描述、入参 / 出参约束），完全剔除 implementation 部分（URL/Tool 信息），生成 “干净的 Skill 清单”。

步骤 4：封装到 System Prompt / 上下文

把 “干净的 Skill 清单 + Rule 规则” 拼接成模型能理解的文本，放入 System Prompt（模型的 “指令手册”）。

关键：只传元信息，不传实现细节！

步骤 5：传给大模型

步骤 6：模型基于元信息决策调用

模型只看到上述 “干净的清单”，基于语义理解 + Rule 规则，决策调用 weather.get，并按 input_schema 生成参数，最后通过 MCP 协议发送调用请求。