模型、Agent、Skill、MCP 与 API

学完能做什么

读完这篇，你应该能：

• 用一句话解释模型、Agent、Skill、MCP 和 API；
• 看到一个 AI 产品时，判断它主要用了哪几层能力；
• 知道自己的需求应该从“直接问模型”开始，还是需要 Agent 和工具；
• 避免把五个概念混在一起讨论。

前置知识

不需要编程经验。只要使用过任意一种 AI 对话工具就够了。

先记住一张图

你的任务
  ↓
Agent：理解目标、决定下一步、检查是否完成
  ├─ 调用模型：分析、生成、判断
  ├─ 使用 Skill：遵循一套可复用的做事方法
  └─ 通过 MCP 或 API：读取数据、调用外部工具

这五个词不在同一层。最容易理解的方法，是把它们放进一次真实任务里看。

假设你的任务是：“每天早上读取昨天的客服记录，归类问题，生成一份摘要，确认后发给负责人。”

• 模型负责看懂客服记录、判断分类、写摘要。
• Agent负责安排整段流程：先读取，再分类，再检查，最后等待确认。
• Skill规定这件事应该怎么做，例如分类标准、摘要格式和质量检查步骤。
• MCP让 Agent 用一种统一方式发现并连接“客服记录”“文档库”“发送消息”等工具。
• API是系统之间实际交换请求与结果的接口。

下面逐个拆开。

先做一个 3 分钟判断

拿出一件你最近想交给 AI 的事，先填这张任务卡：

任务：________________________________
输入材料：____________________________
最后交付：____________________________
中间是否要查询外部信息：是 / 否
中间是否要执行真实操作：是 / 否
是否会根据结果决定下一步：是 / 否
哪些操作必须由我确认：________________

如果后三项全是“否”，你大概率只需要模型；如果需要固定做法，就增加 Skill；如果需要查询或操作外部系统，就需要 API 或 MCP；如果执行步骤会随着中间结果变化，才进入 Agent 的范围。

这张任务卡会贯穿全文。读完后，你可以回来修改第一次的判断。

1. 模型：负责理解和生成

模型是 AI 系统里负责“思考和表达”的部分。你给它文字、图片或其他输入，它根据上下文生成结果。

模型擅长：

• 总结、改写和翻译；
• 从材料中提取信息；
• 生成文案、代码或方案；
• 对多个选项做分析；
• 按给定标准进行初步判断。

模型不天然拥有：

• 你公司的最新数据；
• 对电脑文件和业务系统的访问权；
• 永久、可靠的记忆；
• 对输出结果的事实保证；
• 自动执行后续动作的权限。

因此，“模型能回答”不等于“系统能把任务做完”。

2. Agent：围绕目标连续行动

Agent 可以理解为一个带有目标、状态和工具的执行者。它不只回答一次，而是反复进行下面的循环：

1. 观察当前信息；
2. 判断下一步需要做什么；
3. 调用模型或工具；
4. 读取结果；
5. 判断任务是否完成；
6. 未完成就继续，涉及风险就请求确认。

一个真正可用的 Agent，至少需要四样东西：

如果一个产品只是把你的问题交给模型，再把回答显示出来，它更接近“对话应用”，不一定是 Agent。

Agent 不是“有或没有”，而是自主程度不同

可以把系统的自主程度分成五级：

系统越靠下，越要增加工具白名单、最大步数、成本上限、操作确认、日志和失败恢复。不要因为 L4 看起来更“高级”，就跳过能解决问题的 L1 或 L2。

3. Skill：一套可重复使用的做事方法

Skill 不是更聪明的模型，而是一套面向具体任务的操作说明。它通常会告诉 Agent：

• 什么时候使用这项能力；
• 需要收集哪些输入；
• 按什么顺序处理；
• 输出必须满足什么格式；
• 哪些情况要暂停并询问用户；
• 完成后怎么检查质量。

例如“整理会议纪要”Skill 可以规定：

1. 先识别参会人、议题和时间；
2. 将内容拆成结论、决定、待办和风险；
3. 每个待办必须包含负责人和期限；
4. 不确定的信息标记为“待确认”，不能自行补写；
5. 输出前检查是否遗漏待办。

同一个模型，使用清楚的 Skill 后，结果通常会更稳定，因为做事方法不再完全依赖临场发挥。

4. API：系统之间约定好的窗口

API 是两个软件系统之间交换信息的规则。你可以把它理解为一个有固定填写方式的服务窗口：

• 你要把请求交到哪个地址；
• 需要证明什么身份；
• 请求里可以写哪些字段；
• 对方会返回什么格式；
• 出错时会给什么提示。

调用模型本身通常也通过 API。查询天气、读取订单、保存文档、发送消息，同样可以通过各自的 API。

API 解决的是“怎么连接和传递数据”，它不会自动替你决定整段任务应该怎样完成。

5. MCP：让 AI 工具连接更统一

当 Agent 要连接很多工具时，如果每个系统都采用完全不同的接入方式，开发和维护会很麻烦。MCP 提供了一套统一约定，让客户端能够发现服务器提供的工具、资源和提示模板，并按一致的方式调用。

大白话说：

• API 像每家机构自己的服务窗口；
• MCP 像给 AI 工具准备的一套统一目录和接待规则；
• MCP 服务器背后仍可能调用一个或多个 API。

MCP 不会自动消除权限风险。能看到哪些数据、能执行哪些动作，仍然要由服务器、账号权限和用户确认共同限制。

再分清三个容易混淆的词：工具、动作和结果

假设 Agent 要“把确认后的周报发给项目群”：

• 工具是 send_message，它描述程序具备什么能力；
• 动作是“向项目群发送这份周报”，它包含本次具体对象和内容；
• 结果是“消息 ID、发送时间、成功或失败状态”。

一个动作可能组合多个工具。例如“创建会议并通知参会人”可能要先调用日历工具，再调用通讯工具。安全策略应检查具体动作，而不只是检查工具名称：同一个“读取文件”工具，读取公开模板和读取密钥文件的风险完全不同。

五个概念放在一起比较

真实例子：把一份会议录音变成待办清单

只问模型时，你可以手动上传转写文本，然后要求它整理。这适合偶尔做一次。

如果每周都要做，可以逐步升级：

1. 模型：提取决定、负责人、期限和待确认项。
2. Skill：固定纪要结构和检查标准。
3. API 或 MCP 工具：读取转写、查询人员、写入任务系统。
4. Agent：串联流程，发现负责人缺失时回到原文查找，仍不确定就请求确认。
5. 权限边界：可以自动生成草稿，但创建正式任务前必须由用户确认。

不是所有任务都要一开始就做成 Agent。先从最小方案开始，重复频率和复杂度上升后再增加层次。

把流程画成可检查的状态

收到转写
  → 提取决定与待办
  → 检查每项是否有负责人和期限
      ├─ 信息齐全：生成草稿
      └─ 信息缺失：标记待确认，不自行补写
  → 用户确认
      ├─ 通过：写入任务系统
      └─ 退回：保留修改意见，重新生成
  → 返回创建结果

这张图比“做一个会议 Agent”更有用，因为每个状态都有明确输入、输出和失败去向。真正开发时，可以逐个状态实现和测试。

怎么判断自己需要哪一层

按顺序问四个问题：

1. 只需要一次内容生成吗？ 是：先直接使用模型。
2. 需要固定的方法和格式吗？ 是：增加模板或 Skill。
3. 需要读取外部数据或执行动作吗？ 是：接入 API 或 MCP 工具。
4. 需要根据中间结果多步推进吗？ 是：再设计 Agent。

动手练习：拆解你自己的任务

选择下面任意一个任务，或者使用开头填写的任务卡：

• 每周整理十篇行业文章；
• 从三份报价单中做采购对比；
• 收到用户反馈后分类并生成回复草稿；
• 检查一个文件夹里的合同是否缺少签字页。

按下面格式写出你的方案：

模型负责：
Skill 规定：
需要的工具：
API 或 MCP 的作用：
Agent 何时继续：
Agent 何时停止：
必须人工确认的动作：
失败后返回什么：

参考答案：采购报价对比

• 模型负责识别商品、规格、交期和条款，并解释差异；
• Skill 规定字段、单位换算方法、缺失值标记和输出表格；
• 文件读取工具取得三份报价单，表格工具写入结果；
• Agent 发现规格不一致时暂停直接排名，先建立“不可直接比较”列表；
• 价格和条款都提取完成后停止；
• 选择供应商、发送询价或创建订单必须由人确认；
• 文件损坏或字段缺失时返回明确错误和缺失清单，不猜测数字。

重点不是和参考答案一模一样，而是每一层都有清楚职责，且失败不会被隐藏。

常见错误

错误一：把聊天机器人都叫 Agent

判断重点不是界面像不像聊天，而是它能否围绕目标管理状态、调用工具并连续推进。

错误二：以为接上 MCP 就自动变成 Agent

MCP 提供连接能力。目标拆解、状态管理、失败处理和完成判断仍然需要 Agent 逻辑。

错误三：把 Skill 当成插件或模型

Skill 的核心是可复用的方法和约束。有些系统会把工具一起封装进去，但“做事说明”和“外部能力”仍应分开理解。

错误四：一开始就做复杂架构

如果一个模板加一次模型调用就能解决问题，多 Agent、长期记忆和十几个工具只会增加成本与故障点。

错误五：只关心能不能调用，不关心能不能收回权限

工具连接必须同时考虑最小权限、操作确认、日志、超时、失败回滚和凭证保护。

完成检查清单

读到这里，试着不看正文回答：

• 模型负责什么？它天然缺少什么？
• Agent 的运行循环包含哪几个动作？
• Skill 和工具有什么区别？
• API 与 MCP 的关系是什么？
• 你的一个真实任务，最小需要用到哪几层？
• 哪些动作必须由人确认？
• 我能区分工具、一次具体动作和执行结果。
• 我能判断自己的方案处在 L0 到 L4 的哪个等级。

如果最后两项答不出来，先选一个每天或每周会重复的任务，把输入、输出、步骤和风险写成四行，再重新判断。

10 题自测

1. 模型为什么不能天然读取你的业务数据库？
2. “按模板整理会议纪要”更接近 Skill 还是 API？
3. MCP 解决的是整体决策，还是工具连接约定？
4. 模型提出 send_message 后，谁真正执行？
5. 一次工具调用是否一定构成完整 Agent？
6. 为什么 Agent 要保存状态？
7. L3 系统至少需要哪三类运行限制？
8. 工具和动作为什么要分开审查？
9. 什么时候模板比 Agent 更合适？
10. 你的任务中最危险的真实动作是什么？

建议先口头回答，再回到对应章节核对。第 10 题没有统一答案，但必须能指出具体对象和后果。

下一篇

《先说清任务：写出模型能执行的目标》——把“帮我做一下”改成模型能够真正执行和验收的任务说明。