去年写了不少 AI 稿子，那会最土的流程就是，自己先整理个大纲或者问题清单，让大模型把正文吐出来，然后再把内容复制到本地 md 文档里，补 frontmatter、标签、分类、标题，最后再发布。
这套流程不是不能用，是很烦。真正费时间的地方，不是正文，而是正文外面那一圈重复劳动。尤其是最近 Codex 用多了以后，这种别扭感更强了。它能读仓库、能改文件、能补资料、还能直接把文章写进目录里，我要是还手工复制来复制去，反而像是人把工具的腿绑住了。
这几天看 AI 编程，前脚大家还在聊 MCP，后脚又开始聊 Skill。很多人第一次看到这个词，会本能地把它当成又一个新协议，或者又一种高级提示词。
我的判断很直接，Skill 不是来抢 MCP 位置的，它更像是给 agent 配一份工种手册。MCP 解决的是“让 agent 能连上外部世界”，Skill 解决的是“连上以后，按什么套路把活干稳”。这两者不是替代关系，更像是一前一后。
说白了，MCP 让 agent 有手有脚，Skill 让 agent 别乱来。
在 AI Agent 领域，如何让大语言模型（LLM）更安全、更高效地与外部世界交互，一直是开发者关注的核心课题。近期，Anthropic 推出的 MCP (Model Context Protocol) 和 Gemini CLI 中的 Skill 机制成为了讨论的热点。
这两者虽然都旨在扩展模型的能力边界，但在设计哲学、信任边界以及约束机制上有着截然不同的路径。