docs: 添加 MCP 与 Skills 详解文章,调整模型分类侧边栏结构

This commit is contained in:
祀梦
2026-03-29 16:08:20 +08:00
parent 145f5b8971
commit 396d78fb73
3 changed files with 195 additions and 1169 deletions

File diff suppressed because it is too large Load Diff

View File

@@ -36,6 +36,13 @@ export default defineCollections([
linkPrefix: '/ai/', linkPrefix: '/ai/',
sidebar: [ sidebar: [
{ text: '模型', link: '/ai/' }, { text: '模型', link: '/ai/' },
{
text: '基础概念',
collapsed: false,
items: [
{ text: 'MCP 与 Skills 详解', link: '/article/mcp-and-skills/' },
],
},
{ {
text: '部署与工具链', text: '部署与工具链',
collapsed: false, collapsed: false,

View File

@@ -0,0 +1,188 @@
---
title: MCP 与 Skills让 AI 助手更懂你的利器
createTime: 2026/03/29 14:00:00
permalink: /article/mcp-and-skills/
sidebar: '/ai/'
---
嗨~今天来聊聊两个让 AI 助手变得更聪明、更贴心的小魔法:**MCP** 和 **Skills** 🪄
它们就像是给 AI 装上了「外挂」和「说明书」,让它不仅能聊天,还能真正帮你干活、调用工具、甚至访问你的本地知识库~
## 一、MCP 是什么?
**MCP** 全称是 **Model Context Protocol**(模型上下文协议),是由 [Anthropic](https://www.anthropic.com/) 提出的一种开放协议。
简单来说,它就像是 AI 和外部世界之间的「通用翻译官」🌐
### 为什么需要 MCP
想象一下:
- 你想让 AI 查一下你的本地数据库
- 你想让 AI 调用某个特定工具
- 你想让 AI 访问你的笔记知识库
以前,每个工具都要写一套单独的对接代码,很麻烦对吧?
MCP 的出现,就是为了让这些「对接」变得标准化——**一次配置,到处可用**。
### MCP 的工作原理
```
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ AI 助手 │ ◄──► │ MCP 协议 │ ◄──► │ 外部工具 │
│ (Cursor等) │ │ (标准化) │ │ (数据库/API) │
└─────────────┘ └─────────────┘ └─────────────┘
```
AI 助手通过 MCP 协议,可以:
- 🔍 **检索**Retrieval查询知识库、数据库
- 🛠️ **调用工具**Tools执行特定功能
- 💾 **访问资源**Resources读取文件、配置等
## 二、Skills 是什么?
如果说 MCP 是「通信协议」,那 **Skills** 就是「技能说明书」📖
### Skills 的概念
Skills技能是封装好的、可复用的功能模块。每个 Skill 通常包含:
- **功能描述**:这个技能是干嘛的
- **调用方式**:需要哪些参数、返回什么结果
- **使用示例**:实际怎么调用
### MCP vs Skills 的关系
| 概念 | 比喻 | 作用 |
|------|------|------|
| **MCP** | 电话线/网络协议 📡 | 负责「能连上」 |
| **Skills** | 电话簿/功能菜单 📋 | 负责「知道能做什么」 |
MCP 让 AI 和工具**连得通**Skills 让 AI**知道怎么用**。
## 三、实际应用场景
### 场景 1本地知识库检索 🗃️
就像我在 [RAGFlow 部署文章](../windows11-ragflow-deployment-mcp/) 里写的,通过 MCP 把 RAGFlow 接到 Cursor 里:
```json
// Cursor 的 MCP 配置
{
"mcpServers": {
"RAGFlow": {
"url": "http://127.0.0.1:39382/mcp/"
}
}
}
```
然后 AI 就能:
- 自动检索你的笔记
- 基于本地知识回答问题
- 不用把敏感文件上传到云端
### 场景 2数据库查询 🗄️
配置一个数据库 MCP ServerAI 就能直接帮你:
```
用户:查一下上个月销售额最高的产品
AI【通过 MCP 调用数据库查询工具】
SELECT product_name, SUM(sales)
FROM sales
WHERE date >= '2025-02-01'
GROUP BY product_name
ORDER BY SUM(sales) DESC
LIMIT 1;
结果是:产品 A销售额 ¥123,456
```
### 场景 3文件操作 📁
通过文件系统 MCPAI 可以:
- 读取项目配置文件
- 批量重命名文件
- 生成代码并保存到指定目录
## 四、在 Cursor 中使用
### 配置 MCP Server
以 Cursor 为例,在 `~/.cursor/mcp.json` 中添加:
```json
{
"mcpServers": {
"my-database": {
"url": "http://localhost:3000/mcp"
},
"file-system": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/dir"]
}
}
}
```
### 使用流程
1. **AI 发现技能**启动时AI 会自动获取所有可用的 Skills 列表
2. **意图识别**当你提问时AI 判断是否需要调用工具
3. **参数填充**AI 自动提取所需参数
4. **执行并返回**:调用 MCP Server获取结果后呈现给你
### 交互示例
```
你:帮我总结一下项目里的 API 接口
AI我来帮你分析一下项目中的 API 接口。
【调用 file-system skill 读取项目文件】
【调用检索 skill 查找路由定义】
找到以下接口:
1. GET /api/users - 获取用户列表
2. POST /api/users - 创建用户
3. GET /api/users/:id - 获取单个用户
...
```
## 五、MCP 生态一览
目前 MCP 生态正在快速发展,已有许多现成的 Server 可用:
| 类型 | 代表项目 | 用途 |
|------|---------|------|
| 文件系统 | `@modelcontextprotocol/server-filesystem` | 读写本地文件 |
| 数据库 | `@modelcontextprotocol/server-postgres` | PostgreSQL 查询 |
| GitHub | `@modelcontextprotocol/server-github` | 操作 GitHub |
| 浏览器 | `@browserbasehq/mcp-server-browserbase` | 自动化浏览器操作 |
| 知识库 | RAGFlow MCP | 本地文档检索 |
完整的官方列表可以在 [MCP Servers Repository](https://github.com/modelcontextprotocol/servers) 找到。
## 六、总结
| 要点 | 说明 |
|------|------|
| **MCP** | 让 AI 和工具「说同一种语言」的开放协议 |
| **Skills** | 封装好的功能模块,告诉 AI「我能做什么」 |
| **价值** | 打破信息孤岛,让 AI 真正连接你的数字世界 |
| **前景** | 越来越多的工具会支持 MCP生态会越来越丰富 |
用一句话概括:**MCP 是桥梁Skills 是地图,让 AI 从「聊天伙伴」变成「得力助手」** 🎯
---
> 💡 **延伸阅读**
> - [Windows 11 本地部署 RAGFlow 与 Cursor MCP](./windows11-ragflow-deployment-mcp.md)
> - [MCP 官方文档](https://modelcontextprotocol.io/)
> - [Anthropic MCP 介绍](https://www.anthropic.com/news/model-context-protocol)