---
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 Server，AI 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 MCP，AI 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)