189 lines
5.8 KiB
Markdown
189 lines
5.8 KiB
Markdown
---
|
||
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)
|