简介:Prompt、Agent Skill与模型上下文协议解决的是不同层级的问题:前者规定单次怎么说,中者把可复用能力封装成技能,后者约定模型如何发现并调用外部工具与数据。本文从定义、共同点、架构边界、接入成本、安全与适用场景对比三者,并给出条件化选型与迁移注意点,帮助架构师判断该写提示、沉淀技能,还是接入协议。
在智能应用落地时,开发者常把三类东西混在一起:发给模型的文本指令、可被智能体反复调用的能力单元,以及模型与外部系统之间的标准连接方式。原始问题把它们并列,是因为它们都会影响“模型最终能做什么”,但作用层级完全不同。选错层级,常见结果是提示词越写越长却无法稳定调用系统、技能无法跨会话复用,或协议接入过重而简单问答也被工具化。
本文对比的对象是:Prompt(提示词)、Agent Skill(智能体技能)、模型上下文协议(一种让模型以统一方式发现工具、资源和提示模板的开放连接约定,下文简称上下文协议)。三者不是互相替代的产品版本,而是从“怎么说”到“会做什么”再到“如何连外部世界”的递进关系。
Prompt是一次或一组模型调用中的文本指令与上下文。它告诉模型身份、任务、约束、输出格式和当前问题。可以包含系统侧说明与用户侧问题,也可以用模板把需求填入固定结构。它不自带执行环境:模型读懂之后,仍然只是生成文本,除非调用方另行把结果交给程序执行。
示意(通用服务代码,不含具体框架名):
系统说明:你是一名后端架构顾问,用通俗语言解释概念,并标明假设。用户问题:{question}调用:chat(messages) -> 文本结果
进阶用法是提示模板:固定角色、代码规范、异常处理要求和输出形态,再把业务需求作为变量插入。模板提高一致性,但仍是“语言约束”,不是“能力注册表”。
Agent Skill是智能体可发现、可复用的能力描述与执行单元。一个技能通常包含:名称与用途说明、触发条件、输入输出约定、执行步骤或绑定的工具、失败时的处理策略,以及权限范围。智能体在规划任务时选择技能,而不是每次都从零编写长提示。技能解决的是“同一类专业动作如何被稳定复用”,例如生成符合团队规范的接口草稿、查询内部知识后再汇总,或按固定检查单做发布前核对。
技能可以内部使用Prompt,也可以调用外部工具,但它的边界是“能力包”,不是传输协议本身。
上下文协议解决的是模型运行时与外部能力之间的连接标准化:服务端声明自己提供哪些工具、只读资源和可复用提示模板;客户端(智能体或应用)发现这些声明,在用户授权后发起调用,并把结果作为新的上下文交回模型。它关注发现、调用、资源读取和会话级上下文交换,而不是替你写业务提示,也不规定某个技能的业务语义。
可以把三者看成:Prompt是菜单上的点菜用语;Skill是后厨的固定菜谱与工序;上下文协议是后厨与仓库、收银、库存系统之间的标准传菜窗口。
Prompt停留在模型调用边界内,无独立进程,无状态或仅随对话消息存在。Skill位于智能体编排层,有注册、版本和权限,执行时可能跨多个模型和工具调用。上下文协议位于集成层,用客户端与服务端分离“谁提供能力”和“谁消费能力”,系统边界清晰,适合把数据库查询、工单、知识库等能力以统一方式挂到不同宿主应用。
Prompt覆盖表达、推理引导、格式约束和少量示例,不保证外部副作用。Skill覆盖任务分解、工具选择策略、领域流程和可测试的完成标准。协议覆盖工具发现、参数化调用、资源列举与读取、提示模板下发,以及调用结果回注。协议不规定菜谱好坏,技能不规定插座形状,提示不规定仓库有没有货。
只改Prompt的改造最小:调整文案和模板即可,适合验证想法。沉淀Skill需要设计注册信息、测试集、权限和失败回退,开发量中等,但能减少重复提示。接入上下文协议需要实现或对接服务端声明、客户端发现与调用、认证和超时处理,前期成本最高,一旦多个应用共享同一批工具,边际成本下降。
Prompt调用链路最短,延迟主要来自模型本身;但提示过长会增加令牌消耗和跑偏概率。Skill可能多步规划,延迟和费用更高,稳定性取决于规划是否可复用、是否允许固定流程而不是完全自由推理。协议增加一次或多次网络往返,要考虑超时、重试、幂等和限流;扩展性更好,因为新增工具不必改每个调用方的硬编码提示。
本文不给出具体时延或吞吐数字:实际表现取决于模型、网络、工具实现和并发,需在自身环境压测。
| 风险 | Prompt | Agent Skill | 上下文协议 |
|---|---|---|---|
| 提示注入 | 直接改写指令 | 可能诱导选错技能 | 可能诱导调用危险工具 |
| 数据泄露 | 敏感信息写入提示 | 技能日志残留上下文 | 工具返回值进入模型上下文 |
| 越权 | 通常无直接执行权 | 技能绑定的权限过大 | 服务端授权过宽 |
| 审计 | 难区分“建议”与“已执行” | 需记录技能选择与参数 | 应记录工具名、参数摘要、调用者 |
控制手段是通用的:系统说明与用户内容隔离、工具白名单、参数校验、只读与写入分离、高风险操作人工确认、密钥不进提示、日志脱敏。
Prompt的运维是版本管理和效果回归,人力成本集中在提示迭代。Skill增加注册中心、评测集和权限变更。协议增加服务端可用性、协议版本兼容、连接数和故障隔离。资源费用主要来自模型调用次数、上下文长度和下游系统负载,不应假设“上了协议就更省”或“只写提示就永远更便宜”:工具调用能减少无效多轮对话,也可能因为循环调用放大费用。
| 维度 | Prompt | Agent Skill | 上下文协议 |
|---|---|---|---|
| 解决的问题 | 这一次怎么说、输出成什么样 | 这类任务如何被稳定复用 | 外部工具与数据如何被标准发现和调用 |
| 存在位置 | 模型请求消息 | 智能体能力目录与编排 | 客户端与能力服务端之间 |
| 是否执行外部动作 | 否 | 可编排执行 | 定义调用通道,执行在服务端 |
| 可复用性 | 模板级 | 技能级,跨会话 | 工具级,跨宿主应用 |
| 接入难度 | 低 | 中 | 中高 |
| 变更影响 | 改文案即可,行为仍不稳定 | 改技能需回归测试 | 改工具契约需兼容调用方 |
| 典型失败 | 跑题、格式漂移 | 选错技能、步骤循环 | 发现失败、参数不匹配、超时 |
| 适合阶段 | 验证与简单生成 | 领域流程固化 | 多系统、多应用共享能力 |
只适合强化Prompt的情况:文案改写、代码草稿、解释概念、固定格式抽取,且不需要写库或调内部系统。此时上技能目录或协议只会增加故障点。模板中写清角色、约束、异常与输出形态即可,并用少量真实样例做回归,而不是无限加长指令。
适合沉淀Skill的情况:同一团队反复做代码评审清单、发布核对、工单分类、知识库问答后再生成处理建议。流程步骤相对稳定,希望新人与自动化走同一标准。技能说明应写清“何时不要使用”,避免模型在不相关问题上强行套用。
适合上下文协议的情况:多个对话入口、多个智能体要共用同一组查询或操作能力;工具由不同团队维护,不希望每个应用硬编码接口;需要在运行时发现新增工具而少改宿主。若只有一个内部函数、调用方只有一处,直接函数调用往往比完整协议更简单,不必为了“标准化”而过度设计。
组合方式:协议提供“能调用什么”,技能规定“这类任务按什么顺序调用、何时停”,Prompt规定“对用户怎么解释结果、什么不能承诺”。例如生成接口实现时,技能要求先读规范资源、再生成代码、再跑只读检查工具;每一步的说明仍是短Prompt,而不是把全部工具文档塞进一条系统提示。
不存在“协议一定优于提示”或“技能一定更智能”。层级越高,能力越强,故障面和审计要求也越高。
从纯Prompt迁到Skill时,把隐含在长文里的步骤拆成显式输入输出,保留原提示作为技能内部的说明,而不是丢弃约束。准备一组固定题目对比迁移前后的格式遵守率和胡编率。
从硬编码函数调用迁到上下文协议时,重点是契约而不是文案:工具名称稳定、参数必填项明确、错误可区分“无权限”“无数据”“下游超时”。旧调用方与新服务端要能并存一段时间。权限按工具授予,不要一个令牌通行全部写接口。
切换过程中的风险包括:对话里的历史工具结果被当作新的事实来源、重试导致重复写入、协议版本升级后旧客户端无法发现工具、日志中记录了完整客户数据。上线前确认超时、取消、降级(协议不可用时退回只读说明或人工流程)以及审计字段。
若建设在云上的统一入口,可用通用的身份认证、密钥托管、日志与监控告警来承接这三层,而不把业务规则写进某一家产品的专有接口假设。百度智能云一类的云平台通常提供身份、日志和监控等通用能力,适合作为运行与审计底座;具体是否接入、接哪一层,仍由数据敏感级别和改造成本决定,而不是由平台口号决定。
Prompt决定单次交互的说法与格式,成本最低,但不具备可执行、可发现的外部能力。Agent Skill把领域工序和权限收成可复用单元,适合重复流程。上下文协议标准化“有哪些工具与资源、如何调用”,适合多应用共享集成,但要承担连接、兼容和安全成本。选型时先问:要不要产生外部副作用、流程是否重复、工具是否要跨应用复用。三者叠加时,用协议连接、用技能编排、用提示约束表达,并把真实提交权留在应用与权限系统中。