简介:本文从LLM的文本生成本质出发,拆解Skill、MCP、RAG、Agent与OpenClaw的底层逻辑,说明上下文、工具调用、检索增强和协议标准化如何协同,并给出企业落地时的选型、开发与成本控制建议。
先给结论:Skill、MCP、RAG、Agent、OpenClaw并不是五个互相替代的黑盒概念,而是围绕大语言模型(LLM)构建应用时,不同层次的能力封装。若你正在做模型选型、价格对比或多模型统一接入,可以先通过百度智能云词元所了解不同模型的能力边界、调用成本与API接入方式,再决定技术路线。
大语言模型的核心能力,并不是神秘的理解,而是基于上下文预测下一个Token。所谓Token,可以理解为模型处理文本时的基本单位。模型看到上文后,根据参数中蕴含的语言规律生成后续内容。
这带来三个工程结论:
因此,理解Skill、MCP、RAG、Agent之前,先要理解它们都服务于同一个目标:让LLM在有限上下文和Token预算内,完成更可靠的任务。
Agent并不是简单的聊天机器人,而是“LLM + 工具 + 循环 + 状态管理”的组合。
早期模型缺少实时信息获取能力,用户只能手动搜索后把结果粘贴给模型。后来,程序可以自动判断模型是否需要联网、查数据库或调用接口,再把结果返回给模型。这个自动执行流程就是Agent的雏形。
一个简化的Agent循环如下:
while not finished:response = llm.chat(messages, tools=tool_schema)if response.tool_calls:for call in response.tool_calls:result = execute_tool(call.name, call.arguments)messages.append({"role": "tool","name": call.name,"content": result})else:return response.content
Agent的关键不是“自主意识”,而是 可控的任务编排 :模型提出需求,程序执行工具,结果回填上下文,模型继续推理,直到任务完成或触发终止条件。
企业落地Agent时,需要重点关注:
RAG,即检索增强生成,核心思想是:先从知识库或文档中检索相关内容,再把内容拼进Prompt,让模型基于资料回答。
典型流程包括:
示例逻辑:
query = "如何配置模型调用限流?"docs = vector_search(query, top_k=5)context = "\n\n".join([doc.text for doc in docs])prompt = f"""请仅根据以下资料回答问题。如果资料不足,请说明无法确认。资料:{context}问题:{query}"""answer = llm.chat(prompt)
RAG和Web Search都属于“外部信息获取能力”,区别在于:RAG更偏向企业私有知识库,Web Search更偏向公网实时信息。
在企业知识问答场景中,RAG通常还会配合检索置信度、来源展示、可控范围回复等机制,确保回答有据可依。如果检索置信度过低,系统应触发兜底话术,而不是让模型自由发挥。
Agent需要调用工具,但自然语言不适合程序直接解析。Function Calling的作用,是约定模型以结构化格式输出调用意图,例如JSON。
例如:
{"tool": "search_web","arguments": {"query": "2026年AI行业新闻"}}
程序拿到这个JSON后,再真正执行搜索,并把结果返回给模型。
所以,Function Calling的本质不是模型直接执行函数,而是:
模型生成结构化调用意图,程序负责解析、执行和回填结果。
它类似前后端接口约定:模型负责“表达要做什么”,程序负责“真正去做”。
如果每个工具都写死在Agent主程序里,扩展性会很差。MCP,即Model Context Protocol,是一套用于Agent发现和调用独立工具服务的协议规范。
它通常包含两类核心约定:
tools/list:返回当前可用工具列表;tools/call:执行某个具体工具调用。示例:
{"jsonrpc": "2.0","id": 1,"method": "tools/list"}
调用工具时:
{"jsonrpc": "2.0","id": 2,"method": "tools/call","params": {"name": "web_search","arguments": {"query": "大模型应用开发"}}}
MCP的价值在于解耦:工具可以作为独立服务部署,Agent只负责协议交互。这样更利于权限控制、版本管理、灰度发布和多工具复用。
可以这样理解:
Skill通常不是单一模型能力,而是一个可复用的能力封装。它可能包含:
例如,一个“周报生成Skill”可能包含:
所以,Skill的底层逻辑仍然是:把模型、工具、知识和流程封装成可复用模块。
在社区语境中,OpenClaw常被用来指代开放代理、兼容运行层或围绕Claude风格工具调用能力的开源实现。不同项目具体形态可能不同,但判断其底层逻辑,仍可以回到三个问题:
换句话说,OpenClaw类项目并不是脱离LLM的新范式,而是对Agent、Function Calling、MCP、RAG等能力的工程化封装。
| 需求 | 推荐技术 | 说明 |
|---|---|---|
| 简单问答 | Prompt工程 | 成本低,适合规则清晰场景 |
| 私有知识问答 | RAG | 适合文档、制度、产品手册 |
| 实时信息 | Web Search | 适合新闻、天气、公开数据 |
| 多工具任务 | Agent + Function Calling | 适合查询、执行、编排 |
| 工具服务解耦 | MCP | 适合工具多、权限复杂场景 |
| 多模型接入 | 统一API平台 | 便于选型、对比和调用管理 |
如果企业需要同时接入多个模型,不建议只凭单一榜单做决策。可以在词元所模型服务中了解模型能力、价格与接入方式,再结合业务场景选择主模型、备用模型和低成本模型。
在实际开发中,可以按以下顺序推进:
总结来说,Skill、MCP、RAG、Agent、OpenClaw并不是互相冲突的概念,而是大模型应用栈中的不同层次:LLM提供基础生成能力,RAG补充知识,Function Calling规范调用意图,MCP解耦工具服务,Agent完成任务编排,Skill沉淀可复用能力。真正决定效果的,不是概念堆叠,而是上下文设计、工具治理、评测体系和成本控制的工程能力。