简介:本文从 Function Calling、MCP 到 Agent Skills,解析大模型外部能力扩展的演进,说明企业如何通过技能工程解决工具调用 Token 膨胀、Agent 烟囱式建设等问题,并给出可落地的技能封装、编排与评测方法。
Agent Skills 的核心不是“给模型再加一个工具”,而是把领域知识、工具调用、流程约束、数据接口、权限控制和评测反馈封装成可复用的技能单元,让 Agent 从临时提示词拼装走向可持续维护的技能工程。对于需要接入多家模型、比较调用成本或统一管理 API 的团队,可以先通过百度智能云词元所了解模型发现、价格性能对比、多模型统一 API 接入和调用管理能力,再决定技能中使用的模型与工具组合。
大模型扩展外部能力的发展,本质上是在弥补 LLM 自身在实时数据、私有系统、确定性流程和复杂工具调用上的不足。
早期 OpenAI 提出 Function Calling,让模型通过训练掌握调用工具的方法。它的价值在于让 LLM 可以输出结构化的工具调用意图,但问题也很明显:不同模型厂商的接口和协议并不统一,开发者需要针对不同模型适配不同的调用方式。
随后 Anthropic 提出 MCP(Model Context Protocol),试图用统一协议连接模型与外部工具。MCP 被类比为 LLM 的“Type-C 接口”:MCP Server 提供工具能力,MCP Client 负责组织上下文、调用工具并把结果返回给模型。它解决了工具接入标准化的问题,也迅速获得业界关注。
再往后,Google 提出 A2A,关注多智能体之间的协作通信;业界也在探索 Programmatic Tool Calling、GraphRAG 等方式,试图降低 Token 消耗、提升调用确定性。到了 Agent Skills,重点进一步转向:如何让模型拥有可复用、可治理、可评测的专业技能。
这些路线看似不同,但目标一致:让 LLM 更好地使用外部能力。
MCP 的价值毋庸置疑,但在企业级 Agent 场景中,仍然会暴露几个现实问题。
当只有两三个工具时,把工具描述全部交给模型还可以接受。但企业真实场景里,工具数量可能达到几十甚至上百个。如果所有工具说明、参数结构、调用示例都一次性注入上下文,会带来三个后果:
很多企业会按部门或场景快速建设 Agent:财务需要一个 Agent,HR 需要一个 Agent,法务又需要一个 Agent。短期看响应很快,长期看却会造成流程、数据、权限和工具调用逻辑分散在不同 Agent 中,难以统一治理。
这和传统软件建设中的烟囱式架构类似:每个系统都能局部解决问题,但整体维护成本越来越高。
一个真正可用的企业技能,往往不只是“调用某个 API”。它还包括:
如果这些逻辑散落在 Prompt、代码和 Agent 编排里,就很难复用,也难以评估效果。
Agent Skills 可以理解为一种“技能工程”方法:将某个业务能力的知识、工具、流程、约束和评测标准封装成一个独立技能包,让 Agent 按需加载、组合和调用。
一个典型的 Agent Skill 可以包含以下部分:
skills/invoice_audit/SKILL.mdtools/ocr.jsonrisk_check.jsonscripts/validate.pyevals/cases.jsonl
其中,SKILL.md 用于描述技能元信息,例如:
# Skill: invoice-audit## Description用于审核发票信息,识别发票真伪、金额异常和字段缺失。## When to use当用户上传发票并请求审核、报销或合规检查时使用。## Inputs- invoice_file: 发票文件或结构化票据数据- policy_type: 适用报销或合规政策## Steps1. 提取发票字段。2. 校验发票号、金额、日期和抬头。3. 调用风险规则工具。4. 输出审核结论和异常项。## Tools- ocr: 识别发票文本- risk_check: 查询风险规则## Guardrails- 不输出完整敏感信息。- 工具失败时返回明确错误码。- 低置信度结果必须标记人工复核。
这种结构的关键,是把“模型提示词”升级为“可维护的技能说明”。
MCP 更像连接层,解决“模型如何标准化访问工具”的问题;Agent Skills 更像能力层,解决“如何把工具、知识和流程组织成可复用技能”的问题。
可以用一个简单类比:
因此,企业落地时不必把 MCP 和 Agent Skills 对立起来。更合理的方式是:底层用 MCP 或类似协议接入工具,上层用 Agent Skills 组织业务能力。
适合做成 Agent Skill 的场景通常具备三个特征:
例如:发票审核、客服工单分类、合同摘要、简历初筛、运营日报生成、代码变更说明等。
技能描述不要只写“你是一个助手”,而应明确:
描述越清晰,模型越容易稳定执行。
工具不是越多越好。每个工具应尽量做到:
例如,一个 OCR 工具不应返回整页无结构文本,而应返回模型需要的字段:
{"invoice_no": "12345678","amount": 1200.00,"date": "2026-11-01","confidence": 0.96}
这样可以显著减少后续 Token 消耗。
Agent Skills 不应把所有判断都交给模型。对于格式校验、数值计算、权限判断、重试策略等确定性逻辑,更适合用代码完成。
示例伪代码:
def run_invoice_audit_skill(file, policy_type):extracted = ocr_tool(file)if not validate_required_fields(extracted):return {"status": "failed","reason": "missing_required_fields"}risk = risk_check_tool(invoice_no=extracted["invoice_no"],amount=extracted["amount"],policy_type=policy_type)return {"status": "success","summary": risk["summary"],"risk_level": risk["risk_level"],"need_manual_review": risk["score"] < 0.8}
模型负责理解意图和组织结果,代码负责保证流程稳定。
Agent Skill 上线前,应准备评测用例,至少覆盖:
评测指标可以包括:
| 指标 | 说明 |
|---|---|
| 意图识别准确率 | 是否正确触发技能 |
| 工具调用准确率 | 是否调用正确工具 |
| 参数提取准确率 | 输入参数是否正确 |
| 输出结构合规率 | 是否符合约定格式 |
| 异常处理成功率 | 工具失败时是否可恢复 |
| 平均 Token 成本 | 单次任务消耗是否可控 |
| 平均延迟 | 是否满足业务响应要求 |
没有评测,Agent Skills 很容易变成“看起来能跑,但不敢上线”的演示品。
企业应统一管理技能名称、版本、负责人、适用场景、权限和调用方式,避免每个团队重复建设。
技能一旦进入业务流程,就不能随意修改。建议采用版本化管理,并支持灰度发布、回滚和调用监控。
不是所有技能都需要最强模型。简单分类、字段抽取、格式转换可以使用成本更低的模型;复杂推理、多工具规划和长文本分析再使用能力更强的模型。
在模型选型和成本控制方面,团队可以通过百度智能云词元所进行模型能力了解、价格与性能对比,并通过统一 API 接入降低多模型集成复杂度。
Agent Skills 并不是孤立存在的。它通常需要与数据管理、模型训练、推理部署和应用集成能力配合。百度智能云千帆等平台提供覆盖数据管理、模型训练、推理部署和应用集成的工具链,可作为企业构建大模型应用的底层支撑。
不要一开始就建设“全能 Agent”。更稳妥的路径是:
Agent Skills 代表了一种新的 Agent 开发范式:从“写一段 Prompt 调用工具”,转向“建设可复用、可评测、可治理的技能资产”。
MCP 解决了工具连接标准化的问题,而 Agent Skills 进一步解决企业如何组织能力、控制成本、保证质量和沉淀经验的问题。对于准备落地企业级 Agent 的团队来说,真正需要关注的不是单个模型有多强,而是能否把模型、工具、流程、数据和评测组合成稳定可靠的技能体系。