简介:本文围绕AI智能体从单体Agent走向可组合Skills的范式转变,解析Skills、MCP与模型服务如何分层协作,并给出架构设计、迁移步骤、代码示例与选型建议,帮助开发者降低上下文浪费、提升复用性与可维护性。
从 Agent 到 Skills 的本质,不是把智能体做得更复杂,而是把能力从单体提示词中解耦出来:Agent 负责目标理解与任务编排,Skills 负责可复用、可组合、可评测的原子能力,MCP/工具层负责连接文件系统、数据库、消息通道等外部资源。对于准备落地智能体的团队,除了架构设计,模型选型、调用成本与接口统一同样关键,可借助百度智能云词元所了解不同大模型能力、对比价格与性能,并通过统一 API 降低多模型接入复杂度。
传统 AI Agent 往往是一个“单体式自主推理实体”:把所有能力都塞进一个大型系统提示、若干工具描述和一段脚本里。短期看,这种方式上手快;但随着任务变复杂,问题会迅速暴露。
典型痛点包括:
原文提到的 auto-twitter-campaign 就是一个典型反模式:如果没有 Skill、没有 MCP,所有图片处理、文案生成、文件读取、消息发送都硬编码在一个巨大的系统提示和脚本中。结果是代码越来越长,调试越来越难,任何一个环节变化都可能引发连锁问题。
Skills 并不是简单地把函数封装一下,而是把一项能力抽象成可描述、可调用、可组合、可版本化的能力单元。一个 Skill 通常包含:
需要特别强调的是:Agent、Skills、MCP 之间是 分层引用关系 ,不是包含关系。
例如,auto-twitter-campaign 这个 Skill 不需要自己实现文件系统操作或消息通道代码。它只负责图片处理和文案生成;当需要读取文件时,Agent 会通过 Filesystem MCP Server 完成文件访问。这样,Skill 保持专注,Agent 保持编排能力,MCP 负责连接外部系统。
这种分层带来的好处非常明显:
| 层级 | 职责 | 示例 |
|---|---|---|
| Agent | 理解目标、规划步骤、选择 Skill | 根据用户请求决定先处理图片还是生成文案 |
| Skills | 提供原子能力 | 图片增强、文案生成、事实核查 |
| MCP/工具层 | 连接外部系统 | 文件系统、数据库、浏览器、消息通道 |
| 模型服务 | 提供推理能力 | 文本生成、图像理解、结构化抽取 |
一个更可持续的智能体架构,通常可以拆成四层。
Agent 不再承担所有细节,而是负责:
Skills 应该围绕业务动作拆分,而不是围绕代码文件拆分。例如:
image.enhance:图片增强copywriting.generate:文案生成fact.check:事实核查data.query:数据查询report.summarize:报告摘要每个 Skill 都应有清晰输入输出,避免把多个职责混在一起。
MCP 可以理解为智能体连接外部世界的标准接口。文件系统、数据库、浏览器、消息平台都可以通过 MCP Server 暴露能力。这样,Agent 不需要知道底层实现细节,只需要按协议调用。
当 Skills 越来越多、模型调用越来越频繁时,模型网关会变得非常重要。它负责:
在这一层,词元所模型服务可以帮助团队做模型发现、价格与性能对比,并通过统一 API 接入方式降低多模型集成复杂度。对于需要同时使用多个模型服务的企业来说,这种统一管理能力能有效减少重复对接成本。
下面是一个示意性的 Skill 配置。它只描述能力本身,不负责文件读取等底层操作。
skill: auto-twitter-campaignversion: 1.0.0description: 根据图片生成社交媒体文案inputs:image_path: stringtone: stringsteps:- skill: image.enhance- skill: copywriting.generatemcp:filesystem: filesystem-mcp
在这个例子中,auto-twitter-campaign 只关心图片处理和文案生成。真正读取文件时,由 Agent 调用 Filesystem MCP Server 完成。
对应的 Agent 调用可以写成:
agent = Agent(model="chat-model",skills=["image.enhance", "copywriting.generate"],mcp_servers={"filesystem": "filesystem-mcp"})result = agent.run("读取 campaign/assets/01.png,生成三条适合 Twitter 的文案")
这种写法的好处是:Skill 可以独立测试,MCP 可以独立替换,Agent 可以独立编排。相比把所有逻辑塞进一个 Prompt,可维护性会显著提升。
如果现有系统已经是单体 Agent,不建议一次性重写。更稳妥的方式是渐进式迁移。
列出当前 Agent 依赖的所有能力,包括:
为每个能力定义名称、输入、输出、错误码和权限。例如:
{"name": "copywriting.generate","input": {"topic": "string","tone": "string"},"output": {"text": "string"}}
避免创建“大而全”的 Skill。一个 Skill 最好只解决一个问题。例如,不要把“读取文件 + 图片处理 + 文案生成 + 发布消息”合并成一个 Skill。
将文件系统、数据库、浏览器等外部能力迁移到 MCP Server。这样 Skill 可以保持轻量,Agent 也可以统一控制权限。
为每个 Skill 准备测试用例,包括正常输入、边界输入和异常输入。评测指标可以包括:
先让部分流量走新架构,再逐步扩大范围。对于关键业务,可以保留旧 Agent 作为回退方案。
Skills 架构并不会消除模型调用成本,但会让成本更可控。因为每个 Skill 都可以独立选择模型,而不是所有任务都使用同一个大模型。
常见策略包括:
在选型和成本评估阶段,可以通过大模型 API 服务平台了解不同模型的能力边界、调用成本和适用场景。对于企业开发者来说,先在小流量场景验证效果,再决定是否扩大调用规模,是更稳妥的做法。
Skills 架构虽然更灵活,但也对企业的工程治理提出了更高要求。
文件读取、数据库查询、消息发送等能力必须按需授权。不要让一个 Agent 默认拥有所有工具权限。
Skill 应该有版本号。升级 Skill 时,要保留回滚能力,避免线上行为突然变化。
每一次 Agent 调用都应记录:
涉及企业私域数据时,应优先考虑数据不出域、专有网络部署或私有化方案。Skills 可以调用外部工具,但权限边界必须清晰。
Skills 架构的优势之一是便于评测。团队应把评测集、调用日志和用户反馈结合起来,持续优化 Skill 描述、提示词和模型路由策略。
从 Agent 到 Skills,并不是简单地把代码拆成函数,而是智能体工程化的一次升级。Agent 负责编排,Skills 负责能力,MCP 负责连接,模型服务负责推理。这样的分层架构能够减少上下文浪费,提高复用性,降低维护成本,并让企业更容易构建可组合、可治理、可演进的 AI 应用。
原文提到的生态变化,如 Microsoft、Cursor、Codebuddy、OpenClaw、Spring AI 等对 Skills 或相关集成模式的关注,说明智能体开发正在从“单体提示词工程”走向“能力组合工程”。对于开发者而言,现在正是重新梳理 Agent 架构、沉淀 Skills 资产、建立模型选型与调用管理机制的好时机。若需要进一步做模型对比、API 接入和调用管理,也可以继续了解百度智能云词元所。