最近好多朋友问我 Skills、CLIs 和 MCP 有什么区别我发现很多人的理解有偏差。最近瑞幸咖啡也发布了自己的 CLI很多人就更懵了到底 CLI 是什么很多朋友可能也问过 AI但回答还是有点抽象理解起来不够有体感。今天我用一个真实的待办软件案例尽量把这几个概念讲得更清楚一点。我前两天的公众号文章中写到我自己用半小时的时间动动嘴就创建出了一个非常满足我个性化需求的待办软件。使用的时候像我们之前一样需要进行以下操作点击新建创建任务创建子任务选择时间选择状态这一切看起来好像也很正常。实际上操作起来非常“低效”每次都要点击新建任务手动填写标题、选择时间、状态、详情、子任务等。详情参见为了省下 1000 元我用 CodeX 30 分钟零代码造了个专属软件类似的很多朋友在企业内部也会有各种各样的平台需要你在浏览器上执行各种操作也非常低效。CLI 是Command Line Interface命令行界面。简单说就是不用点按钮而是通过一行行命令跟软件或平台交互。现在很多平台都会封装 CLI因为它比网页点击更适合自动化、批量处理、复现操作和接入工程工作流也更方便被 AI Agent 调用网页适合人看和配置CLI 则适合脚本、CI/CD 和系统之间稳定协作。比如说前段时间爆火的 OpenClaw你访问它的官网就可以复制安装指令自动完成安装。很多人熟知的 git、npm、docker 等都是 CLI 工具。为了解决界面操作低效的问题我们可以快速创建 CLI让智能体自动帮我们执行相关操作。我们直接让 CodeX 基于之前的仓库代码创建一个对应的 CLI。这样一来我们自己或者智能体就可以通过指令绕过界面直接执行相关的操作。现在界面状态如图所示。创建完之后我们哪怕不打开上述软件也可以直接通过这个 CLI 读取“学习”目录下有哪些任务以及它们的状态分别是什么样子。你看这样我们完全不用再打开网页就可以直接看到这些数据了。我们还可以继续询问界面上支持的所有功能。比如说继续查看一下悟鸣的 B 站课程现在的学习进度。有些同学可能会说了这感觉也没什么呀对吧那我直接看界面不是更方便吗重点在后面它可以把创建、查询、更新这些动作交给 Agent。比如说你可以让它帮你创建一个待办。你只需要把任务大概描述一下它就能快速帮你创建好全程不用打开界面。该 CLI 我已经在观猹网的 GitHub 仓库中开源出来名称为task-manager-cli当然我这里只是一个简单的演示实际上你的系统可能会非常复杂。你可以把对应的信息放进来直接动动嘴就有机会完成过去很枯燥、很麻烦甚至需要几十分钟才能完成的工作。而且你可以通过 CLI 打通多个系统。篇幅有限这里就不展开介绍了大家感兴趣改天详细介绍一下 B 端系统如何封装为 CLI里面有哪些坑和经验。看到这里有些朋友又会问每次使用都要说“通过 task-manager-cli”多麻烦啊这时候Skills 就该上场了。Skills 是 Agent 用的“可复用能力包”。你可以把自己的标准流程告诉它让它把流程、文档、领域经验、脚本等封装成一个技能。安装好以后智能体在启动时技能的名称和描述始终会存在于它的上下文中。当你的描述和它的触发条件一致时它就能自动调用。Skills 的优势在于渐进式加载即头部的元信息名称和描述始终加载激活时加载 SKILL.md内部的其他文件按照需要才加载。因此稍微多装几个 Skills一个 Skill 中有很多文件也不会带来上下文的巨大占用。当然 Skills 也不是装得越多越好。Skills 装得过多也会造成上下文大量占用而且很容易造成“误触发”等因此推荐仅装必要的 Skills。在很多 Agent 工具中都可以查看已经安装的技能也可以关闭或卸载。Skills 可以单独使用也可以多个一起使用。比如说我前几天公众号中提到的对不起我不续费了这个 Skill 一年帮我省下上千块钱我自己搞了三个技能录音转文本的技能字幕校对的技能回流到个人知识库的技能只要给它一个录音稿告诉它需要做这些事情它就会依次调用这些技能自动帮我把整套工作做完。为了让智能体始终知道我们有一个待办清单工具可以使用我们就可以在 CLI 基础上封装一个对应的 Skill。通常 Skill 中会包括 CLI 的自动安装指令和常见功能说明。比如说我们让它查询一下“学习任务”中都有哪些计划它也可以非常顺利地查出来。甚至我们让它在“学习任务”中新增一个计划它也可以在智能体里自动帮我们操作。我打开软件也可以看到它能够正常地被添加进去。该 Skill 我已经在观猹网的 GitHub 仓库中开源出来名称为task-manager-skill通常来说企业内部的各种平台如财务系统、法务系统、数据平台、报表系统等都要去创建对应的 CLI。如果是 Node 类型的 CLI通常发布到公司内部的 npm 仓库中。但是CLI 想让智能体更好地感知和使用通常还要再封装一个对应的 Skill。这样你就可以通过自然语言让一个复杂任务在智能体里串起多个平台减少大量重复操作。每个人也可以把自己的工作经验其中一部分会涉及上述平台操作封装成自己的 Skills进一步提效。我个人认为个性化且持续迭代的 Skills 才更有用这也是很多人下了一堆 Skills 却感觉没啥用的重要原因。团队再把这些个人 Skills 统一管理和维护就能慢慢沉淀成团队经验资产。团队 Skills 仓库建设也有很多经验如通过 AGENTS.md 统一规范流程篇幅有限改天再聊。MCP全称是 Model Context Protocol可以先把它理解成让 AI 应用连接外部工具、数据和系统的一套通用协议。更通俗点说MCP 就像是 AI 世界里的“USB-C 接口”。各种工具和平台可以通过 MCP 协议接入 Agent让用户基于自然语言自动完成操作。那 Skills 和 MCP 有什么区别呢大家可以看上面这张图Skills 主要承载知识和经验MCP 主要提供外部工具和数据连接能力。Skills 渐进式加载可以极大减少上下文占用MCP 则启动时加载工具定义。Skills Markdown 即可编写 MCP 需要编码和服务部署等。这也是很多人说“Skills 取代 MCP”的一个重要原因。那 CLIs 和 MCP 有什么区别呢CLI 更像是给某个系统提供一套可执行命令让人、脚本或 Agent 都能稳定调用MCP 更像是一套通用连接协议让不同 AI 应用用更统一的方式发现和调用外部工具。不过在企业内部落地时MCP 也会遇到一些现实问题。比如 MCP Server 建设和维护有成本工具信息会占用上下文有些 MCP 的稳定性也需要继续打磨。所以根据我个人的观察很多企业在打通内部系统时仍然会优先选择 Skills CLIs 这条路线充分利用 Skills 的渐进式加载和 CLIs 轻量和高效。回到开头提到的瑞幸咖啡它同时提供了 MCP、CLI 和 Skills本质上也是在照顾不同工具、不同使用习惯的人。如果用一句话总结CLI 让系统能力可以被稳定调用Skill 让 Agent 记住你的流程和经验MCP 让外部工具和数据更容易接入 AI 应用。真正有价值的是回到自己的工作里想清楚有哪些重复操作可以先被 CLI 化有哪些经验流程可以沉淀成 Skill有哪些外部工具和数据适合用 MCP 接进来。这才是 Agent 真正能提效的地方。更具体的细节和落地经验后面有机会再单独展开。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
终于有人把 Skills、CLIs 和 MCP 讲明白了
最近好多朋友问我 Skills、CLIs 和 MCP 有什么区别我发现很多人的理解有偏差。最近瑞幸咖啡也发布了自己的 CLI很多人就更懵了到底 CLI 是什么很多朋友可能也问过 AI但回答还是有点抽象理解起来不够有体感。今天我用一个真实的待办软件案例尽量把这几个概念讲得更清楚一点。我前两天的公众号文章中写到我自己用半小时的时间动动嘴就创建出了一个非常满足我个性化需求的待办软件。使用的时候像我们之前一样需要进行以下操作点击新建创建任务创建子任务选择时间选择状态这一切看起来好像也很正常。实际上操作起来非常“低效”每次都要点击新建任务手动填写标题、选择时间、状态、详情、子任务等。详情参见为了省下 1000 元我用 CodeX 30 分钟零代码造了个专属软件类似的很多朋友在企业内部也会有各种各样的平台需要你在浏览器上执行各种操作也非常低效。CLI 是Command Line Interface命令行界面。简单说就是不用点按钮而是通过一行行命令跟软件或平台交互。现在很多平台都会封装 CLI因为它比网页点击更适合自动化、批量处理、复现操作和接入工程工作流也更方便被 AI Agent 调用网页适合人看和配置CLI 则适合脚本、CI/CD 和系统之间稳定协作。比如说前段时间爆火的 OpenClaw你访问它的官网就可以复制安装指令自动完成安装。很多人熟知的 git、npm、docker 等都是 CLI 工具。为了解决界面操作低效的问题我们可以快速创建 CLI让智能体自动帮我们执行相关操作。我们直接让 CodeX 基于之前的仓库代码创建一个对应的 CLI。这样一来我们自己或者智能体就可以通过指令绕过界面直接执行相关的操作。现在界面状态如图所示。创建完之后我们哪怕不打开上述软件也可以直接通过这个 CLI 读取“学习”目录下有哪些任务以及它们的状态分别是什么样子。你看这样我们完全不用再打开网页就可以直接看到这些数据了。我们还可以继续询问界面上支持的所有功能。比如说继续查看一下悟鸣的 B 站课程现在的学习进度。有些同学可能会说了这感觉也没什么呀对吧那我直接看界面不是更方便吗重点在后面它可以把创建、查询、更新这些动作交给 Agent。比如说你可以让它帮你创建一个待办。你只需要把任务大概描述一下它就能快速帮你创建好全程不用打开界面。该 CLI 我已经在观猹网的 GitHub 仓库中开源出来名称为task-manager-cli当然我这里只是一个简单的演示实际上你的系统可能会非常复杂。你可以把对应的信息放进来直接动动嘴就有机会完成过去很枯燥、很麻烦甚至需要几十分钟才能完成的工作。而且你可以通过 CLI 打通多个系统。篇幅有限这里就不展开介绍了大家感兴趣改天详细介绍一下 B 端系统如何封装为 CLI里面有哪些坑和经验。看到这里有些朋友又会问每次使用都要说“通过 task-manager-cli”多麻烦啊这时候Skills 就该上场了。Skills 是 Agent 用的“可复用能力包”。你可以把自己的标准流程告诉它让它把流程、文档、领域经验、脚本等封装成一个技能。安装好以后智能体在启动时技能的名称和描述始终会存在于它的上下文中。当你的描述和它的触发条件一致时它就能自动调用。Skills 的优势在于渐进式加载即头部的元信息名称和描述始终加载激活时加载 SKILL.md内部的其他文件按照需要才加载。因此稍微多装几个 Skills一个 Skill 中有很多文件也不会带来上下文的巨大占用。当然 Skills 也不是装得越多越好。Skills 装得过多也会造成上下文大量占用而且很容易造成“误触发”等因此推荐仅装必要的 Skills。在很多 Agent 工具中都可以查看已经安装的技能也可以关闭或卸载。Skills 可以单独使用也可以多个一起使用。比如说我前几天公众号中提到的对不起我不续费了这个 Skill 一年帮我省下上千块钱我自己搞了三个技能录音转文本的技能字幕校对的技能回流到个人知识库的技能只要给它一个录音稿告诉它需要做这些事情它就会依次调用这些技能自动帮我把整套工作做完。为了让智能体始终知道我们有一个待办清单工具可以使用我们就可以在 CLI 基础上封装一个对应的 Skill。通常 Skill 中会包括 CLI 的自动安装指令和常见功能说明。比如说我们让它查询一下“学习任务”中都有哪些计划它也可以非常顺利地查出来。甚至我们让它在“学习任务”中新增一个计划它也可以在智能体里自动帮我们操作。我打开软件也可以看到它能够正常地被添加进去。该 Skill 我已经在观猹网的 GitHub 仓库中开源出来名称为task-manager-skill通常来说企业内部的各种平台如财务系统、法务系统、数据平台、报表系统等都要去创建对应的 CLI。如果是 Node 类型的 CLI通常发布到公司内部的 npm 仓库中。但是CLI 想让智能体更好地感知和使用通常还要再封装一个对应的 Skill。这样你就可以通过自然语言让一个复杂任务在智能体里串起多个平台减少大量重复操作。每个人也可以把自己的工作经验其中一部分会涉及上述平台操作封装成自己的 Skills进一步提效。我个人认为个性化且持续迭代的 Skills 才更有用这也是很多人下了一堆 Skills 却感觉没啥用的重要原因。团队再把这些个人 Skills 统一管理和维护就能慢慢沉淀成团队经验资产。团队 Skills 仓库建设也有很多经验如通过 AGENTS.md 统一规范流程篇幅有限改天再聊。MCP全称是 Model Context Protocol可以先把它理解成让 AI 应用连接外部工具、数据和系统的一套通用协议。更通俗点说MCP 就像是 AI 世界里的“USB-C 接口”。各种工具和平台可以通过 MCP 协议接入 Agent让用户基于自然语言自动完成操作。那 Skills 和 MCP 有什么区别呢大家可以看上面这张图Skills 主要承载知识和经验MCP 主要提供外部工具和数据连接能力。Skills 渐进式加载可以极大减少上下文占用MCP 则启动时加载工具定义。Skills Markdown 即可编写 MCP 需要编码和服务部署等。这也是很多人说“Skills 取代 MCP”的一个重要原因。那 CLIs 和 MCP 有什么区别呢CLI 更像是给某个系统提供一套可执行命令让人、脚本或 Agent 都能稳定调用MCP 更像是一套通用连接协议让不同 AI 应用用更统一的方式发现和调用外部工具。不过在企业内部落地时MCP 也会遇到一些现实问题。比如 MCP Server 建设和维护有成本工具信息会占用上下文有些 MCP 的稳定性也需要继续打磨。所以根据我个人的观察很多企业在打通内部系统时仍然会优先选择 Skills CLIs 这条路线充分利用 Skills 的渐进式加载和 CLIs 轻量和高效。回到开头提到的瑞幸咖啡它同时提供了 MCP、CLI 和 Skills本质上也是在照顾不同工具、不同使用习惯的人。如果用一句话总结CLI 让系统能力可以被稳定调用Skill 让 Agent 记住你的流程和经验MCP 让外部工具和数据更容易接入 AI 应用。真正有价值的是回到自己的工作里想清楚有哪些重复操作可以先被 CLI 化有哪些经验流程可以沉淀成 Skill有哪些外部工具和数据适合用 MCP 接进来。这才是 Agent 真正能提效的地方。更具体的细节和落地经验后面有机会再单独展开。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
