AI概念
2026/1/3大约 4 分钟
AI概念
在现代 AI 辅助开发和智能体领域,理解以下几个核心概念对于掌握 AI 的工作机制至关重要。
1. 核心概念对比表
| 维度 | Skill (技能/工具) | MCP (接口协议) | Workflow (工作流) | Agent (智能体) |
|---|---|---|---|---|
| 本质 | 原子化的操作能力 | 数据与系统的连接标准 | 任务实现的逻辑链路 | 具备自主性的数字实体 |
| 形象理解 | 工具箱里的“扳手” | “万能转换插头” | “操作手册/生产线” | “数字员工/同事” |
| 解决问题 | “我能做什么?” | “我能连接到哪里?” | “我该按什么顺序做?” | “谁来负责搞定这件事?” |
| 层级 | 基础原子层 | 外部扩展层 | 逻辑流程层 | 系统集成层 |
2. 深度解析
🔌 MCP (Model Context Protocol)
简单来说就是操作外部系统比如github,vercel的开放工具。由 Anthropic 提出的开放协议。它解决了 AI “看得到但摸不到”外部系统的问题。
举例:git-mcp-servergit-mcp-server
它可以让ai能够使用git命令,因为使用了MCP协议规定好了ai如何调用外部工具,ai只需要按照协议调用即可。
MCP协议示例:
{
"name": "git_status",
"description": "查看当前 Git 工作区的状态(哪些文件被修改了、哪些是新增的、哪些已暂存)。",
"inputSchema": {
"type": "object",
"properties": {
"repo_path": {
"type": "string",
"description": "Git 仓库的绝对路径。"
}
},
"required": ["repo_path"]
}
}- 作用:让 AI 能够标准化地使用外部工具。
📋 Workflow (工作流)
AI 的“标准作业程序 (SOP)”。它将人类的行业经验和复杂逻辑流程化,确保 AI 能够稳定、专业地完成特定任务。
简单来收就是规定了ai执行一个任务的顺序,比如:步骤1,步骤2,步骤3,每个步骤可以调用不同的skill和mcp工具。
Skills
AI 的“进阶技能包”。如果说 MCP 是让 AI 能使用工具,那 Skills 就是让 AI 变成某个领域的“专家”。
skill中可以包含:任务描述,任务依赖,任务步骤等,也就是说这里可以规定ai执行一个任务的详细步骤。(是的你没听错,不仅仅是告诉ai需要用哪些工具mcp,也可以规定工作流,这就让workflow有点难堪了)其实原理就是交给ai怎么做,只不过比workflow更详细一些。
一个标准的skills模板:
# [Skill 名称] (例如: Auto Git Committer)
## 1. Description (简介与触发条件)
- **Role**: 你是谁?(例如:资深代码审查员、Release Manager)
- **Goal**: 这个 Skill 的目标是什么?
- **Triggers**: 用户说什么话、或者输入什么指令时触发?(例如:/commit, "提交代码")
## 2. Dependencies & Tools (依赖的 MCP 工具)
此处列出完成任务必须使用的 MCP 工具名称。
- `工具名A`: 用途说明
- `工具名B`: 用途说明
(告诉 Agent:别瞎猜,手里只有这几把锤子)
## 3. Rules & Constraints (核心规则/硬性约束)
- **Do's (必须做)**: (例如:必须遵循 Conventional Commits 规范)
- **Don'ts (禁止做)**: (例如:禁止在未经过用户确认的情况下执行 `git push`)
- **Style**: (例如:使用中文生成 Commit Message,除非用户强制要求英文)
## 4. Workflow Instructions (思维链/工作流)
这是最重要的部分,定义了步骤顺序 (Step-by-Step)。
1. **Context Analysis**: 第一步查什么?
2. **Decision Making**: 如果 A 发生,通过工具做 B;如果 C 发生,做 D。
3. **Execution**: 执行动作。
4. **Verification**: 怎么确认成功了?
## 5. Examples (Few-Shot Examples - 可选)
给 Agent 看几个标准的“输入-输出”样例,这能极大提高它的稳定性。
User: "帮我提交"
Agent: "检测到暂存区为空,已执行 git add,生成的 message 是..."🤖 Agent (智能体)
Agent 是一个更高维度的概念。它不仅仅是一个能聊天的模型(LLM),而是**“模型 + 记忆 + 工具 + 规划”**的集成体。一个成熟的 Agent 能够理解模糊的目标,并自主拆解步骤去实现它。
⚡ Agentic (智能体化/具身性)
这是一个描述词,形容 AI 进入了“智能体状态”。
- 非 Agentic:问一句答一句,像一个搜索引擎。
- Agentic:你给他一个目标(如“帮我修复这个 Bug 并部署”),他会自主搜索代码、分析原因、修改文件、运行测试、观察反馈,直到任务完成。
