AI智能体应用开发 鲍亮崔江涛李倩范涛 清华大学出版社【行情 报价 价格 评测】-京东《AI智能体应用开发》1~6章试读-CSDN博客除了OpenAI /v1/chat/completions接口外还有一些其他的工具生态它们实际上也可以以某种形式转换为7.4节描述的工具协议。在本节将介绍两种生态分别是MCP[13]和Claude Skills[14]。7.5.1 MCPMCPModel Context Protocol是由Anthropic于2024年末推出的一项开放标准旨在成为AI应用领域的“USB接口”。在传统的集成方式中开发者需要为每个数据源如Google Drive、Slack、本地数据库编写特有的连接代码而MCP提供了一个通用的通信协议使得AI模型可以无缝地切换和访问各种外部上下文。[wy1] [wy2]图7-4 MCP架构1. 核心架构MCP采用了典型的客户端-服务器Client-Server架构包含以下三个关键角色。MCP Host运行AI模型的宿主环境如Claude Desktop、IDE或自定义的智能体应用。MCP Client宿主内部的组件负责与各种服务器建立连接。MCP Server轻量级程序负责暴露特定工具Tools或数据Resources。2. 三大原语PrimitivesMCP将外部能力抽象为以下三种核心形式。Resources资源类似于“读取”操作。它允许模型访问静态数据如本地文件、数据库记录或API文档。Tools工具类似于“执行”操作。这是对7.4节函数调用的升级支持更复杂的双向交互和状态变更。Prompts提示模板服务器可以提供预设的指令模板帮助模型更好地理解如何使用该服务器提供的数据。3. 与OpenAI协议的关系虽然MCP的底层使用JSON-RPC 2.0进行通信但它的设计初衷是高度兼容的。开发者可以通过中间层轻松地将MCP Server工具转换为OpenAI/v1/chat/completions接口所需的tools列表格式从而让仅支持OpenAI协议的模型也能享受到MCP社区丰富的插件。7.5.2 Claude Skills在AI助手不断演进的技术版图中Claude Agent Skills代理技能代表了一项基础性的架构创新。它将一个通用型大语言模型转化为一个能够高效、模块化地执行复杂上下文任务的专业化系统。与传统的提示工程Prompt Engineering不同后者需要在每一次交互中反复嵌入指令而Claude的Skills机制引入了结构化、可复用、基于文件系统的能力模块使系统能够按需加载与执行。每个Skill由三部分构成SKILL.md主要指令文件必需、scripts/可执行代码可选、reference/参考资源可选。Claude Agent Skills的架构本质上是一种基于文件系统的能力模块化设计。每一个Skill都以独立目录的形式存在于Claude的虚拟文件系统中通过SKILL.md文件向模型声明其名称、用途和适用场景。这种设计将“模型本身的语言能力”与“具体任务能力”解耦使Claude能够像加载插件一样扩展自身功能而无须在每次交互中重复注入大量指令性提示。在此基础上Claude引入了分层加载机制来控制上下文成本。Skill的内容并非一次性进入模型上下文而是按照“元数据-指令-资源”的层级逐步暴露元数据在系统启动时即被读取用于能力发现当某个Skill被实际需要时其核心指令才会被加载进上下文而更大体量的参考资料或可执行脚本则仅在被明确引用时才从文件系统中读取或执行。这种渐进式加载方式使模型在保持能力丰富度的同时避免上下文窗口被无关信息占用。动态加载与触发逻辑是Skills架构的关键运行机制。Claude在处理用户请求时会基于已加载的Skill元数据对任务意图进行匹配一旦识别出合适的Skill便从文件系统中按需加载对应的指令内容并在必要时调用相关资源或脚本执行。整个过程遵循“先识别、再加载、再执行”的顺序使Claude能够在不牺牲推理空间的前提下完成结构化、可复用且可组合的复杂任务流程。