Agent Skills 解决的是“模型拿到信息后该怎么做”（流程、规则、格式、脚本）；MCP 解决的是“模型怎么安全拿到信息/调用系统”（数据与工具连接）。两者组合，才是企业里真正能落地的 Agent 形态。

如果你做过 Agent 落地，会发现最痛的不是模型不聪明，而是两件事：

每次都要重复贴一堆要求（格式、禁忌、审批口径、语气、字段表…）
Prompt 越写越长，越不稳定、越贵、越难维护（上下文被吃光）

Anthropic 在 2025-10-16 的工程文章里把这个问题抽象成一个清晰的答案：把“可复用的流程知识”打包成 Skill 文件夹，由 Agent 动态发现 + 按需加载，把通用模型变成贴合你工作方式的专用 Agent。
之后又把这一机制推进为开放标准（规范与 SDK 放到 agentskills.io / GitHub），强调“写一次，到处用”。
Agent Skill 是什么？别把它只当“长 Prompt”

官方定义非常工程化：Skill = 一个文件夹，里面包含：

SKILL.md（必选）：YAML 元数据 + 规则正文（写清“何时触发/如何输出/禁止什么”）
reference/*.md（可选）：更长的制度、手册、条款、模板，需要时才读（省 token）
scripts/*（可选）：让 Agent 执行脚本完成确定性动作（上传、校验、转换等），脚本通常不需要被“读进上下文”。

你可以把它理解成：给 Agent 的「入职手册 + 参考资料库 + 工具箱」。
为了更好的理解，你可以把 Skills 理解为“通用 Agent 的扩展包”：

Agent 可通过加载不同的 Skills 包，来具备不同的专业知识、工具使用能力，稳定完成特定任务。

最常见的疑惑是：这和 MCP 有什么区别？

MCP 是一种开放标准的协议，关注的是 AI 如何以统一方式调用外部的工具、数据和服务，本身不定义任务逻辑或执行流程。
Skill 则教 Agent 如何完整处理特定工作，它将执行方法、工具调用方式以及相关知识材料，封装为一个完整的「能力扩展包」，使 Agent 具备稳定、可复用的做事方法。

以 Anthropic 官方 Skills 为例：

PDF：包含  PDF 合并、拆分、文本提取等代码脚本，教会 Agent 如何处理 PDF 文件 - 提取文本，创建新的 PDF、合并或拆分文档。
Brand-guidelines：包含品牌设计规范、Logo 资源等，Agent 设计网站、海报时，可参考 Skill 内的设计资源，自动遵循企业设计规范。
Skill-Creator：把创建 Skill 的方法打包成元 Skill，让 AI 发起 Skill 创建流程，引导用户创建出符合需求的高水准 Skill。

Anthropic 说：

Skills 是模块化的能力，扩展了 Agent 的功能。每个Skill 都打包了 LLM 指令、元数据、可选资源（脚本、模板等），Agent 会在需要时自动使用他们。
我有个更直观的解释：Skill 就像给 Agent 准备的工作交接 SOP 大礼包：

想象你要把一项工作交给新同事。若不准口口相传，只靠文档交接（而且你想一次性交接完成，以后不被打扰），

你会准备什么？

任务的执行 SOP 与必要背景知识（这件事大致怎么做）
工具的使用说明（用什么软件、怎么操作）
要用到的模板、素材（历史案例、格式规范）
可能遇到的问题、规范、解决方案（细节指引补充）

⬇️

Skill 的设计架构，几乎是交接大礼包的数字版本：

在 Skill 中，指令文档用于灵活指导，代码用于可靠性调用，资源用于事实查找与参考。

当 Agent 运行某个 Skill 时，就会：

1.以 SKILL.md 为第一指引
2.结合任务情况，判断何时需要调用代码脚本（scripts）、翻阅参考文档（ref.）、使用素材资源（assets）
3.通过“规划-执行-观察”的交错式反馈循环，完成任务目标

当然，Skill 也可以用来扩展 Agent 的工具、MCP 使用边界，通过文档与脚本，也可以教会 Agent 连接并使用特定的外部工具、MCP 服务。

参考：https://blog.csdn.net/wzy_1988/article/details/156511576
https://mp.weixin.qq.com/s/dXtz1BZm5oCWfPdKDFLDgw