在使用Codex、Claude Code以及其他AI开发工具时,经常会看到Skill和Agent这两个概念。两者都与AI能力扩展有关,有时还会同时出现在同一个项目或工作流程中,因此容易让人产生疑问:Skill和Agent到底有什么区别?它们是不是同一种东西?为什么一个Agent还需要配置多个Skill?
简单来说,Agent更接近一个能够理解目标、规划任务、调用工具并持续执行工作的智能体,而Skill则是一套可以重复使用的专业知识和操作流程,用来指导Agent如何完成某类具体任务。
可以把Agent理解为一名能够独立处理工作的员工,把Skill理解为员工可以随时查阅的专业操作手册。员工负责理解任务、判断下一步做什么,操作手册则告诉他某项工作应该按照什么流程完成。两者并不是竞争关系,而是相互配合的关系。

Skill和Agent分别代表什么
在AI开发领域,Skill通常指Agent Skill,也就是为AI智能体提供专业能力、知识和工作流程的可复用模块。它可以包含操作说明、执行步骤、参考资料、脚本、模板以及其他辅助资源。
目前比较常见的Agent Skills规范采用文件夹组织方式,其中最重要的文件是SKILL.md。AI可以根据文件中的名称和描述判断某项技能是否适用于当前任务,在需要时读取完整操作说明。
例如,可以创建一个SEO分析Skill,告诉AI如何分析关键词、检查页面标题、评估内容结构、识别技术问题,以及按照指定格式输出优化建议。
Agent则是负责执行任务的智能体。在常见的Agent框架中,它通常由模型、指令、工具和运行机制组成,可以根据用户目标决定如何开展工作。
例如,一个SEO Agent接收到网站优化任务后,可以先分析网站现状,再调用搜索工具和网站分析接口获取数据,根据需要加载SEO分析Skill,最后整理问题并生成优化报告。
两者的核心区别在于:Skill主要描述如何完成一类工作,Agent则负责决定做什么、什么时候做,以及如何推动整个任务完成。
Skill和Agent的核心区别
虽然Skill和Agent经常一起出现,但它们在系统中的职责并不相同。可以从定位、执行能力、资源组织和复用方式几个方面进行比较。
| 比较维度 | Skill | Agent |
|---|---|---|
| 核心定位 | 可复用的技能和工作流程 | 负责执行任务的智能体 |
| 主要作用 | 提供知识、规范和操作步骤 | 理解目标、规划和执行任务 |
| 主要组成 | SKILL.md、脚本、模板、参考资料 | 模型、指令、工具、运行机制 |
| 自主决策 | 通常不独立进行任务决策 | 可以根据任务进行判断和规划 |
| 工具使用 | 描述工具的使用方法,也可附带脚本 | 负责调用可用工具和执行操作 |
| 复用方式 | 可以被多个Agent重复使用 | 可以组合多个Skill完成任务 |
| 主要价值 | 提高特定任务的执行一致性 | 完成具有多个步骤的实际任务 |
举个简单例子:假设需要AI制作一份市场分析报告。
Agent负责理解用户的要求,判断需要收集哪些资料,决定调用哪些搜索工具,安排数据分析和报告生成步骤。市场分析Skill则规定报告应该包含哪些内容、如何分析竞争对手、采用什么数据口径,以及最终使用什么格式输出。
如果没有Skill,Agent仍然可以尝试完成任务,但可能每次采用不同的分析流程。如果没有Agent,Skill中的操作说明通常也不会自行理解用户需求并完成整个任务。
Skill通常由哪些文件组成
目前常见的Agent Skills采用目录形式组织,一个Skill通常包含一个SKILL.md文件,以及根据需要添加的脚本、参考文档和资源文件。
一个典型的目录结构如下:
seo-analysis/ │ ├── SKILL.md │ ├── references/ │ ├── seo-guide.md │ └── keyword-rules.md │ ├── scripts/ │ └── analyze.py │ └── assets/ └── report-template.md
其中各个部分承担不同职责:
SKILL.md:技能的核心说明文件,包含技能名称、适用范围、触发条件和具体操作流程。
references:存放需要查阅的参考资料,例如技术文档、业务规范和专业知识。
scripts:存放可以执行的脚本,用于完成数据处理、文件转换或其他确定性操作。
assets:存放模板、图片、配置文件和其他辅助资源。
并不是每个Skill都必须包含以上所有目录。一个只负责规范文章写作格式的Skill,可能只需要SKILL.md;一个涉及数据分析和文件生成的Skill,则可能需要额外的脚本和模板。
SKILL.md通常使用YAML Frontmatter描述技能的基本信息,例如:
--- name: seo-analysis description: Analyze website SEO performance, keywords, pages and technical issues. Use when performing website SEO audits. --- # SEO Analysis Skill ## Instructions 1. Check the target website. 2. Analyze page titles and descriptions. 3. Review keyword relevance. 4. Identify technical SEO issues. 5. Provide actionable recommendations. ## Output Generate a structured SEO audit report.
Agent可以根据Skill的名称和description判断它是否与当前任务相关。如果匹配,再读取具体指令和需要的参考文件。
这种设计的好处是,不必在每次对话开始时都加载所有专业知识,而是根据实际任务按需读取相关内容,减少不必要的上下文占用。
Agent是如何调用Skill完成任务的
Skill通常不是用户请求发出后就自动执行的独立程序,而是由Agent或其运行环境根据任务需要进行发现、选择和加载。
一个典型的执行过程可以分为以下几个阶段:
接收任务:用户向Agent提出需求,例如分析网站SEO问题。
理解目标:Agent判断任务需要哪些信息、工具和专业流程。
匹配技能:根据已安装Skill的名称和描述,寻找适合当前任务的技能。
加载说明:读取对应的SKILL.md,理解具体步骤和执行规范。
调用工具:根据技能要求使用搜索、文件读取、浏览器、API或其他工具。
处理结果:根据工具返回的数据继续分析,必要时执行其他步骤。
输出结果:按照Skill规定的格式完成报告、代码或其他交付内容。
例如,用户要求检查一个网站的SEO问题,Agent可能先加载SEO审计Skill,再调用浏览器读取网页,使用搜索工具分析相关关键词,最后根据Skill中的检查规则生成报告。
如果任务还需要生成Excel文件,Agent也可以根据情况加载另一个表格处理Skill。不同Skill可以组合使用,而不需要为每一种任务重新创建一个完整的Agent。
需要注意,具体的技能发现、加载和执行方式取决于Agent运行环境。有些系统支持自动匹配Skill,有些系统要求用户明确指定技能,还有些系统需要开发者在代码中配置技能加载逻辑。
一个Agent可以使用多个Skill
Skill最重要的价值之一就是可组合性。一个Agent不必只掌握一种专业能力,而是可以根据任务需要使用多个不同的Skill。
例如,建立一个网站运营Agent,可以为它配置以下技能:
SEO分析Skill:检查关键词、页面结构、索引状态和技术SEO问题。
内容写作Skill:按照网站编辑规范生成原创文章。
数据分析Skill:分析访问量、用户行为、转化率和流量来源。
竞品研究Skill:收集竞争网站信息并进行内容和功能对比。
报告生成Skill:将分析结果整理成规范的文档或演示文件。
当用户提出不同需求时,Agent可以选择对应的Skill,而不是每次都执行完整的工作流程。
例如,用户只要求分析某个关键词时,可能只需要SEO分析Skill;如果要求完成一次完整的网站运营诊断,则可能需要同时使用SEO分析、数据分析和报告生成等多个Skill。
这种方式能够让Agent保持相对清晰的职责,同时通过组合技能扩展实际工作能力。
Skill和Tool以及MCP有什么区别
理解Skill和Agent之后,还有一个容易混淆的概念,就是Tool和MCP。它们经常出现在同一个AI系统中,但承担的职责也不一样。
可以简单理解为:Skill告诉Agent应该如何完成工作,Tool提供实际可调用的功能,而MCP则提供一种让AI应用连接外部工具和数据服务的标准方式。
| 概念 | 主要作用 | 典型示例 |
|---|---|---|
| Agent | 理解目标并协调执行 | SEO Agent、编程Agent |
| Skill | 提供专业流程和操作规范 | SEO审计、代码审查 |
| Tool | 执行具体操作 | 搜索网页、读取文件、发送邮件 |
| MCP | 连接外部工具和数据服务 | GitHub MCP、数据库MCP |
例如,一个代码开发Agent需要检查GitHub项目。
它可以使用代码审查Skill,按照指定规则检查代码质量;通过GitHub MCP连接仓库,获取文件、提交记录和Issue信息;再调用具体的工具读取文件或创建Pull Request。
这里需要区分的是,MCP本身并不是某个具体的Skill,也不等于Agent。MCP服务器主要负责提供受控的数据访问和操作能力,Skill负责描述如何组合这些能力来完成一项具体工作。
OpenAI的插件设计也采用了类似的分工:Skill负责可复用的工作流程,MCP服务器负责提供实时数据和受控操作。两者组合后,可以让AI更稳定地完成业务任务。
什么时候应该创建Skill而不是Agent
并不是每一种AI需求都需要创建一个新的Agent。有些任务只需要补充专业操作说明,使用Skill就足够了;有些任务则涉及独立的执行职责、工具权限和复杂工作流程,更适合单独设计Agent。
以下情况通常更适合创建Skill:
需要反复执行相同的工作流程。
希望AI遵守固定的输出格式和业务规范。
需要让不同AI任务共享同一套专业知识。
希望将复杂的操作步骤整理成可维护的文档。
需要附带脚本、模板和参考资料。
例如,企业希望所有AI生成的产品介绍都遵循统一的品牌规范,只需要创建一个品牌写作Skill,就可以让不同的内容Agent重复使用。
以下情况则更适合创建Agent:
需要让AI承担相对独立的任务职责。
需要连接多个外部系统和工具。
任务包含多个步骤,需要根据执行结果动态调整。
需要独立的运行状态、上下文或权限配置。
需要多个专业智能体协作完成复杂任务。
例如,一个自动化客服Agent可能需要识别用户问题、查询订单、判断退款条件、调用业务系统并生成回复。这类工作涉及多个决策步骤和外部操作,仅仅提供一份Skill操作说明通常不足以构成完整的执行系统。
poxiaoxi博客
精彩评论