乐只悠悠

大多数MCP客户端会直接将所有工具定义预先加载到上下文中，使用直接工具调用语法向模型公开这些定义。工具描述占据了大量的上下文窗口空间，增加了响应时间和成本。在Agent连接到数千种工具的情况下，它们在读取请求之前需要处理数十万个token。MCP为Agent连接许多工具和系统提供了基础协议。然而，一旦连接了太多服务器，工具定义和结果可能会消耗过多的token，降低Agent效率。尽管这里的许多问题感觉新颖——上下文管理、工具组合、状态持久性——但它们都有来自软件工程的已知解决方案。

Anthropic提出Agent Skills智能体技能体系，通过模块化方式为AI智能体赋予专业能力。该体系包含三个层级：基础元数据、核心内容和扩展文件，采用渐进式披露设计让智能体按需加载信息。技能可包含指令、脚本和代码工具，使通用智能体转化为专业助手。开发时建议从评估入手，逐步构建并优化技能结构，同时需注意安全风险。目前该体系已支持多个平台，未来将拓展技能生命周期管理和自主学习能力。实现方案包括直接由大模型判断或结合RAG检索两种方式，适用于不同规模的技能库场景。