编码 Agent 的三大支柱：Prompt、Skills 与 MCP

最近在折腾编码 Agent 的时候，我发现一个很普遍的困惑：项目里有个 CLAUDE.md，旁边还有个 skills 文件夹，再加上 MCP 配置——这三样东西到底各自负责什么？它们之间又是什么关系？

我花了不少时间去理解和实践，这篇文章就把我的理解分享给你。

Prompt：Agent 的灵魂

Prompt，准确说是 System Prompt（系统提示词），是 Agent 最核心的东西。它不是一条普通的提问，而是定义了 Agent "是谁"的元指令。

你可以把它理解成一个国家的宪法，或者一台电脑的操作系统。它不负责执行具体任务，但所有行为都必须在它划定的框架内进行。

在实际使用中，Prompt 主要做两件事：

身份塑造。 比如你可以把 Agent 定义成"一位有十年经验的 Python 工程师"，或者"一位追求代码优雅的审查员"。不同的身份设定，会直接影响 Agent 的输出风格和决策倾向。

规则约束。 Prompt 里会包含一系列"必须"和"禁止"条款。比如"必须为所有函数写文档字符串"、"禁止硬编码 API 密钥"。这些规则确保 Agent 自主工作时不会跑偏。

像 CLAUDE.md 就是一个典型的 System Prompt 文件——它定义了 Agent 的人格、对话风格和行为规范。

Skills：Agent 的技能树

如果说 Prompt 定义了"我是谁"，那 Skills 就定义了"我能做什么"和"具体怎么做"。

两者最核心的区别是：Prompt 是唯一的、全局性的身份设定；Skills 是复数的、可插拔的能力模块。打个比方，Prompt 是程序员的大脑，Skills 是他掌握的各种函数库和设计模式——需要的时候随时导入。

Skills 的价值体现在三个方面：

知识沉淀。 把特定领域的最佳实践、代码模板、API 文档固化成标准流程。比如一个"创建 React 高阶组件"的 Skill，里面可能包含文件结构模板、状态管理规范和测试用例写法。

能力扩展。 同一个 Agent，今天加载"数据库优化"的 Skill，明天加载"CI/CD 部署"的 Skill，核心身份不变，能力却可以灵活切换。

工作流引导。 对于复杂任务，Skill 可以把它拆解成清晰的步骤，引导 Agent 一步步完成，而不是让它自己摸索。

MCP：Agent 的外部记忆

MCP（Model Context Protocol），模型上下文协议，解决的是大模型的两个硬伤：上下文窗口有限，以及天生无状态。

如果说大模型是一个算力超强但记忆短暂的大脑，MCP 就是给它配了一块无限容量的外部硬盘，外加一个连接各种云服务的 API 网关。

在实践中，MCP 主要做三件事：

上下文扩展。 面对一个庞大的代码库，Agent 不可能一次性全部读入。通过 MCP，它可以把代码索引到外部数据库，需要时精准调取相关片段。

状态持久化。 一个任务分多次会话完成时，Agent 可以通过 MCP 保存工作进度——已改了哪些文件、下一步计划是什么——下次启动时无缝衔接。

服务集成。 通过 MCP 这个标准化的"插件"协议，Agent 可以调用各种外部 API，把这些能力无缝整合到自己的工作流中。

三者的关系

下面这张表能帮你快速理清三者的定位：

总结

Prompt 是内核，Skills 是能力库，MCP 是外部扩展。三者分层解耦、各司其职，共同撑起了一个编码 Agent 的完整架构。理解了这个分层模型，你在配置和使用 Agent 时就不会再迷糊了。