你肯定見過這些話每個詞看起來都很專業放在一起更像四個新出的軟件。實際上并非那般玄奧, 我們來講一則“小黑開設 AI 辦事處”的事情, 一回就將它們講述明白。先認識故事主角小黑小黑剛來上班時腦子很好使。你向它提出問題, 它具備進行分析的能力你吩咐它撰寫文章, 它同樣能夠完成書寫。擁有這般聰慧頭腦的正是大模型。但只有腦子還不等于能把事情辦完。你告知小黑, 要將前一日的項目進展情況整理成日報, 去核對代碼記錄, 然后再去創建與之對應的工作任務。如果它只能聊天它大概會回答好的建議先收集項目進展再整理成日報最后創建工作任務。道理全對活兒一點沒干。想讓小黑真正辦事它還需要四樣東西先記住一句干活的人是 Agent, 做事的方法是 Skill, 連接工具的標準插口是 MCP, 用文字操作工具的窗口是 CLI。下面一個一個拆開。Skill不是超能力而是“這件事應該怎么做”第一次, 老板要求小黑撰寫日報, 小黑只能一邊發問, 一邊猜測: 日報需要寫幾條, 采用何種格式, 代碼提交是否算在內, 寫完之后放置于何處, 它一概不知。第二天老板給了它一本《日報操作手冊》首先讀取今日當下的代碼提交以及工作記錄, 接著合并不重復的內容, 將流水賬性質的部分去除掉, 然后按照“今日完成、當下問題風險、明日計劃的相關事項”進行條分縷析地整理, 先把完整的草稿交予老板以便確認, 確認之后方可進行提交, 并且要創建與之對應的任務, 最后對提交的情況進行檢查, 看是否成功完成提交。以后小黑再寫日報就不用每次從頭猜了。這本操作手冊就是 Skill。最通俗地說Skill 是這樣一種東西, 它要把存在于一個人腦袋里的經驗, 轉化成 AI 能夠依照著去執行的標準做法。一份說明文檔, 有可能僅屬于一個簡單的Skill。腳本、模板、示例以及檢查規則還有可能一同附在一個完整的Skill上。比如所以, Skill的重點并非是“促使人工智能 掌握一項魔法”, 而是要讓它減少猜測, 降低偏離正確方向的程度, 使其做得更為穩定, 更為穩健運行到底是。MCP不是工具而是“統一插口”小黑知曉日報該如何撰寫了, 然而, 代碼記錄處于一個系統, 數據庫在于另一個系統, 瀏覽器又在別的系統, 工作任務同樣處于不同系統。從前, 每一個系統都好似一種怪異的插頭: 其中一個需要三角口, 另一個需要圓口, 并且存在一個必須先按住開關而后再插入。小黑每連接一個全新工具, 均要再度學習一整套連接方法。而后, 辦公室安設了一個統一接線臺。外面的工具只要遵循同一套規則接入進來, 小黑便能夠運用統一的方式詢問:這個被稱作MCP的統一接線標準, 其全稱之為Model, 能夠先將它設想成一種類似“AI工具通用插口”的東西, 是這樣的情況。最通俗地說MCP 作出規定, 規定了 AI 與外部工具之間, 如何進行相互介紹, 如何發出請求, 如何接收結果。它自身一般情況下并不承擔撰寫日報的職責, 同樣也不負責查詢數據庫。它更類似于 USB 標準那般: USB 并非是鍵盤, 也不是硬盤, 然而當鍵盤和硬盤依據這個標準進行接入之后, 電腦便會更容易去使用它們。在 MCP 里可以粗略記住兩邊所以, “裝了MCP”這話, 實際上不太確切。更精準的表述, 一般是: 給AI連接了一個MCP, 能使它運用某套外部能力。CLI沒有按鈕直接用文字命令電腦CLI 的全名為 Line , 其在中文里稱作“命令行界面”, 它并非是由 AI 所發明的, 早在幾十年前就已然存在了。平日里你把軟件開啟, 瞅見菜單、圖標以及按鈕, 那便是圖形界面。CLI卻好似一扇唯接收文字指令的窗口:git statusAIbash意思是“告訴我當前代碼倉庫是什么狀態。”ffmpeg -i input.mp4 output.mp3AIbash意思是“把這個視頻里的聲音取出來。”最通俗地說CLI 就是把點按鈕換成輸入一行文字命令。它看起來不如圖形界面友好卻很適合 AI原因很簡單能夠使用 CLI 的有人類, 腳本同樣能夠使用 CLI , Agent 也是能夠使用 CLI 的。但 CLI, 僅僅是一個操作工具的入口而已。它沒辦法自行判斷“今天該要做些什么”, 并且也不會主動去檢查目標是否已經完成。Agent不是只回答問題而是盯著結果辦事當下, 小黑具備了腦子, 存有操作手冊, 擁有工具接口。老板并非再逐點告知它點擊位置, 單單予以它一個具體目標:“把今天的日報整理好先給我確認確認后提交。”小黑會自己完成一輪工作領會目標, 判定先做何事、再去做什事, 挑選所需的 Skill 與工具, 施行操作, 審視結果, 發覺有誤便予以調整, 再次嘗試, 達成要求之后進行匯報。這樣的“小黑”就是 Agent中文常翻譯成“智能體”。最通俗地說普通聊天狀態下的AI, 會專注你的問題而后予以回答, Agent則會圍繞你的目標向前推進做事。這兒最為關鍵之處并非“它具備思考能力”, 乃是它構建起了一種循環, 即執行一步操作, 觀察相應結果之后, 進而再去抉擇下一步該做什么的循環。不過, Agent并非那種能夠隨意放出去的全自動職工。可靠的Agent應當具備明確界限: 哪些資料能夠讀取, 哪些文件能夠修改, 哪些操作必須要讓人進行確認, 在失敗幾次之后應當停止下來。CLI 和 Agent最容易混淆假設你要從倉庫搬一個箱子回來。CLI 像對小黑下精確口令向前走 10 步左轉拿起第二個箱子原路返回。你說一步它做一步。命令寫錯了它也可能非常認真地做錯。Agent 像告訴小黑一個目標把標有“日報資料”的箱子拿回來。自行尋路, 識別標簽, 遇門鎖則更換入口, 取回來竟然還會查驗箱子是否正確。所以兩者不是同一類東西代理商常常會調用命令行界面工具, 如同職員會運用電話, 然而職員并非等同于電話。Skill 和 MCP也不是一回事這兩個詞也經常一起出現但區別非常簡單還用寫日報舉例只有 Skill沒有工具連接小黑知道方法卻拿不到資料。單獨存在著 MCP, 然而并不具備 Skill, 小黑所擁有的工具數量眾多, 可是卻不清楚應該先運用哪一個, 且不曉得什么樣的結果才能夠算作是合格的。四個概念放在一起到底怎么配合現在再看完整的一天老板說“整理今天的研發日報。”目標被 Agent 接住, 隨后 Agent 決定將事情辦理完成。Skill 向 Agent 告知標準流程、限制以及驗收規則。MCP 協助 Agent 連接工作任務、文檔、數據庫或者瀏覽器。CLI 助力 Agent 執行諸如 git、curl 等文字命令。接著 Agent 查看其結果, 若不合格便進行調整, 合格之后才予以匯報。可以把它們壓縮成一張“人話版名片”概念一句話辦公室里的比喻Agent圍繞目標持續行動的 AI辦事員Skill一類任務的標準做法操作手冊MCPAI 連接外部能力的通用協議統一插座/接線臺CLI用文字命令操作程序的界面只有文字的操作臺再順手講清三個小詞理解上面四個概念時還會經常遇到三個詞目標需被羅列, Agent 承擔推進職責, 做法由 Skill 予以提供, 動手由 Tool 負責執行, MCP、API 或者 CLI 給予不同的連接與操作形式, 這便是它們和先前情況的關聯所在。最后只記這一句話就夠了Agent屬于員工范疇, Skill等同于員工手冊類別, MCP是統一插座類型, CLI為文字操作臺種類。再往深一點有這樣一種情況, 大模型使得AI具備去思考的能力, 工具賦予AI行動起來的可能, Agent促使它可以圍繞著既定目標以不中斷的方式持續開展行動, Skill讓它依據正確的方法實施既定的舉措行為, MCP以及CLI則助力它與真切實在的現實世界建立起有效的聯結。在下一回再度瞅見這些人工智能黑話之際, 并非要先去背誦英文全稱。而是要先行詢問四個問題:由誰來執行將目標達成, 其依據何種方式去開展, 它通過怎樣的路徑承接外部工具, 它依照哪些舉措對工具進行實地操作?能回答這四個問題, 你基本上就看懂了, 這套AI系統究竟是在做什么。