Codex，Claude——用了这么久，你还是分不清Agent、MCP和Skill？

用心打字

Codex，Claude——用了这么久，你还是分不清Agent、MCP和Skill？

别费劲去死记硬背那些复杂的定义了。

想象一下AI是一家公司，你就能立刻理解Agent、MCP和Skill了。

今天，我会用通俗易懂的语言解释它们各自的功能。

1️⃣ Agent（智能代理）= AI员工

它可以理解任务、规划步骤、调用工具，并按步骤完成工作。

2️⃣ LLM（大型语言模型）= AI员工的大脑

它负责理解、推理和生成内容，这在很大程度上决定了这位员工的智能程度。

3️⃣ Prompt = 发给员工的任务单

它告诉员工该做什么、有哪些要求以及哪些事情不能做。

4️⃣ API 接口 = 软件间的服务窗口

它允许不同的软件以约定的方式交换数据和调用功能。

5️⃣ Token = AI 读写内容的基本单元

您的输入文本和 AI 的输出内容都会被分解成单独的 Token 进行处理。

6️⃣ MCP = AI 连接外部工具和数据的统一套接字标准

它规定了 AI 应用如何连接到 GitHub、数据库和各种外部服务。

只要不同的工具遵循相同的标准，AI 就可以以类似的方式集成它们。

7️⃣ Tool = AI 员工完成工作的双手

终端、浏览器、搜索、文件编辑——所有这些都可以作为 AI 实际用来执行任务的工具。

8️⃣ Skill = AI 员工的工作标准操作程序 (SOP)

它告诉 AI 如何处理特定类型的任务、需要遵循哪些步骤、需要检查哪些内容以及如何交付最终输出。

9️⃣ 插件 = 为 AI 安装的功能扩展包

不同平台对插件的定义略有不同。

简而言之，插件是指通过额外的工具、连接或功能来扩展 AI。

🔟 上下文 = AI 员工当前桌面上的资料

当前的聊天记录、文件、代码和任务要求——所有这些信息都是该员工可以查看并用于当前工作的信息。

1️⃣1️⃣ 长期记忆 (LTM) = AI 员工的长期存档

它用于存储偏好、经验和项目信息，这些信息在不同的任务和对话中仍然有效。

这不是大型模型内置的自然长期记忆能力；它通常需要额外的记忆机制来支持。

最后一点——请记住以下几个最容易混淆的概念：工具决定它能做什么，技能告诉它如何做，MCP 指定如何连接工具，插件负责扩展一系列功能。

所以：LLM 是大脑，代理是员工，提示是任务单，API 是服务窗口，令牌是读/写单元，工具是双手，技能是标准操作程序 (SOP)，MCP 是统一接口，插件是扩展包，上下文是桌面资源，LTM 是长期存档。

我们所说的 AI 工作流程实际上就是：

给一个数字员工配备大脑、任务单、双手、SOP、桌面资源和长期记忆，然后让它按照固定的流程完成工作。