路边的阿不
·
约束或自由：AI 工具化的两种答案
💡
原文中文，约1800字，阅读约需5分钟。
📝
内容提要
大模型在对话文本中表现优异，但缺乏实际操作能力。为实现AI的实际应用，需要赋予其行动能力，主要有两种技术路线：MCP和Skills。MCP注重标准化和安全性，适合开发者；而Skills通过自然语言编程降低了使用门槛，适合普通用户。两者互补，未来将实现融合，以满足个性化需求并保障数据安全和稳定性。
🎯
关键要点
-
大模型在对话文本中表现优异，但缺乏实际操作能力，需要赋予其行动能力。
-
当前AI Agent赛道上出现了两条技术路线：MCP（模型上下文协议）和Skills（自然语言技能）。
-
MCP注重标准化和安全性，适合开发者，能够清晰定义能力边界，减少幻觉干扰。
-
Skills通过自然语言编程降低了使用门槛，适合普通用户，允许用户用自然语言描述流程。
-
MCP和Skills是互补的，未来将实现融合，以满足个性化需求并保障数据安全和稳定性。
❓
延伸问答
MCP和Skills的主要区别是什么？
MCP注重标准化和安全性，适合开发者，而Skills通过自然语言编程降低了使用门槛，适合普通用户。
为什么大模型需要赋予行动能力？
大模型在对话文本中表现优异，但缺乏实际操作能力，赋予行动能力可以让其产生实际价值。
Skills如何降低AI工具的使用门槛？
Skills允许用户用自然语言描述流程，极度口语化和灵活，普通用户无需编程知识即可使用。
MCP的设计哲学是什么？
MCP的设计哲学强调标准化、可隔离和可治理，确保大模型的能力边界清晰，减少幻觉干扰。
未来MCP和Skills会如何融合？
未来，普通用户将通过Skills快速搭建流程，而在涉及核心数据时，会自动调用MCP的标准化能力。
使用Skills可能面临哪些风险？
使用Skills可能面临幻觉风险和安全隐患，因为自然语言的语义模糊性和缺乏强格式校验。
➡️
