你刚写完一个AI工具，发现同事用的是MCP，你用的是Skills。你们谁选错了？

这问题没有标准答案，但选错的人要多付一笔基础设施账单。ByteByteGo最近画了张对比图，把两者的区别拆成五个维度。看完你会发现，它们根本不是竞品，而是解决不同问题的两种工具。

打开网易新闻 查看精彩图片

一图拆解：五维对比

这张图的核心信息很直白——Integration（集成方式）、Architecture（架构）、Invocation（调用方式）、Runtime（运行环境）、Where it fits（适用场景）。我们逐层剥开。

先看集成方式。MCP是客户端-服务器协议，N个代理连M个后端，走统一接口。Skills是文件夹，里面放个SKILL.md，触发时加载。一个是"插线板"，一个是"说明书文件夹"。

架构差异更本质。MCP作为独立进程运行，有自己的运行时，用JSON-RPC通信。Skills就是个目录结构：SKILL.md、可选脚本、参考资料、资源文件。没有进程，没有服务，没有额外运行时。

调用方式决定了开发体验。MCP工具带类型参数，按schema验证，可以链式调用。Skills靠代理读取SKILL.md，执行里面描述的命令——bash、python、curl，有什么用什么。

运行环境是成本的关键变量。MCP服务器通常跑在独立容器或服务里，你得管它的生命周期。Skills在代理自己的环境里执行，零额外基础设施。

选型逻辑：你在连接系统，还是在沉淀知识？

这张图的最后一条"Where it fits"给出了选型原则：MCP用于连接代理与实时系统和数据；Skills用于赋予代理可复用的知识和指令。

翻译一下——如果你的代理需要查数据库、调API、访问实时状态，MCP是合理选择。协议标准化了，但代价是多一层运维。如果你发现团队总在写重复的prompt，或者新人不知道怎么处理某类任务，Skills更轻量。把经验写成SKILL.md，代理按需加载。

一个常见的误判是把Skills当成"低配版MCP"。实际上Skills没有运行时依赖，部署成本趋近于零，这在边缘场景或资源受限环境里是优势而非劣势。

成本陷阱：选错架构的隐性账单

ByteByteGo的原文埋了一个关键判断："picking the wrong one adds cost or complexity you don't need"。

这个警告针对的是两种典型误配——用MCP做简单的知识封装，或用Skills做复杂的系统对接。前者你为不必要的运行时买单，后者你在没有协议约束的环境里硬造轮子，维护成本指数级上升。

容器化部署MCP服务器时，资源预留、健康检查、版本管理都是显性成本。Skills的"零基础设施"不是修辞，是字面意思：文件系统里多个目录，代理启动时扫描，触发时读取执行。

但Skills的边界也很清晰。当调用链路需要类型安全、参数验证、跨代理复用时，SKILL.md的文本描述开始显得脆弱。这时候回退到MCP的schema约束是更稳健的选择。

行业动向：代理即用户

原文末尾插了一则IaCConf 2026的会议预告，里面有个值得注意的表述："Your users aren't just developers anymore. They're AI agents."

这个判断正在影响基础设施的设计范式。Corey Quinn的演讲标题「AI Speaks Terraform Like a Tourist」暗示了当前阶段的特征——代理能操作工具，但还不够熟练，需要协议层做更多保护。Matt Gowie的主题"从IaC到代理"则指向更激进的转变：基础设施代码可能被策略驱动的自动化取代。

MCP和Skills的并存，某种程度上是这个过渡期的缩影。协议化接口（MCP）保障代理与系统的安全交互，知识封装（Skills）加速代理的能力迭代。两者不是谁取代谁，而是在不同抽象层级上解决问题。

回到那个问题

你和同事谁选错了？

如果他的代理在查实时库存API，你的代理在复用客服话术模板，那你们都没错。如果反过来，你们都在为多付的成本写备忘录。