MCP、Tool 与 Skill

Tool MCP Skill 专区入口安全边界

Tool

Tool 是 Agent 能调用的外部能力，如搜索、数据库查询、代码执行、邮件发送、OpenCV 分析脚本、DIC/PIV 工具、企业 API。Tool 解决的是模型不能直接访问外部世界的问题。

一个好的 Tool 应有清晰的输入输出 schema、错误处理、权限边界和结构化返回。

MCP

MCP（Model Context Protocol）解决的是 N 个 AI 应用和 M 个工具之间重复集成的问题。它把工具、数据源和工作流封装成 MCP server，AI 应用作为 MCP client 连接它们。

MCP 的价值在于标准化接入和复用；风险在于权限、提示注入、远程执行和供应链治理。

Skill

Skill 是可复用任务能力包，可以理解为“专业作业指导书 + 脚本 + 模板 + 约束”。Tool 说明系统能调用什么，Skill 进一步说明应该按什么流程完成任务。

示例：

text

dic-analysis-skill/
  SKILL.md        # 什么时候使用，流程是什么
  scripts/        # DIC 后处理脚本
  templates/      # 实验报告模板
  examples/       # 示例输入输出

专区入口

如果只想理解概念，本页已经够用；如果要做选型，可以继续看静态展示专区：

页面	适合解决的问题
MCP / Skill 专区	从产品视角理解 MCP、Tool、Skill、Agent 的关系和边界。
MCP 精选清单	判断浏览器、搜索、知识库、GitHub、Figma、Vercel、数据库、办公协作等 MCP 是否适合接入。
岗位 Skill 地图	按 AI 产品经理、售前、运营、市场、研发、测试、设计、数据分析、法务、财务等岗位设计 Skill。
SkillHub 精选	参考 SkillHub 热门条目，理解代表性 Skill 的用途和风险边界。

安全边界

层面	控制点
工具权限	最小权限、只读优先、危险操作确认
数据权限	按用户、项目和密级过滤
执行环境	沙箱、文件路径限制、日志
提示注入	区分可信指令和不可信内容
供应链	验证 MCP server、插件、脚本和依赖来源

Python 入口

python

def calculate_area(image_path: str) -> dict:
    """A tool-like function for an agent."""
    import cv2
    image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    if image is None:
        return {"ok": False, "error": "image not found"}
    return {"ok": True, "shape": image.shape}

真实 Agent 框架会把这种函数注册成可调用工具，并由模型根据任务选择调用。

MCP、Tool 与 Skill ​

Tool ​

MCP ​

Skill ​

专区入口 ​

安全边界 ​

Python 入口 ​