Claude Skills 能取代 MCP 嗎？

今天來研究一下最近很紅的 Claude Agent Skills。 起因是最近去 Claude Meetup Taipei 的聚會，看到有人認為 Skills 可以用來取代 MCP。要判斷這個陳述是否正確，必須先了解一下 Skills 跟類似功能的差異。 一直有個疑惑，Agent vs Skills vs MCP 概念都有點像，它們都可以幫 Claude 裝上許多裝備、變得更多才多藝，但究竟差在哪？讓我們退一步，先釐清一下發展的脈絡。 傳統軟體工程追求的是確定的 (deterministic)，優點是可靠、不出錯；缺點就是開發耗時，功能必須一個一個設計，沒有實作就不會有功能。 自從 LLM 成熟、大家慢慢進入 Vibe Coding 的年代後，LLM 的本質「文字接龍」可以說是集結了人類的智慧，開始能給出預想不到的東西。訓練出來的大模型已經可以提煉出概念性的內容，優點是靈活、有創意、速度快；缺點是每一次都像在擲骰子，沒人能保證成果的穩定度。 這兩個面向可以說是光譜的兩端，這也是為什麼相對資深的工程師可能對 AI 有較多抵觸，因為這直接挑戰了工程師多年的訓練——這不只是信仰問題，更是寫實的信任問題。但這種時候能做出信仰之躍 (leap of faith) 的人，往往有辦法享受到時代紅利。與其說 AI 哪裡做得不夠好，不妨問問該怎麼做能讓 AI 的產出更穩定，將變化控制在可容許範圍且大幅解放生產力，而不是單純停留在「AI 能不能做到」。 目前我觀察到有兩個主流的探索方向：其一是把任務切碎或套用方法論，讓每個步驟間的「距離」縮短，這樣即使 LLM 有不穩定度也相對能接受；二是不要把所有事情都交給 LLM，如果需求是確定性的（例如圖片轉檔），有既有工具就應優先調用，預期會有更穩定的產出，而不是期望 LLM 自己實作邏輯後給出一樣的結果。 Agent 本質上就是一份描述文件，把你希望它遵守的事情告訴它，給它範例、規範或是方向，比較接近角色扮演。我之前的用法是覺得版控有點花時間，所以寫了個 git-committer 請它幫我把每個 commit 切小，但自己用下來，有時候還是沒有成功調用到。 MCP (Model Context Protocol) 看起來是高大上的縮寫，其實是把既有的程式調用接口整理起來並附上操作說明，讓 AI 知道有什麼需求可以直接調用。這非常適合一些知道 know-how 或資料的應用，例如想問現在比特幣多少錢，它知道去問交易所的接口取得正確資訊，而不是根據訓練資料瞎掰。但缺點是，若把沒用到的詳細接口資訊也一併餵給 AI，有機會造成失憶或是佔用 Context Window 的問題，意味著使用成本上升。 Skills 則介於以上兩者之間。它不只有詳細的說明文件，更可以附上程式指令，且可以是特定程式語言的檔案。最重要的是官方強調 Skills 是 filesystem-based（基於檔案），可以「漸進式揭露」。意思是只要把功能拆得越細、分散在不同檔案，AI 只會根據需求揭露相關資訊進去，沒揭露到的部分就不花錢。所以詳細說明書應該放在獨立檔案裡，而只把最重要的功能摘要放在最外層即可。所追求的是往確定性靠攏，但又不會太燒錢。 終於可以回答一開始的命題：Skills 是否可以取代 MCP？ 其實要看情況。如果你過去只把本地調用的程式指令放進 MCP 裡使用，那可以；但如果是資料在人家手上的 MCP，恐怕只能優化成用 Skills 去串接，但這樣就變成長期要維護 Skills，這種情況下答案是否定的。不過，以前的 Agent 確實可以試著加上 Skills，或是改用 Skills 來提升穩定度。 最後要小心提醒，因為 Skills 會直接調用指令，基本上就是在操作你的裝置，未來一定會出現利用這個手法產生的攻擊，所以不是網路上有人分享就可以直接拿來用。我相信很多 Vibe Coding 浪潮衝進來的新人，在不久的將來會在這邊踩一個大坑。呼籲在使用前請 AI 幫忙分析一下有沒有問題，以及可以自己裝在本地的工具就盡量不要往外呼叫，以防未來有心人士把實作內容換掉、輕鬆入侵裝置。 在此附上原討論串： https://www.threads.com/@thecat88tw/post/DS4o-e0EeOc?xmt=AQF03vL3FZgM0D3HEi3Yp3vBf1lYCEHGePBzqND_HWlstM5V7eLecmjOawjl7Rp323TH7w1F&slof=1&fbclid=IwY2xjawPJV4ZleHRuA2FlbQIxMABicmlkETE0NDVHcWtPYW5GQmt4SVFLc3J0YwZhcHBfaWQQMjIyMDM5MTc4ODIwMDg5MgABHhGuzEzvEYbQDW1vLK6nFdk2_18ku9JytZ62qQxA4IOEFyCV4X0qBjK7XZK9_aem_RbUjLsqxt1XE0DCxcvdk8g