Anthropic MCP 协议与动态 Skills 深度实战

在过去的 AI 应用开发中，开发者如果想让 Agent 访问本地 SQLite、读取 GitHub PR、或者操作 Slack，必须为每一个服务编写专有的集成代码：

MCP 三大核心原语 (Primitives)

• Tools (工具)：可被模型主动发起的调用函数（如 execute_sql, send_email），具备确定性的 JSON Schema 输入定义与执行结果。
• Resources (可读取资源)：可被被动读取的文件或数据上下文（如 file:///logs/app.log, postgres://users），类似于只读文件系统。
• Prompts (提示词模板)：由服务端预置并暴露的高质量专家提示词方案（如 git_commit_review 预设指令）。

选择一个标准的 MCP 请求类型，点击“发送 JSON-RPC 报文”，观察旧版协议部分 JSON-RPC 报文的模拟；未展示完整生命周期：

在大规模企业系统中，工具与专业操作指南多达上百项。如果一次性把所有工具的详细说明和提示词全都灌给模型：

• Token 爆炸与 KV Cache 频繁击穿：长工具目录会增加输入 token；实际成本取决于上下文和缓存策略。
• 注意力和逻辑退化：大模型在超大提示词下更容易误调或跳步。