SKILL 与 MCP 的区别

一句话总结：Skill 是 AI 的”知识手册”，MCP 是 AI 的”工具箱”。两者互补，不是替代关系。

一、核心区别

1.1 本质对比

1.2 一句话区分

• Skill：告诉 AI “应该怎么做”、“按什么规范做”
• MCP：给 AI “能做什么”、“操作外部系统的能力”

二、详细能力对比

2.1 Skill 能做什么

2.2 MCP 能做什么

2.3 不能互相替代的场景

三、组合使用：1+1 > 2

3.1 组合模式

Skill 和 MCP 的最佳实践是组合使用：

┌─────────────────────────────────────────────┐
│              用户输入任务                      │
│  "按项目规范审查 src/api 目录的代码安全性"      │
└─────────────────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────┐
│              Skill 层（知识注入）              │
│  • 读取 .kimi/skills/security-audit/SKILL.md  │
│  • 获知：检查清单、风险等级定义、输出格式要求     │
│  • 约束：必须检查 SQL 注入、XSS、权限校验       │
└─────────────────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────┐
│              MCP 层（能力扩展）                │
│  • filesystem MCP：读取 src/api 下的实际代码   │
│  • postgres MCP：查询数据库 schema 验证 ORM    │
│  • github MCP：拉取相关 PR 的变更记录          │
└─────────────────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────┐
│              输出结果                          │
│  • 符合安全审查规范的报告                      │
│  • 基于真实代码和 schema 的分析                │
└─────────────────────────────────────────────┘

3.2 实战示例

示例 1：数据库迁移审查

需求：审查今天的数据库迁移脚本

Skill 注入：
  - security-audit Skill：规定"所有迁移必须包含回滚逻辑"
  - db-standard Skill：规定"不允许删除列，只能添加"

MCP 执行：
  - filesystem：读取 migrations/ 目录下的 .sql 文件
  - postgres：DESCRIBE 相关表，对比迁移前后 schema

结果：
  - AI 按照规范 checklist 逐项检查
  - AI 基于真实 schema 验证迁移的正确性

示例 2：API 接口开发

需求：给用户模块添加密码重置接口

Skill 注入：
  - backend-standard Skill：RESTful 规范、错误码定义、日志格式
  - auth Skill：JWT 校验流程、密码加密算法要求

MCP 执行：
  - filesystem：读取现有的 user.controller.ts 作为参考
  - postgres：查看 users 表的字段定义
  - github：查看之前类似接口的实现模式

结果：
  - AI 生成的代码风格与现有项目一致
  - AI 知道真实的数据库字段，不会幻觉出不存在列
  - AI 遵循安全规范（如密码必须 bcrypt，必须有 rate limit）

四、如何选择

4.1 决策树

你需要解决什么问题？
│
├─ AI 输出的内容不符合预期（风格、格式、质量）
│   └─ 需要定义规范或知识 → 使用 Skill
│       ├─ 是固定流程（多步骤、可重复）→ Flow Skill
│       └─ 是知识/规范（风格、约束）→ 普通 Skill
│
├─ AI 无法访问外部信息或执行操作
│   └─ 需要扩展能力边界 → 使用 MCP
│       ├─ 读取文件/数据库 → filesystem / database MCP
│       ├─ 调用 API/搜索 → http / search MCP
│       └─ 操作浏览器/终端 → puppeteer / shell MCP
│
└─ 两者都需要
    └─ Skill + MCP 组合使用（最佳实践）

4.2 典型错误

五、在 Kimi CLI 中的配置关系

5.1 配置位置对比

5.2 优先级关系

• Skill：项目级 > 用户级（项目目录下的 Skill 覆盖用户目录的同名 Skill）
• MCP：所有在 mcp.json 中配置且启动成功的 Server 同时可用

5.3 同时生效示例

# 假设配置了以下组件：
# Skills：code-style, security-audit
# MCP Servers：filesystem, postgres, github

kimi
> 审查 src/auth 模块的安全性

# AI 实际的工作流程：
# 1. 发现 security-audit Skill，加载安全检查清单
# 2. 发现 code-style Skill，确定代码规范
# 3. 调用 filesystem MCP 读取 src/auth/*.ts
# 4. 调用 postgres MCP 查询用户表结构
# 5. 按 Skill 规范输出审查报告

六、总结

核心原则：Skill 解决”质量”问题（让 AI 做得对），MCP 解决”能力”问题（让 AI 做得到）。两者结合，才能构建高质量、实用的 AI 工作流。