AI编程工具四层能力体系：Skills、MCP、Rules、Agents完全指南 ​

2024年底Anthropic发布MCP，2025年底Agent Skills作为开放标准推出，2026年初Claude Code跃居开发者最喜爱的AI编程工具榜首。四个核心概念重塑我们与AI协作编程的方式：Skills、MCP、Rules、Agents。

先用一个类比建立整体认知 ​

医院的管理制度（Rules）规定了所有人都必须遵守的基本规范——手术前必须洗手、处方必须双人核对。医疗操作手册（Skills）是各种专业操作的详细指南——心脏搭桥手术怎么做、急救流程是什么。检验设备和病历系统（MCP）让医生能够获取化验结果、调阅影像资料、查看患者历史。各科室的医生（Agents）则是独立思考、自主行动的专业人员。

一、Rules：始终在线的行为规范 ​

什么是Rules？ ​

Rules是AI编程助手启动时就加载的持久化指令，定义了AI在整个工作过程中必须遵循的约束和规范。在Claude Code中，Rules主要通过CLAUDE.md文件和.claude/rules/目录来定义。

它解决什么问题？ ​

每次你开启一个新的AI对话，AI对你的项目一无所知——它不知道你用的是什么构建工具、测试框架是哪个、代码风格有什么偏好。

Rules就是解决这个问题的：一次定义，每次对话自动生效。

实际例子 ​

# CLAUDE.md — 项目根目录

## 构建命令
- 运行测试：`npm test`
- 构建项目：`npm run build`

## 代码规范
- 使用 TypeScript strict 模式
- 组件文件使用 PascalCase 命名
- commit 信息遵循 Conventional Commits 格式

## 架构约定
- API 路由放在 src/routes/ 下
- 数据库操作必须通过 Repository 层

作用范围：层叠式继承 ​

层级越深，优先级越高。就像CSS的层叠规则一样。

跨工具支持 ​

2025年，跨平台标准AGENTS.md应运而生（Google、OpenAI、Sourcegraph等联合推出），目前已被6万多个GitHub仓库采用。

二、Skills：按需加载的专业技能 ​

什么是Skills？ ​

如果说Rules是"公司制度手册"，那Skills就是"岗位操作手册"。

Skills是模块化的指令包，每个Skill是一个文件夹，核心是一个SKILL.md文件，里面包含了完成特定任务的详细步骤、工作流程和参考资料。

它解决什么问题？ ​

Rules适合放简短的约束和规范，但当我们需要教AI完成一个复杂的、多步骤的工作流程时，Rules就力不从心了。比如：

• 如何将Markdown文章转换为微信公众号格式并发布？
• 如何按照团队规范进行代码审查？
• 如何生成符合品牌设计风格的封面图？

这些都需要详细的步骤说明、决策逻辑、甚至配套脚本——这正是Skills的用武之地。

关键特性：渐进式加载 ​

这意味着你可以安装几十个Skill，但只在需要时才消耗上下文窗口。相比把所有指令塞进Rules，Skills节省了90%以上的token开销。

一个Skill长什么样？ ​

---
name: code-review
description: 对代码变更进行全面审查，检查安全性、性能和可维护性
version: 1.0.0
user-invokable: true
---

## 审查流程

1. **读取变更**：获取所有修改的文件
2. **分层检查**：
   - 安全性：是否存在注入、XSS、敏感信息泄露
   - 正确性：逻辑是否正确，边界条件是否处理
   - 性能：是否有N+1查询、不必要的重渲染
   - 可维护性：命名是否清晰，是否过度设计
3. **输出报告**：按严重程度分级

Skills生态 ​

三、MCP：连接万物的通用协议 ​

什么是MCP？ ​

Model Context Protocol（模型上下文协议）是Anthropic在2024年11月发布的开放标准，用于将AI助手与外部工具和数据源连接起来。

一句话概括：MCP是AI的USB-C接口。

在MCP出现之前，让AI连接GitHub需要一套代码，连接数据库需要另一套，连接Slack又是一套——每个集成都是定制开发。MCP将这一切标准化为一个协议。

三个核心原语 ​

常见的MCP服务器 ​

MCP vs API调用：三个关键区别 ​

四、Agents：自主行动的智能体 ​

什么是Agents？ ​

如果把前面三个概念比作基础设施，那Agents就是真正"干活的人"。

Agent是一个能够自主规划、执行、检查和调整的AI实例。它不只是回答问题——它会制定计划、拆分任务、调用工具、检查结果，如果发现问题还会自行修正。

子智能体（Subagents） ​

主对话（你在交互的AI）
  ├── 子智能体A：安全审查（独立上下文）
  ├── 子智能体B：性能分析（独立上下文）
  └── 子智能体C：代码风格检查（独立上下文）

每个子智能体：

• 拥有独立的上下文窗口，不会污染主对话
• 可以配置专属的工具集和MCP服务器
• 可以预加载特定Skills
• 完成后只返回结果摘要给主对话

Agent Teams（智能体团队） ​

Team Lead（团队负责人）
  ├── 成员A：负责前端重构
  ├── 成员B：负责API开发
  └── 成员C：负责测试编写

团队成员通过共享任务列表和消息传递来协调工作，就像一个真正的开发团队一样。

五、四者如何协同工作？ ​

场景：你对AI说"帮我实现用户注册功能，包含邮箱验证"

1. Rules生效 ​

• AI读取CLAUDE.md，知道项目用Next.js + Prisma
• AI读取代码规范，知道要用TypeScript strict模式
• AI读取提交规范，知道commit格式要求

2. Skills激活 ​

• AI自动加载TDD Skill，决定先写测试
• AI加载Code Review Skill，准备写完后自审

3. MCP连接 ​

• 通过GitHub MCP创建功能分支
• 通过数据库MCP检查现有Schema
• 通过Playwright MCP运行端到端测试

4. Agents分工 ​

• 主Agent制定实施计划
• 子Agent A：编写数据库迁移脚本
• 子Agent B：实现API路由
• 子Agent C：编写前端表单组件
• 子Agent D：安全审查所有代码
• 结果汇总，主Agent提交代码

四者各司其职，缺一不可。

总结 ​

一句话：Rules定规矩，Skills教本事，MCP给工具，Agents去干活——四层协同，AI从"会回答"变成"会做事"。