Skill 是什么
Skill 是用 Markdown 写成的指令书。对 Claude 说'帮我整理邮件'，Skill 就会给出顺序：按类别分类、把促销邮件归档、给紧急邮件加标记。这近似于主管交给新员工的工作手册。因为写起来又快又简单,连智能体自己都会动手写 Skill。
但 Skill 做不到的事同样明确。Skill 本身不执行任何操作，不会登录邮箱，不会向任何服务认证，什么都不会运行。指令要真正生效，底层必须另有工具负责登录和取值。Skill 只是聪明的说明书——一份好文档，架在空无一物之上。
打开 Claude 网页版的 设置 → 自定义 → 技能，感觉立刻就来了。skill-creator、canvas-design、mcp-builder 这类名字本身就点明了用途，一字排开,旁边标着从 12 万到 140 万不等的下载量。每一个都只是几页纸的指令，却能让 Claude 在特定任务上表现大幅提升。
CLI 是什么
CLI，命令行界面，就是在终端里敲命令与系统对话。乍看比 Skill 原始，但对模型而言恰恰相反。因为模型在网络上大量代码和命令示例上训练过，一个文档完善的 CLI 往往比要点来点去的图形界面更好用。Claude Code 修代码、跑测试、推送仓库时，实际上都是在执行 CLI 命令。
原则上，任何拥有 CLI 的系统都能被智能体直接使用，无需额外协议。但存在两个结构性缺口。一是发现——智能体没有标准方式知道当下能用什么。二是治理——没有标准化的认证、权限范围,也没有记录做了什么的审计轨迹。强大，但是未经打磨的原始力量。
MCP 是什么
MCP，Model Context Protocol，是 Anthropic 创建、随后捐赠给 Linux 基金会、并被几乎所有主流 AI 厂商采纳的开放标准。可以把它想成 USB-C。USB-C 出现之前，手机、笔记本、耳机各有各的接口；统一规格一出现，所有设备就直接连上了。MCP 对 AI 起的是同样的作用。把一个工具的名称、描述、输入 schema 和认证都按规格做好，Claude、GPT、Cursor 都能原样调用同一个服务器。
打开 Claude 网页版的连接器目录，Notion、Gmail、Google Drive、Figma、Microsoft 365 这些熟悉的服务一字排开，点一下连接按钮就能接上。每一张卡片都是一个 MCP 服务器。但争议也是真实存在的：早期实现常常把 90 个工具塞进一台服务器，对话还没开始就先烧掉几万 token,搭建服务器、管理认证流程也带来实实在在的基础设施负担。较新的渐进式发现方案——按需加载工具——正在缓解这个问题。
数字说话——CLI 与 MCP 的实测对比
光靠概念，三者的差异容易模糊。把同一项任务分别用 CLI 和 MCP 各跑一遍，界线立刻清晰。
| 任务 | CLI | MCP |
|---|---|---|
| 在两个文件中搜索一个词 | cat + grep，两行命令搞定 | 文件系统服务器先加载 13 个工具定义（实际只用了 2 个） |
| 查看最近 10 次提交（Git） | 一行 git log，模型早就熟悉参数 | GitHub 服务器预加载全部 80 个工具的 schema，约 5.5 万 token |
| 读取用 JavaScript 渲染的页面 | curl 只拿到空骨架，多次尝试绕过，约 2000 token、耗时数分钟 | 无头浏览器 fetch 工具一次调用，约 250 token、数秒完成 |
数字说明了什么
在两个文件里找一个词这种简单任务，CLI 用 cat 和 grep 两行就搞定。同样的任务交给 MCP 文件系统服务器，实际用到的工具明明只有两个，服务器却先把自己标榜的 13 个工具的说明全部塞进了对话窗口。查 Git 日志同理：CLI 一条命令就完事，而 GitHub MCP 服务器要把 80 个工具的完整 schema 整体载入，对话开始前就消耗约 5.5 万 token。只看这一点，很想直接判 CLI 赢。
但也有反过来的情况。读取用 JavaScript 渲染画面的页面，比如 modelcontextprotocol.io 这类 Next.js 网站，用 curl 拿到的不是成品文本，只是骨架代码。智能体先剥掉标签,再翻找源码里嵌的 JSON，最后甚至直接逆向工程 Next.js 用来流式传输内容的内部格式——就为了读一个网页。花了 2000 多 token、耗时数分钟才勉强凑够能拿来总结的内容。相比之下，内置无头浏览器的 MCP fetcher 服务器只调用一次 fetch url 工具，约 250 token、几秒钟，就原样拿到了渲染后的文本。
规律很清楚。命令能直接对应任务的场景——文件操作、Git、文本处理——CLI 赢，这些是终端几十年来一直在解决的问题，模型早就烂熟于心。反过来，当工具给出的原始素材和实际需要的结果之间存在落差，以及需要认证、权限、审计轨迹的时候，MCP 填上这道缺口。
刚入门：从哪里安装、先打开什么
名字陌生也没关系，上手并不难。按顺序打开就行。
先装 CLI。Mac 用自带的'终端'应用，Windows 打开 'PowerShell'。先安装 Node.js（nodejs.org），再把下面的命令粘贴进去。装完后进入要操作的文件夹,输入 claude 即可运行。
Skill 在 Claude 网页版（claude.ai）里打开。点左下角头像图标进入设置，进入自定义菜单下的技能。Anthropic 标签页里列着官方技能，需要哪个就点旁边的 + 按钮,之后的对话 Claude 就会自动使用它。不用写任何代码。
MCP 在同一设置界面的连接器菜单里打开。点添加，再点浏览连接器，就会出现 Notion、Gmail、Google Drive 之类的卡片。点想要的服务的连接按钮,在登录弹窗里授权即可完成。此后在对话中说'去我的 Notion 里找一下'，Claude 就会调用那个连接器。
# 安装 Claude Code
npm install -g @anthropic-ai/claude-code
# 安装完成后，在项目文件夹内运行
claude所以该先打开什么
如果你是个人或五六人的小团队，光靠 Skill 加 CLI 就能走得相当远。安装快，摩擦小。但要睁大眼睛开始——知道 CLI 没有标准化认证和审计轨迹去用，和不知道就去用，是两回事。
如果是横跨多个团队、系统、客户数据的组织，那就不是三选一的问题，最终会三者一起用。Skill 把公司的工作方式写成指令，CLI 在这些指令之下负责真正执行，MCP 用可认证、可审计的规格把一切连接起来，让规模化扩张变得安全。三层不是互相竞争，而是层层叠加。