假設你請一位新同事每週整理銷售數字。他需要三樣東西：一份交接文件、一把能打開資料庫的鑰匙，以及公司替新電腦準備的安裝包。

粗略來說，Skill 像交接文件，MCP 像標準化的連接與操作方式，Plugin 則像把文件、工具和設定一起送進產品的安裝包。它們會重疊，但不是同一件事。

Skill：告訴 Agent 這份工作怎麼做

Agent Skill 通常是一組可重複使用的指示，核心常放在 SKILL.md。裡面會寫觸發條件、工作步驟、該讀哪些參考資料、能呼叫哪些工具，以及什麼狀態才算完成。

普通提示詞只處理眼前這一次對話；Skill 的目標是下次碰到同類任務時仍能套用。做 App Store 截圖、修 GitHub CI、撰寫市場研究，這些都有固定流程，很適合整理成 Skill。

重點是：Skill 本身不一定帶來新的系統權限。它可以教 Agent 用瀏覽器，但前提是環境裡真的有瀏覽器工具；它也可以教 Agent 寄 Gmail，但仍需要登入方式與可呼叫的寄信能力。

MCP：讓 AI 用共同方式接上資料與工具

Model Context Protocol 是開放標準，用來連接 AI 應用程式與外部系統。官方文件把伺服器能提供的東西分成三類：Tools、Resources 與 Prompts。

  • Tools：可執行的動作，例如查資料庫、建立行事曆事件、寄信。
  • Resources：提供上下文的資料，例如檔案、資料庫結構、產品文件。
  • Prompts：可重複使用的互動範本，引導模型搭配工具與資料完成工作。

MCP 解決的是「怎麼連」與「怎麼描述能力」。同一個 Google Calendar MCP Server 可以被不同 AI 客戶端使用，不必每個產品各自發明一套接法。

最短分法Skill 比較像做事方法；MCP 比較像 Agent 取得資料與採取行動的標準接口。

Plugin：通常是產品的安裝與分發單位

Plugin 沒有跨所有 AI 產品的單一定義。多數時候，它是一個包裝層：一次加入 Skills、工具伺服器、連接器、指令或介面元件。實際包含什麼，要看你使用的產品。

所以「安裝一個 Plugin」不代表只增加一段提示詞。它可能同時開啟外部服務、加入多個工作流程，甚至帶進能修改資料的工具。確認 manifest 或安裝摘要，比看 Plugin 名稱重要。

三者怎麼一起工作？

回到每週銷售報告的例子：

  1. Plugin 把「銷售分析」整套能力裝進 Agent。
  2. MCP Server 提供讀取訂單資料與寫入 Google Sheets 的工具。
  3. Skill 規定先排除退款、再依地區分組、最後檢查總額是否對得上。
  4. Agent 依 Skill 的流程呼叫 MCP 工具，產出報告。

只有 MCP，Agent 有工具卻可能不知道公司的計算規則；只有 Skill，它知道步驟卻沒有權限碰資料。兩者一起才形成完整工作流。

安裝 Skill 前，先看這三件事

1. 先看它會執行什麼

直接讀 SKILL.md。搜尋 shell 指令、檔案寫入、網路上傳、登入與刪除動作。摘要寫「整理信箱」，實際行為可能包含自動封存或寄信，風險完全不同。

2. 依賴是否能接受

有些 Skill 需要另一個 CLI、付費 API、瀏覽器登入或特定模型。把這些依賴算進成本，也想好服務停止時怎麼辦。能安裝不等於能免費使用。

3. 指示有沒有過期

程式框架、API 與 CLI 都會改。2024 年正確的安裝方式，到了 2026 年可能直接把專案帶往舊版。檢查最近更新日期、支援版本與是否鎖定相依套件。

安全掃描可以當第一層過濾，不能取代這三步。MCP 官方安全說明也強調，人應該能看見工具何時被呼叫，並對敏感動作保留拒絕權。

什麼情況自己寫一個更快？

如果流程只屬於你的專案，而且規則很短，例如「每次更新 API 後，同步修改這三份文件」，自己寫一個專案內 Skill 往往比找公開套件快。你知道檔案在哪裡，也能把驗收條件寫得更精確。

公開 Skill 適合通用、已有成熟做法的任務；私有 Skill 適合帶有公司規則、內部工具與特殊限制的工作。Skill 裝得多，Agent 不一定更強。它需要的是在對的時候，拿到剛好的說明。

資料來源