AI 核心概念
在当今的 AI 领域,AI(人工智能)、Model(大模型)、Agent(智能体)、Skill(技能)、Tool(工具) 与 MCP(模型上下文协议) 共同构成了一个从“底层大脑”到“执行手脚”的完整分层架构。
您可以参考这篇 AI Agent 核心概念对比文章,并结合以下通俗易懂的类比来理解它们之间的关系。
| 概念 | 角色定位 | 简单理解 | 核心职责 |
|---|---|---|---|
| AI(人工智能) | 行业/大概念 | 整个“智慧产业”或“脑科学” | 泛指让机器模拟人类智能的技术统称 |
| Model / LLM | 员工的“大脑” | 智商极高但被关在黑屋里的“学霸” | 负责理解意图、逻辑推理、生成文本(文本进,文本出),本身没有行动力 |
| Agent(智能体) | 整个“人”或“CEO” | 装备了手脚、记忆和目标的“完整员工/总指挥” | 以 LLM 为核心,加上记忆、规划和循环机制,能够自主思考、调用外部资源并持续完成任务 |
| Skill(技能) | 员工的“工作手册/流程” | 装修手册 / 岗位SOP | 结构化的多文件能力包,包含工作流指令、脚本、业务规则,教 Agent “如何分步骤完成某项复杂任务” |
| Tool(工具) | 员工的“锤子/扳手” | 具体的原子能力函数 | 单一的、可执行的具体动作,比如:发一封邮件、查一次数据库、算一个加减法 |
| MCP(模型上下文协议) | 员工的“万能插线板” | 数据与工具的标准化接口协议 | 让大模型/Agent 能够安全、统一地接入各种外部数据库、API 和本地软件的桥梁 |
这几个概念是一个从“内”到“外”、从“想”到“做”的层层递进关系:
-
AI 包含 LLM(Model):
AI 是最顶层的概念。LLM(大语言模型)是当前 AI 实现智能爆发的核心底座(如 GPT-4、Claude、文心一言等)。
-
LLM -> Agent(从“会想”到“能做”):
纯粹的 LLM 只会“文字接龙”(输入一段话,吐出另一段话),它没有长期记忆,也不会主动去按网页按钮。
Agent = LLM + 记忆(Memory) + 规划(Planning) + 行动循环(Action Loop)。它让大模型从一个“纯聊天框”变成了一个能自己定目标、试错、调用资源的活生生的“数字打工人”。
-
Tool -> Skill -> Agent(从“原子动作”到“业务流程”):
Tool(工具)是底层的“原子能力”:例如 send_email()(发邮件)、query_sql()(查数据库)。工具只负责干一件极小、极具体的事(像一把锤子)。
Skill(技能)是上层的“复合工作流”:它把一堆 Tool、参考文档、判断逻辑打包在一起。例如“生成月度财务报表 Skill”,里面写清楚了:先调 A 工具查数,再调 B 工具画图,最后用 C 工具发邮件。
Agent 在面对用户需求时,大脑(LLM)会根据上下文,动态自主地去加载和调用对应的 Skill 或 Tool 来把事情办妥。
-
MCP 的角色(标准化连接器):
过去,每让 AI 连一个外部系统(如 GitHub、Google Drive、本地 MySQL),开发者都要写一堆专用的胶水代码。
MCP 规范了这一切:只要工具或数据源支持 MCP 协议,Agent 就能像插插头一样,即插即用地调用成千上万的外界能力。 [1] (https://juejin.cn/post/7632616802066120755)
三、 总结一句话顺口溜
- AI 是大范畴;
- LLM 是提供思考的大脑;
- Agent 是长了手脚、会自己接任务的打工人;
- Skill 是他桌上的操作指南和业务SOP;
- Tool 是他手里的螺丝刀和计算器;
- MCP 是通往各个仓库的标准化大门和插线板。