guide 10 min read Agent Skills、MCP 服务器、规则有什么区别？一文对比 理解扩展 AI 编程助手的三种方式。详细对比 Agent Skill、MCP 服务器和自定义规则——何时使用、如何配合。

William Wang · 2026年4月10日 William Wang — TokRepo & GEOScore AI 创始人，专注 AI 开发者工具和搜索可见性。

一句话答案 扩展 AI 编程助手有三种方式：Agent Skill 是 Markdown 指令文件（编码可复用工作流，零代码），MCP Server 是 AI 可调用的 API 端点（连接外部工具，需要写代码），自定义规则是简单文本约束（项目级行为规范）。选错会浪费时间：复杂工作流用 Skill，外部数据用 MCP，全局约束用 Rules。 目录 引言 什么是 Agent Skill？ 工作原理 优势 局限 什么是 MCP 服务器？ 工作原理 优势 局限 什么是自定义规则？ 工作原理 优势 局限 功能对比 何时用哪个？ 当你想要...用 Agent Skill 当你需要...用 MCP 服务器 当你想要...用自定义规则 它们可以配合使用吗？ 示例：全栈部署工作流 "正确"的组合方式 开始使用 常见问题 可以把 Skill 转换成 MCP 服务器吗？ Skill 比 MCP 服务器慢吗？ 同一个项目可以三种都用吗？ 在哪里找到现成的 Skill 和 MCP 服务器？ 引言 现代 AI 编程助手如 Claude Code、Codex CLI 和 Gemini CLI 开箱即用就很强大。但它们的真正威力来自 定制化 ——教它们你团队的规范、连接你的工具、自动化你的工作流。 扩展 AI 编程助手主要有三种方式： Agent Skills — Markdown 指令文件 MCP 服务器 — AI 可以调用的 API 端点 自定义规则 — 简单的文本约束 每种方式服务于不同目的。选择正确的方式（或组合使用）可以极大提升你的效率。本指南详细说明何时使用哪种方式。 什么是 Agent Skill？ Agent Skill 是编码可复用工作流的 Markdown 文件。它们有结构化的格式，包含元数据（名称、描述、触发条件）和指令（目标、步骤、输出格式）。 工作原理 当你调用一个 Skill（通过斜杠命令或自然语言），AI 助手读取 Markdown 文件并按照指令执行。Skill 成为该任务上下文的一部分。

---
name: 部署检查器
description: 验证部署就绪状态
triggers: [/deploy-check]
---

## 步骤
1. 运行测试套件
2. 检查未提交的改动
3. 验证环境变量
4. 输出 go/no-go 报告

优势 零代码 — 任何人都能写 Markdown 版本控制 — 在仓库中管理，通过 PR 审查 可移植 — 跨不同 AI 助手通用 可组合 — 可以引用其他 Skill 局限 无外部 API 访问 — 不能直接调用第三方服务 无持久状态 — 每次调用从头开始 仅文本 — 执行时不能处理图片或二进制数据 什么是 MCP 服务器？ MCP（Model Context Protocol）服务器 是运行中的进程，通过标准化协议向 AI 助手暴露工具、资源和提示。把它理解为带 API 的插件。 工作原理 MCP 服务器在本地或远程运行，暴露 AI 助手可以调用的端点。AI 助手在启动时发现可用工具，按需调用。

{
 "mcpServers": {
 "database": {
 "command": "npx",
 "args": ["-y", "@your-org/db-mcp-server"],
 "env": { "DATABASE_URL": "postgres://..." }
 }
 }
}

优势 完整 API 访问 — 连接数据库、API、云服务 持久状态 — 维护连接池和缓存 丰富数据类型 — 处理二进制数据、图片、结构化响应 实时 — 流式数据和事件响应 局限 需要代码 — 需要用 TypeScript/Python 等实现 运行时依赖 — 必须在运行中 AI 才能使用 配置开销 — 环境变量、认证令牌、安装设置 较难分享 — 依赖管理、安全考虑 什么是自定义规则？ 自定义规则 是纯文本文件，为 AI 助手设置约束和规范。它们不编码工作流——它们塑造行为。 工作原理 AI 助手在启动时读取规则文件，应用到所有交互中。它们是始终生效的上下文，不是按需工具。 Claude Code : 项目根目录的 CLAUDE.md Cursor : 项目根目录的 .cursorrules Codex CLI : AGENTS.md （项目级规则部分）

## 规则

- 始终使用 TypeScript strict 模式
- 优先使用函数式组件而非类组件
- 使用 Tailwind CSS，禁止内联样式
- 提交前必须运行 `npm test`
- 永远不要修改 `vendor/` 目录中的文件

优势 始终生效 — 自动影响每次交互 简单 — 纯文本，无需结构 团队对齐 — 在所有团队成员间执行统一规范 零开销 — 无需安装、无需配置 局限 无逻辑 — 不能编码条件工作流 无触发器 — 始终开启，不能选择性调用 无工具 — 不能独立调用 API 或运行命令 容易冲突 — 规则之间可能矛盾 功能对比 特性 Agent Skills MCP 服务器 自定义规则 本质 Markdown 指令 运行中的 API 进程 文本约束 复杂度 低 高 极低 需要代码？ 否 是 否 外部 API 访问 否（AI 可用工具） 是（原生支持） 否 激活方式 按需（斜杠命令/自然语言） 始终可用 始终生效 可移植性 高（跨 AI 通用） 中（MCP 标准） 低（特定 AI） 可分享性 容易（文件复制/TokRepo） 中等（npm/pip） 容易（文件复制） 状态 无状态 有状态 无状态 最适合 工作流和任务 集成和数据 规范和护栏 何时用哪个？ 使用这个决策框架： 当你想要...用 Agent Skill 自动化可重复的工作流 — 代码审查、部署检查、测试生成 分享最佳实践 — "我们团队是这样做 X 的" 教复杂的多步骤流程 — 每次都解释一遍太麻烦 赋能非技术用户 — 产品经理、设计师、文案 当你需要...用 MCP 服务器 连接外部服务 — 数据库、API、云平台 处理非文本数据 — 图片、二进制文件、结构化数据 维护持久连接 — 数据库连接池、WebSocket 流 实时响应 — 监控、通知、实时数据 当你想要...用自定义规则 执行编码标准 — 代码风格、命名规范 设定边界 — "永远不要修改生产配置" 提供项目上下文 — 架构决策、技术栈信息 对齐团队行为 — 确保开发者之间的一致性 它们可以配合使用吗？ 当然——这才是真正威力所在。 示例：全栈部署工作流 自定义规则 （ CLAUDE.md ）：

- 我们的测试服务器在 staging.example.com
- 部署前必须运行 lint
- 使用语义化版本

MCP 服务器 （部署工具）：

{ "deploy": { "command": "npx deploy-mcp-server" } }

暴露工具： deploy_to_staging() 、 check_deployment_status() 、 rollback() Agent Skill （部署工作流）：

## 步骤
1. 运行 lint 和测试（遵循项目规则）
2. 版本号升级（语义化，按规则）
3. 调用 deploy_to_staging()（MCP 工具）
4. 等待并检查 check_deployment_status()
5. 如果失败，调用 rollback()

Skill 编排工作流，调用 MCP 工具执行操作，遵守规则中的规范。每一层做它最擅长的事。 "正确"的组合方式 关注点 使用层 怎么做 Agent Skill 用什么工具 MCP 服务器 遵守什么约束 自定义规则 开始使用 准备好尝试每种方式了吗？从这里开始： Agent Skills ：浏览 TokRepo 的 Skills 合集 — 10 秒安装：

npx tokrepo install code-review-skill

MCP 服务器 ：查看 MCP Servers 合集 — 配置预构建的服务器 自定义规则 ：在项目根目录创建 CLAUDE.md 或 .cursorrules 常见问题 可以把 Skill 转换成 MCP 服务器吗？ 通常不需要。Skill 和 MCP 服务器服务于不同目的。如果你的 Skill 需要外部 API 访问，配合 MCP 服务器使用而不是重写。 Skill 比 MCP 服务器慢吗？ Skill 会增加 AI 提示词的上下文，可能稍微增加处理时间。MCP 服务器调用是直接的函数调用。实际上差异可以忽略——AI 的思考时间占主导。 同一个项目可以三种都用吗？ 可以，而且推荐这样做。大多数成熟项目有： CLAUDE.md 中 5-10 条规则 .claude/commands/ 中 2-5 个 Skill 1-3 个 MCP 服务器用于外部集成 在哪里找到现成的 Skill 和 MCP 服务器？ TokRepo 有 500+ 开源 Agent Skill、MCP 服务器、提示词和工作流。通过命令行搜索、安装和贡献：

npx tokrepo search "你的用例"

html .default .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html.dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html pre.shiki code .sVt8B, html code.shiki .sVt8B{--shiki-default:#24292E;--shiki-dark:#E1E4E8}html pre.shiki code .sj4cs, html code.shiki .sj4cs{--shiki-default:#005CC5;--shiki-dark:#79B8FF}html pre.shiki code .sZZnC, html code.shiki .sZZnC{--shiki-default:#032F62;--shiki-dark:#9ECBFF}html pre.shiki code .sScJk, html code.shiki .sScJk{--shiki-default:#6F42C1;--shiki-dark:#B392F0} 常见问题 什么时候用 Skill 而不是 MCP Server？ + 工作流可以用纯文本指令描述（代码审查、SEO 审计、项目规划）就用 Skill，零代码零依赖。需要访问外部服务（数据库、GitHub API、浏览器）必须用 MCP Server 因为 Skill 不能运行代码。大部分场景 80% 是 Skill + 20% MCP 的组合。 Rules（CLAUDE.md）和 Skill 有什么本质区别？ + Rules 是始终激活的全局约束（项目命名规范、禁止事项），每次 AI 交互都加载。Skill 是按需激活的任务工作流（/code-review 斜杠命令），只在调用时加载。Rules 定义怎么做事的底线，Skill 定义具体怎么做某件事。 MCP Server 的局限是什么？ + 三大局限：1）需要写代码和运行进程，有开发和维护成本；2）每次启动 Claude Code 都要加载，Server 越多越慢；3）安全风险较高，Server 拿到 API Token 可能泄露。相比 Skill 的零代码零依赖，MCP 只在真的需要外部数据时才值得。 三者能同时用吗？ + 必须同时用才能发挥最大威力。典型搭配：CLAUDE.md 定义项目架构和禁止事项，MCP Server 提供 GitHub/数据库访问能力，Skill 编码具体任务工作流。三者职责清晰不冲突——Rules 是地基，MCP 是水电，Skill 是家具。 Skill 能跨 Claude Code、Cursor、Codex CLI 通用吗？ + Skill 的 Markdown 格式本身通用，但文件名和加载路径不同：Claude Code 用 .claude/commands/*.md，Cursor 用 .cursorrules，Codex CLI 用 AGENTS.md。内容可以直接复制，只需改文件名和路径。MCP Server 更通用，同一个 Server 配置只是 JSON 和 TOML 格式差异。 ← 上一篇 如何创建你的第一个 Agent Skill 下一篇 → 小企业在 2026 年应该用哪些 AI 工具？