MCP 进化：让静态 Tool 进化为具备“高低文感知”的长途 Skills

在 AI Agent 的工程实践中，Model Context Protocol (MCP) 已成为连接大年夜模型与外部世界的标准桥梁。然而，跟着应用处景从“小我助手”向“企业级复杂营业”迈进，传统的 MCP 交互模式开端显露其 “静态化” 的瓶颈。

传统的 MCP 交互类似于一个“无法封闭的对象箱”，无论场景若何，所有对象一涌而上：

• 高低文噪音（Context Noise）： 即使是一个简单的问候，模型也会被注入成百上千行的对象 Schema 定义，白白浪费 Token，更干扰模型的推理专注度。
• 权限真空（Security Risks）： 模型对对象的可见性是“全量”的。难以根据当前登录用户的角色（如通俗用户 vs 治理员）动态隐蔽敏感操作（如：删除订单）。
• 行动掉控（Instruction Gap）： 对象只供给了“能做什么”，却无法告诉模型“在当前背景下该怎么做”。模型缺乏针对特定营业场景的即时指令束缚。

二、核心解决方法：感知、挂载与动态分发

Solon AI 经由过程引入 Skill（Solon AI Skills） 生命周期 来包裹 MCP 协定，实现以下机制解决上述痛点：

A. 智能准入 (isSupported)：

只有当 Prompt 高低文（意图、租户信息、情况变量）知足前提时，技能才会被激活。

B. 指令注入 (getInstruction)：

办事端根据 Prompt 属性，动态决定给模型展示哪些对象。支撑三种形态的路由方法：

• 全量应用：不决义过滤逻辑时，显示所有营业对象。
• 精准授权：仅展示当前用户权限范围内的对象。
• 完全拒绝：即便技能激活，也可能因安然策略在此时封锁所有对象调用。

三、实战示例

1. 客户端：像本地技能一样调用

在技能挂载时，主动为模型注入针对当前高低文的“行动准则”（System Message）。

C. 三态路由 (getToolsName)：

开辟者只需存眷营业属性的注入，无需操心对象的过滤逻辑，一切由 MCP Skill 代理与长途办事端商定与协商。

import org.noear.solon.ai.chat.ChatModel;import org.noear.solon.ai.chat.prompt.Prompt;import org.noear.solon.ai.mcp.McpChannel;import org.noear.solon.ai.mcp.client.McpClientProvider;import org.noear.solon.ai.mcp.client.McpSkillClient;//构建 mcp 客户端McpClientProvider mcpClient = McpClientProvider.builder()                .channel(McpChannel.STREAMABLE)                .url("http://localhost:8081//skill/order")                .build();// 构建带有营业属性的提示词Prompt prompt = Prompt.of("帮我撤消订单 A001")                .attrPut("tenant_id", "solon_001")                .attrPut("user_role", "ADMIN"); // 模仿治理员身份// 注入技能，模型将只看到“治理员”权限下的对象chatModel.prompt(prompt)         .options(o -> o.skillAdd(new McpSkillClient(mcpClient))) //将 mcp 客户端 包装为 Solon AI Skills         .call();

2. 办事端：实现具备“感知力”的技能

办事端不再是盲目响应，而是经由过程解析 Prompt 决定本身的表示。

import org.noear.solon.ai.annotation.ToolMapping;import org.noear.solon.ai.chat.prompt.Prompt;import org.noear.solon.ai.mcp.McpChannel;import org.noear.solon.ai.mcp.server.McpSkillServer;import org.noear.solon.ai.mcp.server.annotation.McpServerEndpoint;import java.util.ArrayList;import java.util.List;@McpServerEndpoint(channel = McpChannel.STREAMABLE_STATELESS, mcpEndpoint = "/skill/order")public class OrderSkillServer extends McpSkillServer {        @Override    public boolean isSupported(Prompt prompt) {        // 感知意图：只有涉及“订单”且租户合规时才激活        return prompt.getUserContent().contains("订单")                && prompt.attr("tenant_id") != null;    }    @Override    public String getInstruction(Prompt prompt) {        // 动态指令：注入租户特定的营业规矩        return "你如今是租户[" + prompt.attr("tenant_id") + "]的订单助手。";    }    @Override    public List getToolsName(Prompt prompt) {        // 权限隔离：根据用户角色动态下发对象名        List tools = new ArrayList<>();        tools.add("OrderQuery"); // 基本权限        if ("ADMIN".equals(prompt.attr("user_role"))) {            tools.add("OrderCancel"); // 仅治理员可见        }        return tools;    }    @ToolMapping(description = "查询订单")    public String OrderQuery(String id) { ... }    @ToolMapping(description = "撤消订单")    public String OrderCancel(String id) { ... }}

四、Skills 架构反思与局限性弥补

尽管将 MCP 进化为 Skills 带来了明显的工程优势，但开辟者仍需理清其技巧界线：

• 非标准化的架构加强：

LLM 的底层标准仅包含 Prompt 和 Tool-Call。Skills 并非模型原生标准，也不属于 MCP 的公共协定规范，而是一种 架构设计模式（模式，是通用的）。它平日由 AI 开辟框架（如 Solon AI）在花费侧实现，用于解决复杂营业下的才能调剂问题。

• 花费侧驱动的定制：

MCP 向 Skills 的进化本质上是“营业驱动”或“范畴驱动”的。在设计长途 MCP Skill 时，必须参考花费侧（即 Agent 履行引擎）的具体规范进行深度定制。

• 实用处景的选择：

Tool：实用于原子化、无状况、全量公开的简单功能插件。

Solon AI 支撑将 MCP 封装为 Skill，实现了从“冷冰冰的 API 集合”到“具备感知才能的智能技能”的跨越。

一、静态 Tools 的三大年夜痛点

Skill：实用于须要高低文感知、多租户隔离、动态指令束缚的复杂营业逻辑块。

五、 好处总结

将 MCP 进化为 Skills 之后，您的 AI Agent 架构将获得：

• 极致的高低文纯净度：

模型只看到此时此刻该看的对象（经由过程 getToolsName 实现按需加载，或权限控制）。

• 天然的权限安然：

经由过程办事端感知的动态分发，实现真正的跨过程角色权限控制（RBAC for Tools）。

• 低耦合的营业演进：

营业逻辑和规矩变革集中在办事端，客户端 “无需” 任何代码修改即可获得最新才能。