Agent 架构

1. Agent.md：身份定义与行为准则

Agent.md 是智能体的“大脑”配置文件，它决定了 Agent 的 身份标识、专业边界 及 交互逻辑。

• 项目边界控制：明确定义 Agent 的能力范围（“能做什么”）与禁区（“坚决不做什么”），有效降低长上下文中的模型幻觉与越权风险。
• 角色设定 (System Prompt)：确立语气风格（如专业、严谨或简洁有力）与思考逻辑（如 Chain of Thought 链式思考），确保响应的一致性。
• 场景适配规范：为垂直领域（如代码审计、文案策划）量身定制响应模板与交互标准。
• 输出契约：规定数据格式（Markdown、JSON、特定 UI 组件）及未知问题的兜底方案，确保下游系统可解析。

2. Skills：原子化的技能库

技能是 Agent 解决具体问题的“工具箱”，其核心价值在于 原子化、复用性 与 确定性。

• 通用性设计：Skill 应具备跨项目调用的能力，不耦合特定业务逻辑（如单位换算、文本摘要等通用函数）。
• 执行复现性：在相同输入下，Skill 应保证逻辑执行的确定性，将非确定性的推理过程封装在可控接口内。
• 标准化接口：遵循统一的接口契约（名称、描述、参数定义），使 LLM 能够精准理解其触发时机。

3. Workflow：结构化的任务编排

工作流是处理复杂任务的“生产流水线”，通过 结构化约束 来代偿 LLM 在长程逻辑推导中的不确定性。

• 确定性逻辑 SOP：将任务解构为标准作业程序（如：搜索 -> 提取 -> 报告），通过状态机或有向无环图（DAG）指导执行。
• 低推理依赖：降低对模型自主决策的依赖，将关键步骤硬编码，提升复杂场景下的交付成功率。
• 严密的数据契约：每个节点具备严格的输入输出契约（Data Contract），确保多步任务间的数据流转无误。

4. MCP：连接现实世界的协议

Model Context Protocol (MCP) 是 Agent 感知并操作物理世界的“触角”，实现了 LLM 与外部生态的标准化连接。

• 外部能力延伸：赋予 Agent 访问实时数据、操作本地文件、调用第三方 API（如 GitHub、Slack）的权限。
• 上下文感知协议：通过标准协议统一工具集成方式，简化模型对外部环境变化的感知路径。
• 安全沙箱管理：集中管理 API 凭证与环境变量，确保工具调用在安全、可审计的范围内进行。

5. 核心架构维度对比

维度	Agent.md	Skills	Workflow	MCP
定位	身份定义与规范	原子化功能模块	任务执行路径	外部能力连接
侧重点	风格、边界、意识	稳定性、复现性	过程控制、确定性	工具调用、实时性
灵活性	高 (自然语言驱动)	中 (函数化)	低 (结构化)	极高 (协议驱动)

6. 行业前瞻视角

[!info] 核心区分 行业观点认为，MCP 的范畴将更加聚焦于 与软件、平台、数据的实际交互；而 Skills 则更多地负责 封装领域知识和最佳实践。

• 参考资料：关于 MCP 与 Skills 的行业讨论
• 官方视角：Anthropic 官方博文暗示，未来架构中 MCP 将作为基础设施层，而 Skills 则作为应用逻辑层存在。