Claude Skills 把业务 SOP 封装成可加载的能力包,MCP 则负责把模型连接到外部系统和数据源。围绕合同审核场景,讲清 Skills、MCP、脚本和垂类 Agent 的分工,以及这种模式在企业落地中的适用边界。
Agent Skills 是一种把任务指令、脚本和资源打包成结构化文件夹的机制,让智能体在需要时动态加载流程知识和组织上下文。它不是 Tool 的替代品,而是指导智能体如何调用 Tool 完成具体工作的 SOP。
解释大语言模型如何把提示词、历史对话和用户问题转成 token 与向量,经过 Transformer、自注意力和位置编码完成上下文建模,再通过概率采样逐 token 生成回答,并给出上下文控制、多 Agent 拆分等工程实践建议。
Claude 的 Agent 能力可以按连接层、认知层和组织层理解:MCP 负责连接外部系统,PTC 用程序批量编排工具调用,Skills 按需注入专业知识,Subagents 把复杂任务拆给多个专门智能体处理。
MCP(模型上下文协议)用于统一 Agent 与外部工具之间的通信。围绕 MCP 的三类角色、SSE 与 JSON-RPC 2.0、初始化握手、工具列表和工具调用流程,使用 Spring Boot WebFlux 实现一个可运行的 MCP Server。
Agent 的多轮推理、工具调用和长上下文会反复提交大量相同前缀,KV Cache 复用直接影响延迟和成本。这里从 token 序列、Chat Template 和 Prefix Caching 的角度,讲清 Completion 与 Chat Completion 在控制权上的差异,以及如何设计更容易命中缓存的 Agent Prompt。
deepagents 是 LangChain 面向长周期任务推出的 Agent 框架,核心能力包括任务规划、文件系统访问和子 Agent 委托。通过 CompositeBackend 与 Milvus 结合,可以把临时工作区和跨会话长期记忆分开管理,减少上下文膨胀带来的成本和失控问题。