关于LLM、Token、Prompt、Agent、Skill 和 MCP，一些个人的理解

1. LLM

LLM全称为 Large Language Model，即大语言模型。

我们平时使用的 ChatGPT、DeepSeek、豆包、Claude、Gemini 等 AI 产品，背后都有LLM。一个 AI 产品可能提供多个不同的LLM，例如 GPT-5.6、GPT-5.5等。一般来说，数字越大越新，能力也越强

你也可以把 LLM 想成一个读过大量资料的助理。它掌握了文字之间的规律，可以回答问题、总结文章、翻译内容、编写代码，也能模仿不同的写作风格。

例如，你可以让它： 总结一篇文章；翻译一段文字；写一个笑话；编写一个脚本。

一个好用的 LLM，通常能更准确地理解你的要求，生成更符合预期的内容。

2. Token

Token，即词元，是 LLM 读取和生成内容时使用的基本单位。

我们看到的是汉字、单词和句子，LLM 处理的则是一串 Token。一个 Token 可能对应一个汉字、一个单词、单词的一部分或标点符号，具体怎样拆分取决于模型。对于支持图片、音频等内容的模型，这些内容也会被转换成模型能够处理的单位，并计入使用量。

Token 主要影响两件事：模型一次可以处理多少内容；使用模型需要多少费用。

我们输入的问题、上传的图片、文件以及 AI 的回答，都会占用 Token。如果一段对话太长，超出了模型能够处理的范围，前面的部分内容可能无法继续保留在当前上下文中，看起来就像 AI “忘记”了。

3. Prompt

Prompt，即提示词，也就是我们交给 AI 的任务说明。

比如：

帮我写一篇新能源汽车文章。

这就是一条 Prompt，但要求比较模糊。AI 不知道文章写给谁、写多长，也不知道应该重点介绍什么。可以改成：

请写一篇面向普通消费者的新能源汽车入门文章，介绍纯电汽车和插电混动汽车的区别，语言通俗，控制在800字左右，最后用表格总结。

第二种写法交代了读者、内容、篇幅和格式，AI 更容易生成符合要求的内容，生成的质量也往往更高。

一个比较完整的 Prompt，通常会说明角色、任务、背景、要求和输出格式。不过，提示词并不是越长越好，关键是把任务说清楚，减少 AI 自己猜测的空间。

4. Agent

Agent ，英文翻译为智能体。

LLM主要负责思考和生成内容，Agent则负责动手。可以把LLM理解为大脑，Agent理解为手和脚。一个Agent背后必定有一个或多个LLM支撑。失去手脚，人会失去许多行动能力；失去大脑，行动本身也就失去了判断和方向。

目前比较常见的Agent有Codex、Claude code、Opencode、Pi、DeepSeek Harness等

与LLM一般在网页端使用不同，Agent一般安装在本地环境，这样Agent就可以读取到你的本地文件，并可以在你的电脑上读取、修改文件，执行一些命令，对普通人而言，我举一个最能让你感受到Agent与LLM差异的例子：

你想让AI帮你清理电脑，这在以前是做不到的，因为AI在网页端，无法操作你的电脑，但现在有了Agent，你可以直接告诉Agent：帮我清理C盘，他就会开始扫描你的C盘，并帮你清理。

5. Skill

Skill，即技能，可以理解为 Agent 的专业操作手册。

Skill其实就是Prompt的扩展，它本质上就是一些Prompt，以目录的形式存在，还添加了一些额外的功能（比如可以执行脚本）

Skill是安装在Agent上的，它的名字就说明了它的用途，一项技能，即掌握一类工作的能力。它是一个Markdown文件，里面说明这个Skill的名称，描述，什么场景下该使用它，以及告诉AI要做什么

用一句话区分Prompt 和 Skill ：

Prompt 告诉 AI“这次要做什么”，Skill 告诉 Agent“这类工作应该怎么做”。

6. MCP

MCP 全称为 Model Context Protocol，即模型上下文协议。

Agent可以读取和修改你的本地文件，但如果我们需要Agent帮我们查询北京明天的天气怎么办？

我们前面知道，LLM是大脑，Agent是手脚，LLM这个大脑是AI公司在某个日期训练出来的，它的知识只停留在那一刻，那Agent如何得知北京明天的天气呢？

这个时候需要一个能够链接远程天气服务的工具，而这个工具的接口就是MCP，开发者可以搭建一个连接天气数据源的MCP服务，让我们本地的Agent能够连接，这样Agent就有了查询天气的能力，除此之外，还有搜索相关的MCP，让Agent能够使用网页搜索；还有邮件相关的MCP，让Agent能够读取你的邮件等等。

不同工具有不同的接口，如果每个 AI 应用都单独开发，接入和维护会很麻烦。MCP 为 AI 连接外部数据和工具提供了一套统一标准。官方把 MCP 比作 AI 应用的 USB-C 接口。USB-C 可以连接不同设备，MCP 则可以帮助 AI 连接文件、数据库、搜索引擎和企业系统。

简单来说：

Skill 告诉 Agent 怎样工作，MCP 帮助 Agent 连接外部。

有些Skill在告诉Agent怎样工作的过程中，可能就会提示Agent安装某个MCP，比如我在使用的一个Agent-reach skill（搜索skill），它就会帮我自动安装一个搜索需要用到的MCP

7. 总结

假设你对 AI 说：

分析公司上个月的销售数据，找出销量下降的产品，并生成一份报告。

在这个任务中：

  • 这句话是 Prompt；
  • Agent 负责安排和执行任务；
  • MCP 帮助 Agent 连接销售数据库；
  • Skill 告诉 Agent 如何分析数据和制作报告；
  • LLM 负责理解要求、分析信息和撰写内容；
  • 输入的数据和生成的内容都会转换成 Token。

最后，可以用几句话记住它们：

LLM 负责理解和生成内容。
Token 是 LLM 处理内容的基本单位。
Prompt 是我们交给 AI 的任务说明。
Agent 能调用工具并完成多步任务。
Skill 是 Agent 处理某类工作的专业流程。
MCP 是 AI 连接外部数据和工具的统一标准。