大鹅 - AI 项目作品集

什么是 MCP？

MCP（Model Context Protocol）是一个开放协议，让 AI 模型能够与外部工具和服务交互。

打个比方：

AI 模型就像一个聪明但「没有手」的大脑——它能思考、能分析，但不能操作外部世界。

MCP 就是给 AI 装上「手」——让它能：

·读写文件
·调用 API
·查询数据库
·搜索网页
·操作浏览器

没有 MCP 的 AI：只能生成文本，你需要手动执行

有了 MCP 的 AI：可以直接帮你完成任务，你只需要审查结果

MCP 架构解析

核心概念

MCP 采用客户端-服务器架构：

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   AI 模型    │────▶│  MCP 客户端  │────▶│  MCP 服务器  │
│  (大脑)      │     │  (翻译官)    │     │  (执行者)    │
└─────────────┘     └─────────────┘     └─────────────┘
                                              │
                                    ┌─────────┼─────────┐
                                    ▼         ▼         ▼
                                 文件系统   数据库    Web API

三个角色

1.AI 模型（大脑）：理解需求，决定调用哪个工具
2.MCP 客户端（翻译官）：把 AI 的意图翻译成工具调用
3.MCP 服务器（执行者）：实际执行操作，返回结果

工作流程

1.用户提出需求
2.AI 分析需求，决定需要调用哪些工具
3.MCP 客户端把 AI 的决策翻译成工具调用
4.MCP 服务器执行操作，返回结果
5.AI 根据结果继续处理或返回给用户

MCP 实战：连接 GitHub

安装 GitHub MCP 服务器

bash
# 在 Trae 或 Cursor 中配置
npm install -g @modelcontextprotocol/server-github

配置连接

json
{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your-token-here"
      }
    }
  }
}

使用示例

配置完成后，你可以这样与 AI 对话：

你：帮我查看我的 GitHub 上有哪些仓库

AI： （通过 MCP 调用 GitHub API）你有以下仓库：……

你：在 portfolio 仓库里创建一个新分支，添加 README.md

AI： （通过 MCP 执行操作）已创建分支 feature/readme，并添加了 README.md 文件。

这就是 MCP 的威力——AI 不再只是「说」，而是真正「做」。

什么是 Skill？

如果说 MCP 是给 AI 装上「手」，那 Skill 就是教会 AI 「怎么干活」。

Skill = 预设的专业工作流程

没有 Skill 的 AI：每次都需要你详细描述怎么做

有了 Skill 的 AI：你只需要说目标，它知道怎么做

Skill 的本质

Skill 是一段精心设计的 prompt 模板 + 工作流程定义，它让 AI 在特定领域表现得更专业。

比如：

·concise-coding Skill：让 AI 写代码时遵循简洁原则，不过度工程化
·goal-ac-driven Skill：让 AI 按 GADD 方法论工作，目标驱动、标准先行

Skill vs 普通 Prompt

维度	普通 Prompt	Skill
复用性	一次性	可反复使用
完整性	可能遗漏	覆盖完整流程
一致性	每次可能不同	输出风格一致
可维护性	散落各处	集中管理

Skill 实战：创建和使用

使用预置 Skill

在 Trae 中，你可以直接使用预置的 Skill：

1.打开 Trae 的 Skill 面板
2.浏览可用的 Skill 列表
3.点击启用你需要的 Skill
4.在对话中，AI 会自动应用 Skill 的工作流程

创建自定义 Skill

你也可以创建自己的 Skill：

yaml
# my-skill.yaml
name: api-design
description: API 设计规范 Skill
trigger: 当用户要求设计 API 时
instructions: |
  1. 先确认 API 的使用场景和目标用户
  2. 设计 RESTful 风格的接口
  3. 定义请求和响应格式
  4. 考虑错误处理和边界情况
  5. 输出 OpenAPI 格式的文档
constraints:
  - 必须使用 RESTful 风格
  - 必须包含错误码定义
  - 必须有版本号

Skill 最佳实践

1.从使用预置 Skill 开始——先理解 Skill 的工作方式
2.逐步创建自定义 Skill——把你重复使用的 prompt 抽象成 Skill
3.持续优化——根据实际使用效果不断改进 Skill
4.分享给团队——好的 Skill 可以提升整个团队的效率

Day 5 小结

今天我们学习了 AI 的「手」和「技能」：

1.MCP——给 AI 装上手，让它能操作外部世界
2.MCP 架构——客户端-服务器模式，AI → 翻译 → 执行
3.MCP 实战——连接 GitHub，让 AI 直接操作代码仓库
4.Skill——教会 AI 怎么干活，预设专业工作流程
5.Skill 实战——使用和创建 Skill

MCP + Skill = AI 从「能说」变成「能做」。

明天，我们将综合运用所学，用 AI 制作一份简历——也就是你正在看的这个网站！

MCP 与 Skill 机制