定义

1. LLM（大语言模型）

定义：一种基于海量文本数据训练的深度学习模型（通常基于Transformer架构），核心能力是理解自然语言并生成连贯、合理的文本。它不仅能够回答问题、翻译、总结，还能进行逻辑推理、代码生成等复杂任务。

本质：一个强大的“文本处理与推理引擎”，但本身不具备主动执行外部动作的能力（只输出文本）。

2. Agent（智能代理）

定义：一个能够自主感知环境、进行规划、做出决策并执行动作的软件系统。
在AI领域，Agent通常以大语言模型（LLM）为核心，但额外具备记忆、工具调用、任务分解、循环执行（思考-行动-观察）等能力，从而完成用户指定的复杂目标。

本质：一个“自主任务执行器”，它调度LLM、Skills和外部资源，像人类一样分步完成工作。

3. Skills（技能）

定义：Agent可以调用的原子化功能模块，代表一个具体的、可执行的操作能力。
例如“搜索网页”、“发送邮件”、“计算数学表达式”、“读写文件”等。每个Skill常是实现特定功能的函数或API封装，Agent根据任务需求动态选择并调用它们。

本质：Agent的“手脚”——具体能力的实现单元，不包含决策逻辑。

4. MCP（Model Context Protocol，模型上下文协议）

定义：由Anthropic公司提出并开源的一个标准化开放协议，用于AI应用（尤其是Agent）与外部数据源、工具、服务之间进行统一的连接、发现和调用。它定义了工具的描述格式、请求/响应模式、资源访问方式等，使得开发者可以按照同一标准暴露Skills或获取数据，实现“即插即用”。

本质：一个“USB接口标准”——让Skills和外部资源能够被Agent以统一、可扩展的方式接入，避免为每个工具编写定制代码。

用一个通俗易懂的例子解释

想象一家智能餐厅：

1. LLM：餐厅的总厨。

他很聪明，能理解客人想吃什么、分析现有食材、制定烹饪步骤。但他不亲自去搬货、切菜、洗碗。

2. Agent：餐厅经理。

他负责接收订单，拆解任务（“先备菜，再烹饪，最后上菜”），并调度人手完成。他会判断何时调用哪个技能，处理异常（比如“没青菜了，建议换菠菜”）。

3. Skills：具体岗位技能。

比如“切菜技能”、“翻炒技能”、“摆盘技能”。它们是具体的、可执行的能力模块。

4. MCP：标准化的设备接口协议（比如 USB 接口标准）。

它规定了“切菜机如何接入厨房总线”、“洗碗机如何接收指令”。任何符合该协议的设备都能即插即用。