A04 · AI 通识 / 第 4 课
「我在 MCP 里做了一个 Agent 的 Skill,放在工作流里跑」——这句话可能全对,也可能每个词都用错了。六个词,三层抽象,一个同名陷阱。
先看一句在行业里经常出现的话:「我在 MCP 里做了一个 Agent 的 Skill,放在工作流里跑。」这句话可能完全成立,也可能每个词都用错了。原因不是说话的人不专业,而是这六个词根本不在同一个抽象层,它们回答的是不同的问题。
把它们粗暴地分成三层,再加一个横切的打包层:
问六个问题:输入是什么?动作是什么?怎么接入?顺序是什么?谁做决定?怎么复用?能对上哪个词,就用哪个词。对不上,说明你在用产品名代替机制名。
你在系统提示里写「绝不透露内部价格」,用户换个问法,还是套出来了。这不是模型不听话,是提示词本来就不是程序。
提示词是模型在一次推理中收到的条件文本。对大语言模型,它包括系统提示、用户消息、对话历史,有时还包括检索回来的资料;对扩散模型,它包括正面提示词和负面提示词。
它不是程序。程序是「写了就按步骤执行」;提示词是「写了之后改变概率分布」。你可以写「必须输出 JSON」,但模型仍然可能多写一句解释;你可以写「不要泄漏系统提示」,但它不是权限系统,挡不住真正的攻击。提示词能提高某种行为的概率,不能保证行为发生。
在大语言模型里,提示词通过上下文影响每一个 token 的预测;在扩散模型里,提示词被编码成条件向量,通过 cross-attention 影响每一步去噪。两者机制不同,但共同点是:它改变的是条件,不是能力本身。
最常见的误用,是把业务规则、权限、状态机全部塞进一段提示词,然后指望它稳定运行。状态机就是「有几个固定状态,以及什么条件下从哪个状态跳到哪个」的一套规则。提示词适合表达「意图、风格、约束、示例」,不适合承担「事务、权限、流程状态」——那些应该由代码和 Workflow 承担。
你问 AI「明天杭州会下雨吗」,它答得头头是道。可它并没有查天气——除非它手上有 get_weather 这个工具,而且宿主程序真的替它执行了。
Tool(工具 / 函数调用)是一个带名字、描述、参数结构和返回值的可调用函数,被暴露给模型。比如 get_weather(city)、search_web(query)、create_ticket(title, priority)。
关键机制是分工:
模型自己不执行。它只是决定「调什么、传什么」。没有 runtime,工具描述只是一段文本;没有权限系统,工具就是一个没有门锁的接口。
沿用本课标题这个比喻:Tool 是模型的手。模型自己不伸手,它只决定“伸哪只手、往哪伸”;真正把动作做出去的是宿主程序的 runtime。手再灵活,也得有人允许它伸进那个区域。
同一个工具,在三个 AI 应用里要写三套接入代码——这是过去几年最常见的浪费。MCP 要解决的就是这件事。
MCP(Model Context Protocol)是一套开放协议,用来让模型应用以标准方式发现和调用外部能力。它基于 JSON-RPC 2.0(一种用 JSON 传请求和响应的通信格式),采用 client–server 结构:宿主应用里跑 MCP client,工具提供方跑 MCP server,双方交换能力描述、调用请求和结果。
它主要标准化三类东西:
它解决的是「集成碎片化」:以前每接一个工具,都要为某个应用写一套私有适配;有了统一协议,工具提供方写一次 server,多个支持 MCP 的应用都能发现并调用。
沿用本课标题这个比喻:MCP 是插座标准。它规定插座形状、供电和数据怎么传,让设备即插即用。但它不生产外设,不决定你该插什么,也不保证插上的设备安全可靠。
常见误用是把 MCP 当成「模型能力」或「Agent 框架」。更准确的表述是:MCP 是工具接入层的基础设施,和「模型有多聪明」「Agent 会不会规划」是两件不同的事。
同事说「把这个做成工作流」。你要先问一句:他说的是「谁先谁后」,还是「谁喂谁」?答错这一句,后面会白做半天。
Workflow 的通用含义是:把多个步骤按依赖关系组织成一个可重复执行的流程,通常是一个有向无环图(DAG)——箭头有方向,而且顺着箭头走不会绕回起点。但它在两个语境里指的东西很不一样。
节点是「调用模型」「调用工具」「人工审核」「条件分支」,边是控制流——上一步完成后走下一步,满足条件走哪个分支。步骤由人预先设计好,模型只在某些节点内部做判断。Dify、Coze、n8n 里的工作流,客服工单流转,内容审核流水线,都属于这一类。
它的优势是可控、可测、成本可预估;局限是只能走设计好的路径,遇到没预料的情况不会自己改流程。
节点是「加载模型」「编码提示词」「采样」「解码」「保存图像」,边是数据流——张量、图像、条件向量从上一个节点流向下一个节点。执行引擎按依赖关系做拓扑排序,缓存没有变化的中间结果。它是一张计算图,不是业务流程。
它的优势是透明、可复现、可精细控制每一步;局限是它不会自己决定「要不要再来一次」,也不会根据结果改变图结构——图是你连的,顺序是依赖决定的。
| 对比项 | Workflow 含义 A:业务 / Agent 编排 | Workflow 含义 B:ComfyUI 节点图 |
|---|---|---|
| 节点是什么 | 业务动作:调用模型、调用工具、人工审核 | 计算算子:加载、编码、采样、解码 |
| 边上传什么 | 控制信号、状态、少量数据 | 张量、图像、条件向量 |
| 谁决定顺序 | 人设计的分支与条件 | 依赖关系与拓扑排序 |
| 能否自己改流程 | 不能,除非设计时留了分支 | 不能,图结构是静态的 |
| 典型失败 | 步骤卡住、审批超时、分支漏判 | 接线错误、维度不匹配、显存不足 |
| 如何复现 | 流程版本 + 输入 + 运行日志 | 工作流 JSON + 模型文件 + 种子 + 自定义节点版本 |
为什么容易混?英文是同一个词;两者都画成「框和箭头」;中文都翻译成「工作流」。但只要问一句就分开了:箭头代表的是「先做这个,再做那个」,还是「把这个数据喂给那个节点」?
一句话记法:Agent 的工作流决定「谁先谁后」,ComfyUI 的工作流决定「谁喂谁」。两者都是 DAG,都追求可复现,都可以保存、分享、版本化——这是它们真正的共同点。
你让它「查一下竞品价格,做成表格」。它搜了一次,发现数据不全,自己换了关键词再搜,最后才输出。这个「自己决定再来一次」的动作,就是 Agent 和普通调用的分界。
Agent 不是「更高级的聊天机器人」,而是一个带循环的决策系统。它至少包含五件事:
判据只有一条:它能不能根据中间结果改变下一步?能,就是 Agent;不能,就是固定 Workflow。一个只会回答问题的聊天机器人,没有工具、没有循环,不叫 Agent;一个按固定顺序调用五个工具的系统,没有根据结果改变路径,也不叫 Agent。
比喻:Workflow 是整条产线,工序写死;Agent 是拿到图纸后自己决定下一道工序的工头。但工头也需要岗位手册(Skill)、一只手(Tool)和这条产线(Workflow)——它们不是互斥关系。
常见形态包括「单 Agent + 多工具」「带长期记忆的 Agent」「多 Agent 分工」。多 Agent 听起来高级,但它首先放大了协调成本、通信成本和错误传播;在任务边界清晰、步骤固定的场景里,Workflow 往往更便宜、更可靠。
同一套「写周报」的流程,你在每个对话里都要重新交代一遍。Skill 就是把这份交代、附带的模板和脚本收进一个文件夹,下次直接调用。
Skill 是六个词里定义最不统一的一个,必须看你所用的平台。主流有两种含义:
以 Anthropic 的 Agent Skills 为代表:一个文件夹,里面有 SKILL.md(说明何时使用、具体怎么做)、参考文档、模板、可选的脚本和资源。模型先看到简短的名称和描述,判断相关后再加载正文,需要时再读取资源——这叫渐进披露:先用一句摘要让人判断要不要看,需要时再展开正文。它主要改变的是「模型怎么做」,不是「模型能做什么」。
有些产品把「封装好的工具」叫 Skill,有些把「工作流模板」叫 Skill,还有的把「一组提示词 + 知识库」叫 Skill。名字一样,实质可能是 Tool,也可能是 Workflow。
判断方法还是回到机制:它是在给模型加说明书(Skill 含义 A),还是在给模型加一只手(Tool),还是在排好步骤(Workflow)?三者可以同时出现在一个 Skill 包里,但不要因此把概念混掉。
比喻:Skill 是「岗位手册 + 工具箱 + 模板文件」打包成的工种包。手册告诉模型怎么做事,工具让它能做事,模板减少重复劳动。
先给结论:这六个词不构成一棵干净的包含树。它们之间是「包含」「调用」「服务」「打包」几种不同关系,混在一起问「谁包含谁」,一定会得到错误答案。
| 词 | 一句话 | 所在层 | 谁调用它 | 典型载体 | 最常见误用 |
|---|---|---|---|---|---|
| Prompt | 这一次推理的条件文本 | 条件层 | 模型消费;其他层生成 | 系统提示、用户消息、负面提示 | 当成程序或权限控制 |
| Tool | 一个可被调用的函数 | 接口层 | 模型请求,runtime 执行 | 函数调用、API、插件 | 以为模型自己执行 |
| MCP | 工具接入与发现的标准协议 | 接口层 | 宿主应用与 server | MCP client / server | 当成模型或 Agent |
| Workflow | 预先排好的多步流程 | 编排层 | 人、系统或 Agent 触发 | Dify、Coze、n8n、ComfyUI 节点图 | 与 Agent 混为一谈 |
| Agent | 带循环的自主决策系统 | 编排层 | 用户或系统触发 | 编码 Agent、客服 Agent | 有工具就叫 Agent |
| Skill | 指令 + 工具 + 资源的可复用包 | 打包层(横切) | 模型或宿主按需加载 | SKILL.md 文件夹、平台技能 | 等同提示词或插件 |
把六个词串成一句话:提示词是这一班的任务单,Tool 是手,MCP 是插座,Workflow 是流水线,Agent 是会自己决定下一道工序的工头,Skill 是岗位手册加工具箱。比喻只帮你定位,真正判断还是要回到机制。
「模型用了工具,就是 Agent。」
单次函数调用没有循环,也没有根据结果改变下一步。它只是「模型 + 工具」,不是「模型 + 工具 + 循环 + 状态 + 终止条件」。Agent 的核心是决策循环,不是工具数量。
「MCP 是一个模型,或者一种 Agent 框架。」
MCP 是接口协议,规定工具怎么被发现、描述和调用。它不含模型权重,也不含规划逻辑。接上 MCP,模型还是那个模型,Agent 还是要自己写循环。
「Workflow 和 Agent 是对立的,只能二选一。」
生产系统里常见「Workflow 骨架 + Agent 节点」:大部分步骤固定,只有需要开放判断的那一步交给 Agent。它们可以互相嵌套,取决于谁决定流程。
「Skill 就是一段提示词。」
Skill 可能包含提示词,但通常还包含参考文档、模板、脚本和资源。把 Skill 等同提示词,会忽略它的加载机制、权限边界和依赖管理。
「ComfyUI 的工作流就是 Agent 的工作流。」
同名不同物。ComfyUI 是计算图,边传张量与条件,顺序由依赖拓扑决定;Agent 工作流是控制流,边传控制与状态,顺序由人设计的分支决定。判断看节点和边,不看名字。
「提示词写得好,就等于模型能力变强了。」
提示词是把模型已有能力「引导出来」,不是「创造出来」。它能提高命中率,不能突破能力上限。评估一个系统时,要区分「提示词工程」和「模型/工具/流程」的贡献。
「Agent 一定比 Workflow 高级、更好。」
固定任务里,Workflow 更便宜、更可控、更容易测试和审计;Agent 适合步骤不确定、需要根据中间结果调整的开放任务。选型看任务,不看名词的新旧。
「MCP server 接得越多,系统就越强。」
工具描述会占用上下文,工具越多选择越难,攻击面也越大。应该按任务最小化工具集,逐个评估权限、幂等性和返回内容的可信度。
「模型调用工具,就是模型在执行代码。」
模型只输出调用意图和参数,真正的执行发生在宿主应用的 runtime 里。权限校验、沙箱、审计都应该在 runtime 做,而不是指望模型自觉。
先勾选,再做下面的六个场景题。能说清「为什么」,比选对词更重要。
你在 Dify 里拖了五个节点:接收问题 → 搜索资料 → 总结 → 生成报告 → 发送邮件。顺序固定,没有分支。
Workflow(含义 A,控制流)。步骤由人预先设计,模型只在节点内执行任务,没有根据中间结果改变路径。它不是 Agent。
同一个系统改成:模型看完搜索结果后,自己决定要不要换关键词再搜,最多五轮;够了才生成报告。
Agent。它具备循环、状态和终止条件,并根据中间结果改变下一步。外层的「最多五轮」是护栏,不改变它是 Agent 的事实。
你给模型一个 get_weather(city) 的函数描述,模型输出 {"city":"天津"},你的后端收到后去请求天气 API,再把结果回填。
Tool(函数调用)。模型只发起调用意图,后端 runtime 真正执行。没有循环,所以不是 Agent。
你把公司内部数据库封装成一个 MCP server,Claude Desktop 启动后能列出可用工具并调用查询。
MCP(接口协议)+ Tool(具体查询能力)。MCP 负责发现、描述和调用;它本身不提供智能,也不是 Agent。
你写了一个文件夹:SKILL.md 说明何时使用、附了报告模板和两个处理脚本,模型按需读取。
Skill(含义 A,能力包 / 指令包)。它把指令、模板、脚本和资源打包,按需加载;不是单纯的提示词,也不是一个工具函数。
你在 ComfyUI 里把「加载 Checkpoint → CLIP 文本编码 → KSampler 采样 → VAE 解码 → 保存图像」连成一张图。
Workflow(含义 B,数据流 / 计算图)。边传的是模型、条件、潜变量和像素;执行顺序由依赖拓扑决定。它不是 Agent 工作流,ComfyUI 本身也没有自主决策循环。
六个词本课都给了判据,属于「讲透」;图里顺带出现的 ComfyUI 节点名只提一句。全课总索引见 A07 · 术语对照表。
| 术语 | 本课状态 | 在哪里讲透 |
|---|---|---|
| Prompt / Tool / MCP / Workflow / Agent / Skill | 讲透 | 本课 01–08 节 |
| DAG(有向无环图) | 讲透 | 本课 05 节 |
| 提示注入 / 状态机 / 渐进披露 | 讲透(一句) | 本课 02、07 节 |
| Checkpoint / CLIP / KSampler / VAE / 潜变量 | 只提一句 | L0-01、L1-01、L1-02、L2-02 |
| JSON-RPC / client–server | 只提一句 | 本课 04 节已给一句解释 |
你会在 ComfyUI 里反复遇到下面这些词。用本课的框架定位,就不会被名字带跑:
ComfyUI 没有自主决策循环。除非你在外面套一个 Agent,通过 API 去调用它、根据出图结果决定下一步,否则它始终是一张由你连好的计算图。