⌁ llmapis
⌁

🚀 深度解构 Claude Code Skill：架构原理、渐进式上下文与 MCP 之争

· 10 分钟
Claude CodeSkillMCPAI编程CLI工具智能体架构设计

随着 Anthropic 推出 claude code CLI，Skill 成了开发者定制 AI 工作流的核心。但它绝非简单的 Prompt 堆砌，而是一套精密的、工程化的智能体编排机制。

本文将深入底层，拆解 Skill 运行的基础，并厘清它与 CLAUDE.md 及 MCP 的本质区别。

什么是 Claude Skill？

简单来说，Claude Skill 是用户为 claude code CLI 定义的自定义能力。它允许你将复杂的、重复的工作流封装成一个简单的指令，让 Claude 能够像调用原生工具一样调用这些逻辑。

场景举例：

  • Lint & Fix: 一键运行 ESLint 并自动修复所有报错。
  • Review: 按照特定的团队代码规范（Context）审查当前的变更。
  • Deploy: 封装复杂的 K8s 部署脚本，让 AI 帮你执行发布。

物理架构：Skill 到底存在哪？

与全局规范文件 CLAUDE.md 不同，Skill 是以独立文件夹的形式存在的。这种结构允许 Skill 携带私有的脚本和资源，实现功能的“封装”。

目录结构示例：

my-project/
├── .claude/
│   └── skills/
│       └── custom-test/         <-- Skill 名称
│           ├── SKILL.md         <-- 核心：定义 Skill 的逻辑、元数据与 Prompt
│           └── test-helper.py   <-- 伴随脚本：该 Skill 专用工具

SKILL.md 的核心构成

它包含 YAML Frontmatter，用于向 Claude 宣告自己的能力：

---
name: custom-test
description: 针对本项目复杂业务逻辑的专项测试工具
---

# Instructions

1. 先运行 `python test-helper.py` 预处理数据
2. 调用 `npm test` 并分析输出
3. ...

核心解密：Skill 运行的基础设施

这是大家最关心的部分。当你在 claude code 中创建一个 Skill 后，Claude 并不是通过魔法来执行它的。

Claude Skill 的本质，是 LLM 对一组“元工具（Primitive Tools）”的编排。

为了让一个 Skill 跑起来，claude code 的宿主环境（CLI）必须向模型提供以下基础 Tool 能力，否则任何复杂的 Skill 都无法落地：

1. Bash / TerminalExecute (执行引擎)

这是 Skill 运行的心脏。

  • 作用：允许 Claude 在你的本地机器上执行 Shell 命令。
  • 为什么必须：绝大多数 Skill 最终都会转化为命令行操作。比如你定义一个 “Test” Skill，Claude 实际上是在调用 Bash 工具执行 npm test 或 pytest。
  • 依赖：需要用户授予 CLI 执行命令的权限（通常是 Docker 容器内或本地沙盒环境）。

2. FileEdit / FileSystem (读写能力)

这是 Skill 的手。

  • 作用：允许 Claude 读取文件内容、修改代码、创建配置文件。
  • 为什么必须：如果你的 Skill 涉及“重构代码”或“生成文档”，Claude 必须通过此工具将思维链中的代码写入硬盘。

3. Glob / Search (感知能力)

这是 Skill 的眼。

  • 作用：允许 Claude 查找文件路径、搜索代码片段。
  • 为什么必须：当 Skill 需要“修复所有引用了旧 API 的文件”时，它必须先用 Glob 工具定位到这些文件。

📊 Skill 执行流程图解

graph LR
    User[用户指令: Run 'Fix-Bug' Skill] --> Claude[Claude 模型]
    Claude -->|解析 Skill 定义| Plan[生成执行计划]
    Plan -->|调用 Tool| Bash[Primitive: Bash Tool]
    Plan -->|调用 Tool| File[Primitive: FileEdit Tool]
    Bash -->|返回 Stdout/Stderr| Claude
    File -->|返回 读写结果| Claude
    Claude -->|最终反馈| User

结论：Skill 不是独立存在的，它是建立在 Bash + FileEdit + Context 之上的宏（Macro）。

上下文友好：渐进式披露机制 (Progressive Disclosure)

这是 Skill 相比于 CLAUDE.md 最核心的工程优势。它解决了 LLM 上下文（Context Window）拥挤和 Token 浪费的问题。

对比加载机制：

  • CLAUDE.md (Always-On)：
    • 无论对话内容为何，它的内容都会被注入到每一轮对话的 System Prompt 中。
    • 痛点：如果项目规范太多，会挤占宝贵的上下文空间，导致模型注意力分散。
  • Claude Skill (Progressive / On-Demand)：
    • 初始阶段：Claude 只读取所有 Skill 的 name 和 description（极其轻量）。
    • 触发阶段：当用户说“帮我测一下业务逻辑”，Claude 发现 custom-test 的描述匹配，才会动态地将该 Skill 文件夹下的 SKILL.md 全文加载。
    • 优势：按需加载，用完即走。 这让项目可以拥有成百上千个 Skill 而不会拖慢模型响应速度。

Skill vs. MCP：是替代关系吗？

结论：它们不是替代关系，而是“补给”与“指挥”的关系。

  • MCP (Model Context Protocol) 是外部能力的补给线。
    • 它让 Claude 能连接到它本来触达不到的地方（如 Google Drive、Sentry 日志、远程数据库）。
    • 它是通用的、标准化的 API 桥梁。
  • Skill 是本地任务的指挥官。
    • 它定义了“针对当前项目，应该如何组合工具来干活”。
    • 它可以调用 Bash，也可以调用通过 MCP 接入的远程工具。

三者协同的“权力地图”

特性CLAUDE.mdClaude SkillMCP (Server)
角色项目宪法（全局规范）项目 SOP（具体任务流程）外部工具箱（扩展能力）
加载时机始终加载匹配意图后按需加载客户端启动即连接
知识范畴本地、静态本地、动态、可带脚本远程、通用
典型案例”代码必须用 Tab 缩进""一键发布代码并通知 Slack""查询生产环境数据库”

总结：如何优雅地分享 Skill？

如果你要向团队分享一个 Skill，请记住：

  1. 它具有“渐进式”优势：放心地把复杂的、长篇大论的操作步骤写在 SKILL.md 里，它不会浪费 Token，直到有人真的需要它。
  2. 它是“对上下文友好”的：它比全局配置更精准，因为它只在被调用时生效。
  3. 它是“可移植”的：只需把 .claude/skills/ 下的文件夹提交到 Git，团队里的每个人（以及他们的 Claude）就立刻拥有了这项技能。

一句话总结：

MCP 扩展了 Claude 的“感知”，CLAUDE.md 约束了 Claude 的“行为”，而 Skill 沉淀了项目的“最佳实践逻辑”。

Previous Article

🚀 Flyfree Agent Skills：让 Claude 拥有无限可能的技能库

Next Article

🎧 QukaAI RSS Podcast：知识无界限，听见精彩世界

Share: