一口气讲清楚：Agent、RAG、Skill、MCP 到底是什么？

最近 AI 相关名词爆炸式增长：
Agent、RAG、Tool、Skill、MCP、Function Call……
看起来都很厉害，但很多文章概念混用、场景不清，看完还是不知道该用哪个、怎么用。

本文从工程落地视角出发，不谈玄学，一条主线讲清楚它们的关系和区别。

一、先给结论：一句话理解四个概念

如果你只记住一句话：

RAG 是查数据，Skill 是做事情，Agent 是指挥官，MCP 是接口标准。

二、RAG：解决「模型不知道你公司的事」

1️⃣ RAG 是什么？

RAG（Retrieval-Augmented Generation）
中文一般叫：检索增强生成

核心思想一句话：

在模型回答前，先去你的数据里“查一查”，再让模型基于结果回答。

2️⃣ 为什么一定要 RAG？

大模型本身的问题：

• ❌ 不知道你公司的：
• ERP 表结构
• 订单规则
• 报关字段含义
• ❌ 容易胡编（幻觉）

RAG 的作用就是：

让模型“只在你提供的资料范围内回答”

3️⃣ RAG 的工程结构（非常重要）

用户问题  
   ↓  
向量检索（ES / Milvus / PGVector）  
   ↓  
命中相关文档  
   ↓  
拼 Prompt  
   ↓  
LLM 生成回答

👉 RAG 本质不是 AI，是工程能力

4️⃣ RAG 适合做什么？

✅ 非常适合：

• 制度问答（财务 / 报关 / 合同）
• 系统使用说明
• 历史数据解释
• 只读类业务

❌ 不适合：

• 下单
• 改状态
• 调接口
• 写数据库

一句话：

RAG 只负责“说清楚”，不负责“干事情”。

三、Skill / Tool：让模型真的能“操作系统”

1️⃣ Skill 是什么？

Skill（也常叫 Tool / Function）：

模型可以调用的“确定性能力”

比如：

• 查询订单
• 创建物流单
• 更新库存
• 发送飞书消息

2️⃣ Skill 和普通接口有什么区别？

普通接口：

• 前端 → 后端

Skill：

• LLM → Skill（后端接口） → 返回结果 → LLM

Skill 的关键点：

• 有 明确参数
• 有 确定返回值
• 不靠模型瞎编

3️⃣ Skill 示例（工程师最容易懂）

{
  "name": "createOrder",
  "description": "创建订单",
  "parameters": {
    "orderNo": "string",
    "sku": "string",
    "quantity": "number"
  }
}

模型不会“自己下单”，
而是 你允许它调用这个 Skill，它才有权限干这件事。

4️⃣ Skill 适合做什么？

✅ 适合：

• CRUD
• 调第三方接口
• 自动化流程
• RPA

❌ 不适合：

• 模糊判断
• 复杂业务推理（那是 Agent 的事）

四、Agent：会「想步骤」的 AI 执行体

1️⃣ Agent 到底是什么？

• Agent ≠ 普通对话模型

Agent 的核心能力是：

先思考 → 再决策 → 再执行 → 再反思

2️⃣ Agent 的典型流程

用户目标
   ↓
Agent 思考（计划）
   ↓
需要数据？ → 调 RAG
需要动作？ → 调 Skill
   ↓
判断是否完成
   ↓
继续 or 结束

👉 Agent = LLM + 记忆 + 规划 + 工具调用

3️⃣ Agent 和 RAG / Skill 的关系

• RAG：Agent 的“资料库”
• Skill：Agent 的“手脚”
• Agent：大脑 + 调度中心

4️⃣ 真实业务里的 Agent 场景

比如你现在的飞书多维表：

“根据出货计划 → 查询英文品名 → 去重 → 生成报关单”

Agent 会这样干：

• 分析目标
• 读取查询表（RAG / API）
• 按英文品名去重（逻辑判断）
• 调用 Skill 创建报关单
• 校验结果

这一步，RAG 或 Skill 单独都做不了。

五、MCP：为什么突然又冒出来一个新概念？

1️⃣ MCP 是什么？

MCP（Model Context Protocol）

一句话解释：

给 Agent 用的“统一工具接入协议”

2️⃣ 为什么需要 MCP？

在 MCP 之前的问题：

每个平台：

• Tool 定义不一样
• 参数格式不一样
• 权限不可控
• Agent 难以复用
• 企业级安全差

3️⃣ MCP 解决了什么？

MCP 提供：

• 标准化 Tool 描述
• 权限边界
• 统一上下文管理
• Agent 与工具解耦

👉 一次接入，多 Agent 可用

4️⃣ MCP 在企业里的意义

如果你是：

• ERP 系统
• 飞书 / 钉钉集成
• 多 Agent 协同

那么 MCP = AI 时代的 OpenAPI + OAuth

六、四者关系一张图讲清楚

          ┌──────────┐
          │   Agent  │
          └────┬─────┘
        ┌───────┴────────┐
        │                │
      RAG              Skill
（查资料）          （干事情）
        │                │
   向量库 / 文档     系统接口 / RPA
        │
      MCP（统一协议 & 安全）

七、工程选型建议（非常实用）

1️⃣ 什么时候只用 RAG？

• 只做问答
• 不改系统
• 不自动执行

👉 成本最低

2️⃣ 什么时候要 Skill？

• 需要“点一下就执行”
• 有确定业务动作

👉 AI 自动化起点

3️⃣ 什么时候必须 Agent？

• 多步骤
• 有判断
• 有循环
• 有失败重试

👉 真正“像人一样干活”

4️⃣ 什么时候考虑 MCP？

• 多系统
• 多 Agent
• 企业级安全

👉 架构升级阶段

八、总结

RAG 是信息增强，Skill 是能力扩展，Agent 是智能调度，MCP 是工程规范。
能不能把 AI 放进现有系统，稳定、可控、可扩展地跑起来。