谷歌Antigravity现已全面支持Skills规范，这标志着AI编程领域OpenAI、谷歌、Anthropic三巨头技术路径的进一步统一。对于开发者而言，理解MCP与Skills的区别，并掌握Skills的配置方法，是提升AI代理能力的关键。本文将清晰辨析二者差异，并提供上手指南。
智能速览
谷歌Antigravity现已全面支持Skills开放标准。
AI编程工具的OpenAI、谷歌、Anthropic三巨头均已支持Skills。
MCP是让AI能干活的工具，而Skills是让其干得更好的工具书。
Skills可将项目特定工作流或全局实用程序打包成可重用组件。
精华内容
要真正利用好Skills，首先需要理解它与MCP的根本差异，以及它在实际开发中的具体配置方法。
MCP与Skills辨析
在AI代理开发领域，MCP和Skills是两个常被提及但易混淆的概念。简单来说，MCP（Model Context Protocol）更像是一套基础工具集，它的核心作用是赋予AI执行具体任务的能力，例如调用API、查询数据库或操作文件系统，解决了AI“能不能干活”的问题。
相比之下，Skills则更像是一本详尽的“工具书”或“方法论库”。它是一种开放标准，允许开发者将特定的工作流程、领域知识或全局实用程序打包成可重用的技能模块。这不仅仅是让AI能干活，更是指导它如何更高效、更规范地完成任务，即解决“干得更漂亮”的问题。
因此，MCP提供了能力的基石，而Skills则在此基础上构建了应用的智慧与规范。
谷歌的布局
随着谷歌Antigravity宣布支持完整的Skills规范，AI编程领域的三大主要参与者——OpenAI、谷歌和Anthropic——在这一技术路径上达成了共识。这一动向标志着Skills正从一个新兴概念成长为行业标准之一。对于广大开发者而言，这意味着学习曲线的降低和开发成果的可移植性增强。现在，无论使用哪个平台，都可以运用Skills这一统一标准来扩展AI代理的功能，构建更加稳定和强大的应用。
配置与应用
配置Skills的核心在于将知识或工作流打包。根据官方描述，开发者可以针对特定项目需求，将一系列操作步骤、提示词模板或领域专业知识封装成一个独立的Skill。例如，可以创建一个专门用于代码审查的Skill，它内置了审查规则、最佳实践和输出格式。
当AI代理需要执行代码审查任务时，可以直接调用这个Skill，而无需每次都重新输入复杂的指令。这种模块化的方式不仅提升了效率，也保证了AI行为的一致性和可靠性。配置过程通常涉及定义Skill的元数据、触发条件和执行逻辑，具体步骤需参考各平台（如Antigravity）的官方文档。
谷歌的加入让Skills生态更加繁荣，为AI代理开发提供了标准化的蓝图。掌握MCP与Skills的协同使用，将是未来开发者构建高级应用的关键。你的AI代理，准备好学习新技能了吗？
关键评论
有开发者指出，MCP和Skills不宜直接对比，因为MCP本质上是一种协议。
部分用户关心Gemini CLI与Antigravity Skills的通用性及部署路径。
有开发者好奇，Skills是否具备在AI任务偏离时进行实时校准的能力。
关于从事Agent开发是否必须学习Skills，也成为社区讨论的话题。
