AGENTS.md、Skills 和 MCP 的視覺指南

🔑 增強重點摘要

• •MCP（模型上下文協議）在2026年已成為代理工作流程的標準化工具整合層，相比Skills提供更好的鏈式調用能力，因為模型在串聯Skills時表現不佳[3]
• •Agent Skills作為Markdown文件的「肌肉記憶」機制，通過注入組織特定的編碼標準和最佳實踐，有效彌補了規格剛性與原始LLM混亂之間的差距[2]
• •代理現在能夠自主生成和改進自己的Skills——例如piclaw項目在引導後自動建立了熱重載、備份和網頁爬蟲Skills，標誌著代理自我優化的新階段[3]
• •「上下文堆棧」管理已成為新的工程學科，需要協調MCP伺服器（工具）、AGENTS.md（角色）和Skills（任務）三層結構[2]
• •2026年的預測指出，過度的DIY代理配置將達到天花板，未來將轉向工具改進或正式的AI啟用角色，以避免配置複雜度爆炸[4]

🛠️ 技術深入

• •SKILL.md結構：Markdown文件作為上下文注入模組，包含特定主題的編碼指南、工具標準和領域特定任務的「作弊表」[2]
• •MCP執行模型：確定性API調用具有固定模式，相比Skills的自然語言解釋提供更高的可預測性和更低的網路延遲[1]
• •Skills失敗模式：包括指令誤解和工具選擇錯誤的雙重風險，而MCP主要風險為工具選擇不當[1]
• •SPEC.md方法論：強調規格而非需求，通過20問式迭代與LLM協作，涵蓋目標、功能規格、非功能規格、技術規格和驗收標準[3]
• •代理自我改進迴圈：代理執行程式碼、linting、測試、文件編寫和PLAN.md更新，人類進行審查和方向指導[3]
• •可擴展性權衡：Skills易於添加但LLM選擇複雜度增長；MCP工具發現隨著工具數量增加而變得複雜[1]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線