Skills比MCP更重要？Python大佬这观点老金测了一周终于懂了
上周在Hacker News刷到一篇文章，标题直接把老金我看愣了：
"Claude Skills are awesome, maybe a bigger deal than MCP"
给和老金我一样英语不好的翻译一下：
"Claude 的技能非常出色，或许比 MCP 更重要。"
作者是Simon Willison。
不认识？
Django联合创始人，Python界的大佬，Datasette作者。
说实话，老金我近三周对Skills的理念有大幅更新。
以前我知道Skills厉害，但理解不够深。
直到最近才真正搞明白它能大幅节省token这个点。
昨天在付费课上我也专门讲了这个：
很多同学MCP装了一堆，结果token都浪费在工具定义上了。
Skills按需加载这个设计太关键了。
先给小白科普一下
什么是MCP？
MCP就是Model Context Protocol（模型上下文协议）。
简单说，就是让AI能调用外部工具的一套标准。
比如你想让Claude能查数据库、能操作浏览器、能发邮件，就需要配置MCP服务器。
什么是Skills？
Skills就是技能包。
核心是一个SKILL.md文件（这是唯一必需的），告诉Claude怎么做某件事。
简单的Skill可以只是一个Markdown文件。
复杂的Skill可以是一个文件夹，包含脚本、文档、模板等。
比如你写一个"代码分析"的Skill：
1、简单版：一个SKILL.md，写清楚分析步骤
2、完整版：一个文件夹，里面有SKILL.md + scripts/分析脚本.py + templates/报告模板.md
区别在哪？
MCP：像给AI装了个外部APP，需要配置服务器、定义接口
Skills：像给AI写了个操作手册，最简单就是一个Markdown文件
重要补充：Skills和Plugins的区别
很多人搞混这两个概念，老金我给你讲清楚：
1、Skills：单一工作流模板（一道菜的菜谱）
-
本质是prompt-based的指令系统，不是代码
-
通过"prompt expansion"工作，不能直接调用MCP
-
但可以在指令中告诉Claude使用已配置的MCP工具
2、Plugins：打包好的能力集合（整套预制菜包）
-
可以包含多个Skills + Commands + Hooks + MCP servers
-
如果你需要打包MCP，应该用Plugins而不是Skills
大佬的核心观点：4个理由
Simon Willison给出了4个理由，老金我一个个给你拆解。
理由1：Skills简单到离谱
MCP是什么？
一个完整的协议规范。
看看它包含什么：
1、hosts（主机）
2、clients（客户端）
3、servers（服务器）
4、resources（资源）
5、prompts（提示词）
6、tools（工具）
7、sampling（采样）
8、3种传输协议（stdio、HTTP、SSE）
老金我配一个MCP服务器，光看文档就要半小时。
Skills呢？
最简单的情况：一个SKILL.md文件。
没了？还真是。
官方文档说得很清楚：SKILL.md是唯一必需的文件。
当然，如果你想做复杂的Skill，可以加上：
1、instructions/ 放详细指令文档
2、prompts/ 放提示词模板
3、templates/ 放代码/文档模板
4、config/ 放配置文件
但核心就是那个SKILL.md，其他都是可选的。
重要提醒：SKILL.md需要包含YAML frontmatter：
---
name: my-skill-name
description: 描述这个Skill做什么、什么时候用
---
# 技能名称
[具体指令内容]
大佬原话：
"Skills feel a lot closer to the spirit of LLMs - throw in some text and let the model figure it out."
翻译：Skills更符合LLM的精神——扔点文字进去，让模型自己搞定。
老金我的理解：MCP是给程序员设计的，Skills是给人设计的。
理由2：CLI工具可以替代MCP
这个观点老金我一开始不太认同，但仔细想想确实有道理。
大佬说：
"Almost everything I might achieve with an MCP can be handled by a CLI tool instead."
翻译：几乎所有MCP能做的事，CLI工具也能做。
为什么？
因为LLM知道怎么调用 cli-tool --help。
模型自己能看懂帮助文档，不需要你在prompt里花几百个token描述怎么用。
Skills更进一步：连CLI都不需要了。
你只要写个Markdown文件描述任务怎么做，Claude自己就能搞定。
老金我测试了一下：
1、用MCP调用GitHub API：需要配服务器、写工具定义、花几千token
2、用Skill教Claude用gh命令：一个Markdown文件，200token
效果差不多，但Skill省了90%的配置时间。
理由3：Token效率差距巨大
这个是老金我最有感触的。
大佬提到一个恐怖的数据：
GitHub的官方MCP定义，光注册就要吃掉几万个token。
老金我之前写过一篇文章说MCP吃掉7%脑容量，现在看来还是保守了。
你想想，200K的上下文窗口，光一个GitHub MCP就吃掉几万。
再加几个常用服务器，prompt还能剩多少空间？
Skills呢？
只在需要的时候加载。
Claude不会一开始就把所有Skills塞进上下文。
它会看你的任务，判断需要哪个Skill，然后才加载。
老金我实测（仅供参考，不同配置结果可能不同）：
1、配置5个MCP服务器：prompt占用约15K token
2、安装10个Skills：prompt占用约2K token（只加载用到的）
省了85%！
理由4：分享起来太简单了
MCP服务器怎么分享？
1、写代码
2、发布到npm/pip
3、写README
4、让用户配置.mcp.json
5、调试连接问题
Skills怎么分享？
1、写个SKILL.md（或整个文件夹）
2、发出去
没了。
补充说明：分享的几种方式
1、简单分享：直接发文件夹给朋友，放到 .claude/skills/目录下
2、Claude.ai：打包成ZIP上传到Skills设置页面
3、Claude Code：通过Plugin marketplace分享
比如之前讲过的：
/plugin marketplace add anthropics/skills
/plugin install document-skills@anthropic-agent-skills
大佬说很多Skills就是单个文件，复杂点的也就一个文件夹。
老金我看了awesome-claude-skills仓库，4000多Star。
里面的Skills大部分就是一个SKILL.md或README.md。
复杂的也就是一个小文件夹，包含几个脚本。
这门槛也太低了。
老金我的实测对比
说了这么多理论，老金我实际测了一周。
测试场景1：让Claude帮我分析代码仓库
MCP方案
1、配置GitHub MCP服务器
2、配置filesystem MCP服务器
3、调试连接问题（花了20分钟）
4、Token消耗：约8000
Skill方案
1、写一个code-analysis.md，描述分析步骤
2、Claude用内置的Bash工具执行git命令
3、Token消耗：约1500
结果：Skill方案快3倍，省80%token。
测试场景2：自动化测试流程
MCP方案
1、需要写一个自定义MCP服务器
2、定义工具接口
3、处理各种边界情况
4、开发时间：2小时
Skill方案
1、写一个test-automation.md
2、描述测试步骤和命令
3、Claude自己调用pytest
4、开发时间：15分钟
结果：Skill方案开发效率提升8倍。
但老金我不完全同意
说了Skills这么多好处，但老金我觉得大佬的观点有点极端了。
MCP的优势Skills替代不了
1、跨平台原生支持
MCP是个标准协议，OpenAI、Google都原生支持。
Skills虽然Apache 2.0开源了（有open-skills项目可以让其他LLM运行），但原生体验还是Claude最好。
2、复杂集成
需要实时数据、数据库连接、API认证的场景，MCP更合适。
3、开发者生态
MCP有明确的开发者激励——你写一个服务器，所有LLM都能用。
Skills是用户端工具，激励结构不一样。
老金我的结论：两者是互补的，不是替代的。
1、简单任务：用Skills，省时省token
2、复杂集成：用MCP，标准化可复用
3、最佳实践：Skills + CLI工具 + 少量核心MCP
老金建议
卧槽，测试了一周，老金我确实对Skills刮目相看了。
以前老金我MCP装了不少，现在想想确实可以精简。
这也是老金我近三周理念更新最大的地方。
Skills按需加载，token消耗比MCP低太多了。
以前我知道Skills好用，但没意识到这个差距这么大。
昨天付费课上我也跟同学们说了：别一上来就想着配MCP，先问自己一个问题——这个任务用一个SKILL.md能不能搞定？
能搞定就别折腾协议，省下来的token能多聊好几轮。
给你们的建议
1、先用Skills
简单任务别上MCP，一个SKILL.md能解决的事别折腾协议。
2、精简MCP
别装太多服务器，3-5个核心的就够了。
每多一个就多吃几千token。
3、CLI优先
很多事情gh/git/npm命令就能做，Claude自己会调用--help。
4、看看awesome-claude-skills
github.com/travisvn/awesome-claude-skills
4000多Star，里面有很多现成的。
老金我现在的配置：
1、MCP：thinking、task、github、context7、bravesearch、exa等
2、Skills：dev-browser、公众号写作、数据分析、前端界面、api规范、claude/codex/gemini组套等
3、关键变化：浏览器控制从MCP换成了dev-browser Skill
4、Token占用：从之前的20K降到5K
效率提升了，脑容量也省出来了。
老金说
测完这一周，老金我突然想明白一件事。
很多人学AI工具，上来就想把所有MCP装全了、把配置调到最复杂。
就像刚买单反的人，恨不得把所有镜头、滤镜、三脚架都配齐。
但你猜怎么着？
真正出大片的人，往往就一机一镜。
Skills和MCP的关系，其实就是这个道理。
不是工具越多越牛，是你越清楚自己要什么，工具才越有用。
老金见过太多人做事儿是这样的。
买了一堆电动工具，最后发现一把螺丝刀就能解决问题。
工具不是越贵越好，是越顺手越好。
你的时间才是最贵的资源。
那些你花2小时配置、最后用了3次的MCP服务器，值吗？
一个15分钟写完的SKILL.md，天天都在用，哪个划算？
老金我现在的态度：
能简单就别复杂，能省就别浪费。
不是因为抠门，是因为老金我终于明白——
省下来的不只是token，是你的精力、你的注意力、你的创造力。
这些东西，比任何工具都珍贵。
所以别焦虑自己MCP装得不够多、Skills学得不够快。
找到适合你的节奏，一个一个来。
慢慢来，比较快。
有问题随时问老金，咱们一起研究！
参考来源
Simon Willison原文：simonwillison.net/2025/Oct/16/claude-skills/
Anthropic官方Skills发布公告：anthropic.com/news/skills
awesome-claude-skills仓库：github.com/travisvn/awesome-claude-skills