1. 先把 MCP 和 Skill 的边界说清楚如果你正在用 Claude Code、Cursor 或者别的 AI 编程助手大概率会在配置文件里同时看到 MCP 和 Skill 这两个词。很多人第一次接触时会把它们当成同一类东西觉得都是“给 AI 加能力”装就完事了。实际用下来会发现这俩解决的是完全不同的问题混着理解很容易在配置阶段就卡住。一句话概括MCP 是接外部工具和数据源的协议Skill 是教 AI 怎么完成某类任务的方法说明。MCP 让 AI 能访问外部系统、工具、数据库、浏览器、文档服务Skill 告诉 AI 遇到某类任务时应该按什么流程做。Plugin 则是更大的打包形式一个 Plugin 里可以同时包含 Skill、MCP Server 配置、Slash Commands、Agents、Hooks。用程序员熟悉的比喻MCP 像一组 API 或 SDK让 AI 能调用外部能力Skill 像一份 SOP 或工作流说明让 AI 知道该怎么干活Plugin 像一个 npm 包把多种能力打包安装。这篇就聚焦 Claude Code 场景从 settings.json 到 config.toml 给出可复制的配置骨架再演示一次调用验证动作帮你在本地快速区分并落地这两个概念。适合谁看正在用 Claude Code 或类似 AI 编程助手想搞清楚 MCP、Skill、Plugin 分别是什么、怎么配、怎么验证的人。读完你应该能自己写出一个最小可用的 MCP 配置和一个 Skill 定义并且知道什么时候该用哪个。2. 前置准备TaoToken 接入与 Claude Code 环境在动手配 MCP 和 Skill 之前得先保证 Claude Code 能正常跑起来。Claude Code 本身是一个命令行 AI 编程助手它需要一个可用的模型接入点。我这边用的是 TaoToken 提供的接入服务官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 。第一步是拿到 API Key。打开 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 登录后在控制台里创建一个新的 Key复制出来先存到安全的地方。这个 Key 后面要写进 Claude Code 的环境变量或配置文件里。第二步是确认 Claude Code 已经安装。如果你还没装可以用 npm 全局安装npm install -g anthropic-ai/claude-code装完之后在终端里执行claude --version能打印出版本号就说明安装成功。接下来需要把 TaoToken 的接入信息告诉 Claude Code。最直接的方式是通过环境变量export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEY你的_TaoToken_API_Key如果你用的是 Windows PowerShell写法是$env:ANTHROPIC_BASE_URLhttps://taotoken.net/api $env:ANTHROPIC_API_KEY你的_TaoToken_API_Key设置完之后执行claude进入交互界面随便问一句“你好”能正常回复就说明接入通了。这一步是整个配置的地基如果这里不通后面 MCP 和 Skill 配得再对也没用。注意API Key 不要直接提交到 Git 仓库建议放在 shell 的 profile 文件里或者用 Claude Code 支持的配置文件方式管理。3. 可复制配置settings.json 与 config.toml 骨架Claude Code 的配置分几个层次。全局配置一般在用户目录下的.claude/settings.json项目级配置在项目根目录的.claude/settings.json。MCP Server 的配置通常写在 settings.json 的mcpServers字段里。而 Skill 的定义一般放在.claude/skills/目录下每个 Skill 一个文件夹里面包含说明文件。先看 settings.json 的骨架。这是一个包含 MCP Server 配置的最小示例{ mcpServers: { context7: { command: npx, args: [-y, upstash/context7-mcp], env: {} }, playwright: { command: npx, args: [-y, playwright/mcp], env: {} } } }这里配了两个 MCP Servercontext7 用来查最新框架文档playwright 用来做浏览器自动化。command是启动命令args是参数env是环境变量。Claude Code 启动时会读取这个文件把对应的 MCP Server 拉起来然后 AI 就能调用这些工具了。再看 Skill 的配置骨架。Skill 不是写在 settings.json 里的而是以文件形式存在。在项目根目录创建.claude/skills/code-review/SKILL.md内容如下--- name: code-review description: 对当前代码变更做系统性审查按正确性、可维护性、安全性维度检查 --- # Code Review Skill ## 何时使用 当用户要求审查代码、检查变更、做 code review 时使用。 ## 执行步骤 1. 先查看当前 git diff确认变更范围 2. 按正确性、可维护性、安全性三个维度逐项检查 3. 只报告有证据的问题给出具体文件和行号 4. 不要泛泛而谈每条意见都要能定位到代码 ## 输出格式 - 问题列表文件路径 行号 问题描述 建议 - 如果没有问题明确说明“未发现明显问题”这个文件就是 Skill 的核心。name和description放在 frontmatter 里Claude Code 会根据 description 判断什么时候加载这个 Skill。正文部分就是给 AI 看的操作手册。如果你用的是 config.toml 形式的配置某些工具链或插件会用到骨架类似这样[mcp_servers.context7] command npx args [-y, upstash/context7-mcp] [mcp_servers.playwright] command npx args [-y, playwright/mcp] [skills.code-review] path .claude/skills/code-review/SKILL.md trigger code review, 审查代码, 检查变更config.toml 和 settings.json 表达的是同一件事只是格式不同。关键字段都是 command、args、env 以及 Skill 的路径和触发条件。你可以根据自己用的工具链选择对应格式。提示MCP Server 的command和args要确保本机有对应的可执行环境。比如用 npx 启动的需要 Node.js用 uvx 启动的需要 Python 环境。配之前先确认依赖装好了。4. 验证请求一次调用看结果配置写完之后得验证一下 MCP 和 Skill 是不是真的生效了。先验证 MCP。在 Claude Code 交互界面里输入帮我用 context7 查一下 Next.js 最新的 App Router 用法如果 MCP 配置正确Claude Code 会调用 context7 这个 MCP Server去查最新文档然后基于查到的内容回答你。你会在终端里看到类似“调用 context7 工具”的提示。如果没配好它会直接凭训练数据回答或者报错说找不到工具。再验证 Skill。在项目里随便改几行代码然后输入帮我审查一下当前的代码变更如果 code-review Skill 生效了Claude Code 会先执行git diff看变更然后按 Skill 里定义的三个维度逐项检查输出带文件路径和行号的问题列表。如果 Skill 没生效它可能只是随便看几眼给一些泛泛的建议。这里有个细节值得注意MCP 和 Skill 可以一起用。比如你让 AI 审查一个前端页面问题它可能先用 systematic-debugging Skill 确定调试流程再用 playwright MCP 打开页面、点击按钮、读取控制台报错最后按 Skill 的流程定位根因。这种配合才是两者结合的最佳状态。验证的时候如果发现 MCP 工具没被调用可以先在终端里手动跑一下 MCP Server 的启动命令看看能不能正常起来。比如npx -y upstash/context7-mcp如果能启动并等待输入说明命令本身没问题那问题就在 Claude Code 的配置读取上。5. 本篇常见错排查配置 MCP 和 Skill 时踩的坑大多集中在几个地方。下面按现象、原因、解决方式列一下。MCP Server 启动失败报 command not found。原因通常是本机没有对应的运行时。比如配了npx但没装 Node.js或者配了uvx但没装 Python。解决方式是先确认运行时装好node -v和python --version能正常输出。如果用的是 npx第一次启动会下载包网络慢的话会卡住可以提前手动跑一次把包缓存下来。settings.json 改了但没生效。Claude Code 读取配置的优先级是项目级高于全局级。如果你在全局改了但项目里有自己的.claude/settings.json项目级的会覆盖全局的。解决方式是确认当前生效的是哪个文件必要时在项目级也同步一份。另外改完配置要重启 Claude Code 会话它不会热加载。Skill 不触发。最常见的原因是 description 写得不够明确Claude Code 判断不出什么时候该用。解决方式是把 description 写具体包含触发关键词。比如不要写“代码审查”要写“当用户要求审查代码、检查变更、做 code review 时使用”。另外 Skill 文件路径要对.claude/skills/目录名和 SKILL.md 文件名都不能错。MCP 工具被调用了但返回结果不对。这通常是 MCP Server 本身的权限或参数问题。比如 playwright MCP 要操作浏览器但本机没装浏览器驱动或者 context7 要查的库名拼错了。解决方式是先单独跑 MCP Server用它的调试模式看入参和返回。另外检查env字段里有没有漏配必要的 API Key 或 token。装了太多 MCP 和 Skill 导致响应变慢。MCP Server 每个都要启动进程Skill 太多会让 AI 在判断该用哪个时犹豫。解决方式是只装常用的。MCP 方面文档查询、浏览器自动化、Git 平台这三类基本够用Skill 方面code-review、simplify、frontend-design、deep-research 这几个覆盖大多数场景。不常用的先禁用需要时再开。注意排查时优先看 Claude Code 的日志输出。它调用 MCP 工具时会有明确提示Skill 加载时也会有记录。顺着日志找比盲目改配置快得多。6. 该用哪个MCP 与 Skill 的选择与组合回到最开始的问题什么时候用 MCP什么时候用 Skill。判断标准很简单——如果你的需求是“让 AI 访问某个外部系统”用 MCP如果是“让 AI 按某种专业流程做事”用 Skill。典型 MCP 场景查最新官方文档context7、操作浏览器验证页面playwright、连接 GitLab 查看 MR 变更、查询数据库或内部知识库。这些都需要 AI 能触达外部系统MCP 提供的就是这个通道。典型 Skill 场景代码审查code-review、简化重构simplify、前端页面设计frontend-design、深度调研deep-research、系统化调试systematic-debugging。这些不一定需要外部工具但需要 AI 按固定流程和标准执行Skill 提供的就是这套方法。两者组合起来效果最好。写新功能可以用 brainstorming Skill 加 TDD Skill 加项目文件工具修 bug 用 systematic-debugging Skill 加浏览器或日志 MCP查框架用法用 context7 MCP 加回答总结做页面用 frontend-design Skill 加 playwright MCP审查代码用 code-review Skill 加 Git 工具。如果你想让 AI 编程助手真正好用不要只追求装很多插件而是想清楚两个问题我希望 AI 能访问哪些外部工具这对应 MCP我希望 AI 按什么流程完成任务这对应 Skill。把这两个问题想清楚配置自然就清晰了。需要长期跑编码任务或 Agent 场景的话可以看看 Coding Plan 相关的接入方式https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。如果只是想先验证模型对话效果可以直接在模型对话页面试https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 配置过程中遇到接入问题可以对照查。
 时间与 O(1) 空间的完整剖析)
