第1篇：认知重塑——Agent与SKILL的本质解构

富奥A 2026-03-03 阅读: 3

本文深入解析了Agent与SKILL的本质区别与协同关系，指出SKILL是Agent的能力原子单元，并详细阐述了SKILL的三层技术模型和从基础函数调用到自主决策技能的跃迁路径。文章旨在帮助读者建立对Agentic AI的核心认知，为后续的架构设计打下基础。

LLM Function Calling Agent MCP 智能体
要点:
  • Agent与SKILL的本质区别与协同
  • SKILL的三层技术模型架构
  • 从Function Calling到Agentic SKILL的跃迁
  • 构建认知锚点的三个第一性原理

第2篇：架构设计——Multi-Agent系统的工程范式

中国网湖北 2026-03-03 阅读: 3

本文系统介绍了Multi-Agent系统的三大主流工程范式（ReAct、Plan-and-Solve、Multi-Agent Collaboration），并深入探讨了通信协议、状态管理等关键技术挑战，最后提供了基于任务复杂度、可靠性要求和延迟敏感度的架构选型决策树。

ReAct MCP 通信协议 状态管理 Multi-Agent
要点:
  • Multi-Agent核心是专业化分工
  • 详解三大工程范式适用场景
  • 对比主流Agent间通信协议
  • 强调状态管理与故障恢复
  • 提供架构选型决策树

AI 概念：LLM、Agent、Skills、MCP分别是什么

环球网 2026-03-03 阅读: 1

文章通过职场新人入职的比喻，系统解释了AI领域的四个核心概念：LLM是大脑，Agent是执行者，Skills是具体工具，MCP是连接标准。这四者构成了AI从思考到行动的完整能力链条。

LLM 大语言模型 Agent Skills MCP
要点:
  • LLM是核心大脑但缺乏行动力
  • Agent具备自主规划和执行能力
  • Skills是Agent执行任务的具体工具
  • MCP是连接数据和工具的通用协议
  • 四者构成从思考到行动的进化链