在AI Agent技术快速演进的当下无论是Cursor中的编码助手技能还是Claude Code中的多步骤编程能力“Agent Skill”正成为大模型能力扩展的核心范式。Agent Skills技术体系的出现标志着AI Agent开发范式从依赖庞大而脆弱的单体提示词向模块化、可组合、可工程化的数字能力封装体系的根本性转变。它把零散的提示词升级为可复用、可管理的工程能力让AI从“聪明的助手”进化为“可靠的专业执行者”。然而这些花里胡哨的Skills在底层的HTTP传输中究竟是如何与大模型交互的本文从HTTP底层交互的视角剖析Agent Skill功能从“定义”到“执行”的全链路技术原理。一、核心结论Skill是应用层抽象而非协议层概念在OpenAI兼容协议以及Anthropic Messages API中根本不存在“Skill”这个字段或角色。Skill是一个纯粹的应用层抽象它最终被Cursor等AI应用“编译”成三种协议原语的组合System/Developer Message— 把Skill的指令文本注入到System Prompt中Tools Definition— 把Skill需要用到的工具Shell、Read、Write等注册为tools数组Multi-turn Tool Calling Loop— LLM根据注入的指令自主决策发起tool_calls宿主执行后把结果喂回去一句话总结Skill 动态注入的System Prompt片段 预定义的Tool Schema 多轮Tool Calling循环。这个结论意味着无论Skill的功能多么复杂——从网页抓取、代码生成到多文件重构——它在HTTP层面始终“退化”为标准的LLM对话与工具调用交互。理解了这一点我们就掌握了Agent Skill底层机制的全貌。二、前置知识OpenAI兼容协议的两个核心机制在深入Skill的HTTP交互流之前需要先理解支撑整个体系的两个基础机制。2.1 Tool Calling函数调用Tool Calling允许模型在生成文本回复的过程中“中断”并请求调用外部函数。它的工作流程如下请求端客户端在API请求的tools数组中注册可用工具每个工具包含name、description和parametersJSON Schema定义。模型端模型根据上下文判断是否需要调用工具如果需要则返回一个tool_calls数组包含函数名和序列化为JSON的参数。客户端宿主程序执行函数将结果作为tool角色的消息追加到消息列表。继续对话将包含工具执行结果的完整消息列表再次发送给模型模型据此生成最终回复或发起新一轮工具调用。这一机制构成了Agent Skill得以执行的“动力引擎”——Skill的每一步具体操作最终都转化为标准化的工具调用。2.2 System Prompt注入System Prompt是在对话开始前以system角色注入给模型的顶层指令。它定义了模型的行为边界、角色定位和任务约束。在OpenAI兼容协议中System Prompt作为messages数组中的首条消息存在{messages:[{role:system,content:You are a helpful assistant...},{role:user,content:用户问题}]}理解以上两个机制后就能明白Agent Skill在HTTP层面的承载方式System Prompt负责“告诉模型有哪些技能以及何时使用”Tool Calling负责“执行技能所需的具体操作”。三、完整的HTTP交互流分步拆解下面以Cursor中的mp-read技能拉取微信公众号文章文本为例逐步拆解从Skill加载到任务完成的完整HTTP交互流。3.1 第0步Skill发现与描述摘要注入对话开始前在用户打开Cursor、还没有说话的时候Cursor就已经完成了Skill的预加载工作目录扫描扫描.cursor/skills/、.agents/skills/等目录收集所有Skill的元数据来自YAML frontmatter中的name和description。渐进式加载Cursor采用“Progressive Loading”机制——首先只提取每个Skill的名称和描述摘要而不加载完整的SKILL.md正文。这样做的目的是节约珍贵的上下文窗口token。注入System Prompt将这些摘要信息注入到System Prompt中形成类似如下的静态上下文片段Extract plain text from Tencent MP (mp.weixin.qq) articles using a headless Chrome browser. Use when the user wants to read, fetch, extract, summarize, or reference a MP article, or when a mp.weixin.qq URL appears in conversation.此时模型已经“知道”了有哪些技能可用以及各自的触发条件但还没有获取技能的具体执行指令——这些指令只在技能被触发时才被注入。关键设计原则渐进式加载。大型Agent系统可能有数十甚至上百个Skills如果全部加载会消耗大量token因此元数据预注入正文按需加载是最优方案。3.2 第1步用户发问触发Skill匹配假设用户发了一句帮我读一下这篇公众号文章https://mp.weixin.qq.com/s/HHPK6QvclYaxlDg28elN8w。Cursor作为客户端构造出第一次API请求。请求中包含两个关键组件组件一Skill指令注入。System Prompt中包含了技能触发条件——当检测到mp.weixin.qqURL时系统自动加载完整的SKILL.md正文将具体的执行步骤注入到System Prompt中。组件二工具注册。Skill所需的底层工具Shell命令执行、文件读取等被注册为tools数组{model:claude-4.6-opus,messages:[{role:system,content:You are an AI coding assistant...\n\navailable_skills\n- mp-read: Extract plain text from Tencent MP articles...\n/available_skills\n\nskill_instructions\n## mp-read Skill\n\n### Steps:\n1. Use headless Chrome to fetch the article URL\n2. Extract plain text content from the rendered page\n3. Return the extracted text\n/skill_instructions},{role:user,content:帮我读一下这篇公众号文章https://mp.weixin.qq.com/s/HHPK6QvclYaxlDg28elN8w}],tools:[{type:function,function:{name:execute_command,description:Execute a shell command in the terminal,parameters:{type:object,properties:{command:{type:string},requires_approval:{type:boolean}}}}}]}关键设计原则指令与工具分离。System Prompt告诉模型“做什么、何时做、怎么做”Tool Schema则告诉模型“用什么做”。二者分层清晰共同构成Skill在HTTP层面的完整表示。3.3 第2步LLM发起Tool CallLLM收到请求后根据System Prompt中的Skill指令判断需要调用execute_command工具来拉取网页。LLM不会真正执行命令而是返回一个结构化的tool_calls响应其中finish_reason为tool_calls{id:msg_abc123,choices:[{finish_reason:tool_calls,message:{role:assistant,content:null,tool_calls:[{id:call_xyz789,type:function,function:{name:execute_command,arguments:{\command\: \node mp-read-cli.js https://mp.weixin.qq.com/s/HHPK6QvclYaxlDg28elN8w\, \requires_approval\: false}}}]}}]}模型的content为null——当模型发起工具调用时它不产生文本内容只产生工具调用请求。这是Tool Calling区别于普通对话的关键特征。3.4 第3步宿主执行工具结果回传Cursor接收到tool_calls响应后解析出函数名和参数由宿主环境本地Shell执行该命令。工具执行完成后Cursor将结果以tool角色消息的形式追加到消息列表中发起第二次API请求{model:claude-4.6-opus,messages:[{role:system,content:...},{role:user,content:帮我读一下这篇公众号文章...},{role:assistant,content:null,tool_calls:[...]},{role:tool,tool_call_id:call_xyz789,content:【公众号文章标题】大模型的Agent Skill功能...\n\n【正文】前几天我在司内论坛...}]}关键点工具执行结果以纯文本形式回传。模型看到的不是原始HTTP响应或网页HTML而是经过Skill脚本处理后的结构化文本。3.5 第4步LLM基于结果生成最终回复模型收到工具执行结果后将其融入上下文生成面向用户的最终回复。此时finish_reason为stopcontent字段包含完整文本对话完成一轮闭环。四、高级扩展MCP协议与A2A协议的技术定位上述流程展示了单个Skill在应用层如何“编译”为HTTP协议原语。但随着Agent生态的演进工具复用与Agent间协作的需求催生了两大开放协议MCP和A2A。它们各自解决不同层面的问题共同构成Agent Skill的技术生态底座。4.1 MCP协议标准化工具调用MCPModel Context Protocol由Anthropic提出旨在标准化LLM与外部工具、数据源的交互方式。它的核心价值在于让不同来源的工具能够被统一发现、描述和调用而无需为每个工具编写适配代码。从HTTP底层来看MCP的核心贡献包括JSON-RPC 2.0通信客户端与MCP服务器之间通过JSON-RPC进行结构化交互。Streamable HTTP传输支持application/json、SSE和Streamable HTTP三种传输方式。其中Streamable HTTP允许在长连接中保持双向通信支持实时推送和异步响应。工具发现机制MCP服务器以标准化格式暴露tools/list接口客户端可以动态发现可用工具及其Schema。安全授权框架基于OAuth 2.1的完整授权框架确保工具调用的安全可控。如果将上一节的Tool Calling比作“函数调用的HTTP承载”那么MCP就是将这种能力标准化为跨平台、跨应用的协议层基础设施。Skill定义了“做什么”MCP定义了“如何连接工具”。4.2 A2A协议Agent间的协作层如果说MCP解决的是“模型到工具”的垂直连接问题那么A2AAgent-to-Agent Protocol解决的就是“Agent到Agent”的水平协作问题。A2A协议由Google在2025年4月推出它的核心特性包括Agent Card每个Agent通过标准的JSON格式宣告自己的能力实现Agent间的自动发现。任务委托一个Agent可以将子任务委托给另一个专门的Agent后者完成后返回结果。多模态通信支持文本、文件、流式数据等多种交互形式。跨框架互操作无论Agent基于LangGraph、CrewAI还是Google ADK构建只要遵循A2A协议即可协作。在企业级场景中A2A和MCP呈现出清晰的协同分工MCP为每个Agent提供访问外部工具和数据源的标准化通道确保Agent“做事有据可依”A2A则让多个专业Agent之间实现任务分发与结果汇总使复杂的端到端流程能够在Agent间无缝流转。二者共同构成了Skill生态的两大支柱。4.3 协议与Skill的协同全景图至此我们可以绘制出Agent Skill技术栈的完整分层视图Skill位于最顶层它向下依赖MCP获取工具能力依赖A2A实现多Agent协作最终将所有行为收敛为标准的LLM API调用。正因为每一层都有清晰的边界和标准化的协议定义Skill的开发门槛才能从“代码级”降低到“文件夹级”——开发者仅需创建一个包含执行脚本和说明文档的文件夹即可完成一个Skill的定义。4.4 前沿研究方向在协议标准化之外学术界正在探索Skill技术的更深层优化SkillRouter技能路由当Agent拥有数十甚至数百个Skills时如何高效地将用户任务路由到正确的技能成为一个关键挑战。SkillRouter提出了一种检索-重排序的两阶段路由方法在基准测试中实现了74.0%的Top-1路由准确率且仅需1.2B参数即可在消费级硬件上运行。SkillSmith技能编译当前Skills的文本表示虽然灵活但运行时需要将完整指令注入上下文造成大量token浪费。SkillSmith提出了一种离线编译框架将Skill的文本描述编译为最小化的可执行接口使Agent在运行时只需加载必要组件从而最小化上下文注入和推理开销。五、总结与展望本文从HTTP底层交互视角出发揭示了Agent Skill的核心本质它不是协议层的新概念而是应用层的巧妙抽象——将复杂的技能分解为System Prompt注入、Tool Schema注册、多轮Tool Calling循环这三个HTTP协议原语的有机组合。理解这一本质后Agent Skill的工程实践思路便豁然开朗想要实现类似功能不需要自研新协议只需在现有OpenAI兼容协议的框架内实现System Prompt动态注入和Tool Calling循环。想要扩展工具生态拥抱MCP协议让工具定义标准化、可复用。想要实现多Agent协作引入A2A协议让Agent之间能够发现、委托和协同。展望未来随着Agent Skills从“文本驱动”向“结构化编译”演进如SkillSmith的离线编译方案以及从“小规模技能库”向“大规模技能路由”扩展如SkillRouter的检索-重排序方案Agent Skill技术正在快速走向成熟。对于企业和开发者而言Skill不是魔法但理解了它在HTTP层面的承载方式就掌握了构建下一代AI Agent应用的钥匙。
