Home
Blog
MCP 已經過時了嗎？Anthropic運送技能的真正原因-以及如何搭配Milvus

MCP 已經過時了嗎？Anthropic運送技能的真正原因-以及如何搭配Milvus

Tutorials

November 19, 2025

Min Yin

在過去幾個星期，X 和 Hacker News 上爆發了一場令人驚訝的激烈爭論：我們真的還需要 MCP 伺服器嗎？有些開發人員聲稱 MCP 過度工程化、渴求代幣，而且與代理應該如何使用工具根本不符。其他人則為 MCP 辯護，認為 MCP 是讓語言模型曝露真實世界功能的可靠方法。視您閱讀的主題而定，MCP 不是工具使用的未來，就是死路一條。

這種挫折感是可以理解的。MCP 可以讓您強大地存取外部系統，但也會強迫模型載入冗長的模式、煩瑣的描述，以及龐大的工具清單。這會增加實際成本。如果您下載會議謄本，之後再將其輸入到其他工具中，模型可能會多次重新處理相同的文字，這樣會增加代幣的使用量，卻沒有明顯的好處。對於規模運作的團隊而言，這並非不便，而是帳單。

但宣稱 MCP 已經過時還言之尚早。Anthropic (發明 MCP 的同一個團隊) 悄悄地推出了新的東西：Skills。Skills 是輕量級的 Markdown/YAML 定義，說明工具應該如何以及何時使用。該模型不會將完整的模式傾倒到上下文視窗中，而是會先讀取精簡的元資料，然後再利用這些元資料進行規劃。在實踐中，Skills 大幅降低了符記開銷，並讓開發人員對工具協調有更多控制。

那麼，這是否意味著 Skills 將取代 MCP？不完全是。Skills 可簡化規劃，但 MCP 仍會提供實際功能：讀取檔案、呼叫 API、與儲存系統互動，或插入Milvus 等外部基礎架構，Milvus 是一個開放原始碼向量資料庫，可支援大規模的快速語意檢索，因此當您的 Skills 需要真正的資料存取時，它是一個重要的後端。

這篇文章將分別說明 Skills 的優點、MCP 仍然重要的地方，以及兩者如何融入 Anthropic 不斷演進的代理體架構。接下來，我們將介紹如何建立您自己的 Skills，並與 Milvus 整合。

Anthropic Agent Skills 是什麼？

傳統 AI 代理程式長久以來的痛點是，指令會隨著對話的增加而消失。

即使有最精心製作的系統提示，模型的行為也會在對話過程中逐漸偏移。在幾個回合之後，Claude 開始忘記或不專注於原本的指示。

問題在於系統提示的結構。它是一次性的靜態注入，在模型的上下文視窗中與對話記錄、文件和任何其他輸入一起競爭空間。當上下文視窗填滿時，模型對系統提示的注意力就會變得越來越少，導致隨著時間的推移而失去一致性。

技能就是為了解決這個問題而設計的。技能是包含指令、腳本和資源的資料夾。與其依賴於靜態的系統提示，技能將專門知識分解成模組化、可重複使用且持久的指令包，Claude 可以在任務需要時發現並動態載入這些指令包。

當 Claude 開始執行任務時，它會首先讀取所有可用 Skills 的 YAML 元資料 (只有幾十個符記)，對所有可用的 Skills 執行輕量級掃描。這些元資料提供了足夠的資訊，讓 Claude 判斷某個 Skill 是否與目前的任務相關。如果是的話，Claude 會擴展到完整的指令集 (通常少於 5k tokens)，只有在必要時才會載入其他資源或腳本。

這種循序漸進的揭露方式讓 Claude 只需 30-50 個指令碼即可初始化一個 Skill，大幅提升效率並減少不必要的上下文開銷。

Skills 與 Prompts、Projects、MCP 及 Subagents 的比較

現今的模型工具環境可能會讓人覺得很擁擠。即使僅在 Claude 的代理生態系統中，就有數個截然不同的元件：Skills、prompts、Projects、subagents 和 MCP。

既然我們瞭解了什麼是 Skills，以及它們如何透過模組化指令束和動態載入來運作，我們就需要知道 Skills 與 Claude 生態系統的其他部分，尤其是 MCP，有什麼關係。以下是摘要：

1.技能

Skills 是包含指令、腳本和資源的資料夾。Claude 使用漸進式揭露方式動態發現並載入它們：首先是元資料，然後是完整的指令，最後是任何所需的檔案。

最適合

組織工作流程 (品牌準則、合規程序)
專業領域 (Excel 公式、資料分析)
個人偏好 (筆記系統、編碼模式)
需要在不同對話中重複使用的專業任務 (基於 OWASP 的程式碼安全檢閱)

2.提示

提示是您在會話中給予 Claude 的自然語言指示。它們是臨時的，只存在於目前的會話中。

最適用於

一次性要求（總結一篇文章、格式化一份清單）
會話改進（調整語氣、增加細節）
即時情境 (分析特定資料、詮釋內容)
臨時指示

3.專案

專案是獨立的工作區，有自己的聊天記錄和知識庫。每個專案提供 200K 的上下文視窗。當您的專案知識接近上下文限制時，Claude 會無縫轉換為 RAG 模式，讓有效容量擴充 10 倍。

最適合

持久性上下文 (例如：與產品發表相關的所有對話)
工作區組織 (不同的計畫有不同的情境)
團隊協作（在團隊和企業計畫中）
自訂指示 (專案特定的語氣或角度)

4.子代理

副代理是專門的 AI 助手，擁有自己的情境視窗、自訂系統提示和特定工具權限。他們可以獨立工作，並將結果回傳給主代理。

最適合

任務專業化 (程式碼檢閱、測試產生、安全稽核)
情境管理 (保持主會談專注)
平行處理 (多個子代理同時處理不同方面)
工具限制 (例如：唯讀存取)

5.MCP（模型上下文通訊協定）

Model Context Protocol (MCP) 是一個開放標準，可將 AI 模型連接到外部工具和資料來源。

最適用於

存取外部資料 (Google Drive、Slack、GitHub、資料庫)
使用業務工具 (CRM 系統、專案管理平台)
連接開發環境（本機檔案、IDE、版本控制）
整合自訂系統（專屬工具和資料來源）

基於以上所述，我們可以看到 Skills 與 MCP 可解決不同的挑戰，並共同發揮相輔相成的作用。

維度	MCP	技能
核心價值	連接外部系統（資料庫、API、SaaS 平台）	定義行為規格（如何處理及呈現資料）
回答問題	"Claude 可以存取什麼？	"Claude 應該做什麼？
實作	用戶端伺服器通訊協定 + JSON 模式	Markdown 檔案 + YAML 元資料
內容消耗	數以萬計的代幣 (多台伺服器累積)	每次操作 30-50 個令牌
使用案例	查詢大型資料庫、呼叫 GitHub API	定義搜尋策略、套用過濾規則、輸出格式化

讓我們以程式碼搜尋為例。

MCP (例如 claude-context)：提供存取 Milvus 向量資料庫的能力。
技能：定義工作流程，例如優先處理最近修改的程式碼、依相關性排序結果，以及以 Markdown 表格呈現資料。

MCP 提供能力，而 Skills 定義流程。兩者相輔相成。

如何使用 Claude-Context 和 Milvus 建立自訂技能

Claude-Context是一個 MCP 外掛，可為 Claude Code 增加語意程式碼搜尋功能，將整個程式碼庫轉換成 Claude 的上下文。

先決條件

系統需求：

Node.js：版本 >= 20.0.0 且 < 24.0.0
OpenAI API 金鑰(用於嵌入模型)
Zilliz Cloud API 金鑰(管理的 Milvus 服務)

步驟 1：配置 MCP 服務 (claude-context)

在終端執行下列指令：

claude mcp add claude-context \
  -e OPENAI_API_KEY=sk-your-openai-api-key \
  -e MILVUS_ADDRESS=https://xxxxxxxxx-cn-hangzhou.cloud.zilliz.com.cn \
  -e MILVUS_TOKEN=your-zilliz-cloud-api-key \
  -e COLLECTION_NAME=medium_articles \
  -- npx @zilliz/claude-context-mcp@latest

檢查設定：

claude mcp list

MCP 設定完成。Claude 現在可以存取 Milvus 向量資料庫。

步驟 2：建立技能

建立 Skills 目錄：

mkdir -p ~/.claude/skills/milvus-code-search
cd ~/.claude/skills/milvus-code-search

建立 SKILL.md 檔案：

---
name: milvus-code-search
description: A semantic code search and architecture analysis skill designed for the Milvus codebase
---
## Instructions
When the user asks questions related to the Milvus codebase, I will:
1. Code Search : Use semantic search to locate relevant code snippets across the Milvus repository

2. Architecture Analysis : Analyze Milvus’s module structure, component relationships, and design patterns

3. Feature Explanation : Explain how specific features are implemented and how the corresponding logic works

4. Development Guidance : Provide suggestions, best practices, and improvement ideas for modifying the code
## Target Repository

Core Modules:

<span class="hljs-keyword">internal</span>/ — Core internal components
pkg/ — Public packages and utilities
client/ — Go client implementation
cmd/ — Command-line tools


## Usage Examples
### Architecture Query
User: How does Milvus’s query coordinator work?

Assistant: (searching for querycoordv2) Let me walk you through how the query coordinator operates in Milvus…
### Feature Implementation
User: How does Milvus implement vector indexing?

Assistant: (searching for index code) The vector indexing logic in Milvus is mainly implemented in the following modules…
### Code Understanding
User: What does this function do? (points to a specific file)  

Assistant: (analyzing the surrounding code) Based on the context of the Milvus codebase, this function is responsible for…
### Development Guidance
User: How can I add a new vector distance metric to Milvus?

Assistant: (searching for distance implementations) Following the existing pattern, you can add a new distance method by…
## Best Practices
1. Precise Search : Use specific technical terms and module names

2. Contextual Understanding : Interpret code within Milvus’s overall system architecture

3. Actionable Advice : Provide practical, implementation-ready suggestions

4. Performance Awareness : Consider Milvus’s requirements as a high-performance vector database

A custom code-search Skill tailored for the open-source Milvus vector database project.