MCP Agent Skill 入门指南：从零构建你的第一个智能代理

1次阅读

共计 1851 个字符，预计需要花费 5 分钟才能阅读完成。

MCP Agent Skill 是构建在 MCP（Multi-turn Conversation Platform）平台上的对话技能单元，与传统技能开发相比，它更像是一个即插即用的对话模块。传统开发往往需要从头实现对话管理、状态维护等底层逻辑，而 MCP Agent Skill 则通过平台提供的标准化接口和工具链，让开发者可以专注于业务逻辑本身。

最大的差异在于：

模块化设计 ：每个 Skill 独立运行，通过平台统一调度，避免单体应用的复杂性
对话管理下沉 ：平台处理多轮对话的上下文维护，开发者只需关注单轮响应
快速集成 ：标准化的意图路由和槽位填充机制，减少重复代码

sequenceDiagram
    participant User
    participant MCP Core
    participant Agent Skill

    User->>MCP Core: 发送用户输入
    MCP Core->>Agent Skill: 路由意图请求
    Agent Skill-->>MCP Core: 返回响应动作
    MCP Core->>User: 输出回复
    loop 多轮对话
        MCP Core->>Agent Skill: 携带上下文状态
    end

对话状态机是 Skill 的核心，下面是一个简单的订单查询状态机示例：

class OrderStatusSkill:
    def __init__(self):
        self.states = {
            'START': self.handle_start,
            'VERIFY_ORDER': self.handle_verify,
            'SHOW_RESULT': self.handle_result
        }
        self.current_state = 'START'

    def handle_input(self, user_input):
        # 状态转移逻辑
        handler = self.states.get(self.current_state)
        return handler(user_input)

    def handle_start(self, input):
        # 初始状态收集订单号
        if extract_order_id(input):
            self.current_state = 'VERIFY_ORDER'
            return "正在查询订单，请稍等..."

下面是一个天气查询 Skill 的完整实现：

# -*- coding: utf-8 -*-
from mcp_agent_sdk import SkillBase

class WeatherSkill(SkillBase):
    def __init__(self):
        super().__init__()
        # 注册意图处理器
        self.intent_handlers = {'query_weather': self.handle_weather_query}

    def handle_weather_query(self, slots, context):
        """处理天气查询意图"""
        # 槽位验证
        if not slots.get('city'):
            return self.ask_slot('city', "请问您想查询哪个城市的天气？")

        # 调用天气 API
        weather_data = get_weather_api(slots['city'])

        # 保持上下文
        context['last_query'] = {'city': slots['city'],
            'time': datetime.now()}

        return self.response(f"{slots['city']} 的天气是 {weather_data['condition']}")