深度解析：skill和mcp的调用机制——大模型直接调用还是Agent代理？

2次阅读

没有评论

共计 2165 个字符，预计需要花费 6 分钟才能阅读完成。

在 AI 系统中，skill和 mcp 是两种常见的功能模块：

Skill（技能）：指完成特定任务的独立功能单元，例如自然语言处理中的意图识别、实体提取等。通常以 API 形式暴露，供其他组件调用。
MCP（Model Control Plane，模型控制平面）：负责管理大模型的加载、卸载、版本切换等生命周期操作，确保模型服务的稳定性和可用性。

两者的典型应用场景包括对话系统、推荐引擎、自动化流程等需要动态调用 AI 能力的场景。

直接调用指客户端（如应用服务器）通过 REST API 或 gRPC 直接访问大模型服务。架构特点：

低延迟：请求直达模型服务，无中间环节
简单链路：适合轻量级、低频调用场景
强耦合：客户端需处理模型版本、输入输出格式等细节

Agent 作为中间层，负责请求路由、负载均衡、结果缓存等。架构特点：

解耦：客户端只需与 Agent 交互，不感知后端模型细节
弹性扩展：Agent 可集成熔断、降级等容错机制
额外开销：增加网络跳数，适合高并发、复杂业务场景

import requests
from datetime import datetime, timedelta
import jwt

# JWT 鉴权生成
def generate_token(api_key, secret):
    payload = {
        'iss': api_key,
        'exp': datetime.utcnow() + timedelta(minutes=10)
    }
    return jwt.encode(payload, secret, algorithm='HS256')

# 调用 skill 服务
def call_skill_api(text, skill_id):
    token = generate_token('YOUR_API_KEY', 'SECRET_KEY')
    headers = {'Authorization': f'Bearer {token}'}
    payload = {'text': text, 'skill_id': skill_id}

    response = requests.post(
        'https://model-service/api/v1/skill',
        json=payload,
        headers=headers,
        timeout=5  # 设置超时
    )
    return response.json()

package main

import (
    "github.com/go-redis/redis"
    "github.com/streadway/amqp"
)

// 任务队列处理
type TaskDispatcher struct {
    redisClient *redis.Client
    rabbitConn  *amqp.Connection
}

func (d *TaskDispatcher) HandleSkillRequest(skillID string, input []byte) ([]byte, error) {
    // 1. 写入 Redis 做幂等校验
    requestID := generateRequestID(skillID, input)
    if exists, _ := d.redisClient.Exists(requestID).Result(); exists > 0 {return d.redisClient.Get(requestID).Bytes()}

    // 2. 发布到 RabbitMQ
    ch, _ := d.rabbitConn.Channel()
    defer ch.Close()

    q, _ := ch.QueueDeclare("skill_tasks", true, false, false, false, nil)
    _ = ch.Publish("", q.Name, false, false, amqp.Publishing{
        ContentType: "application/json",
        Body:        input,
    })

    // 3. 异步等待结果（实际生产环境用回调或长轮询）// ...
}