前言
现在有很多大模型：chatgpt、通义千问（Qwen）、豆包（Doubao-Seed）等。
大模型发展到现在，我直接使用 google 搜索引擎的频率，降低了很多。
使用大模型的编辑器，比如 cursor、Trae ，挺好。（微软的 vscode，是一个改变生态的编辑器。）
本文简单介绍下 Trae 中，如何使用 MCP 和 skill。
我对这些新东西不咋会用，感觉有点落后于时代了。
Agent, MCP 和 skill 简介
相关链接：Hello-Agents
“MCP” 和 “skill” 是两个名词。本节简单介绍下这两个名词。详细内容，见上面链接。
Agent 简介
大型语言模型（large language model，LLM）能够预测人类语言语料库中固有的句法、语义，且展示出相当多训练期间“记住”的关于世界的常识。
现在，我希望 LLM 做这样的事情：请根据今天的天气，给我推荐下本地的旅游景点。
LLM 是无法直接完成这件事的。
我们创建了一个名为 Agent（智能体）的程序，来做这件事。
- Agent 告诉 LLM：
- 我当前有一套外部工具的接口，query_weather()、tourist_attractions_information()。
- 当我给你输入一段文字的时候，你感觉需要调用哪个接口时，请务必返回接口的名词。
- 请你实现“根据今天的天气，给我推荐下本地的旅游景点”
- LLM 接受到上面的内容后，回复：你调用下 “query_weather”
- Aagent 收到回复后：
- 解析字符串，发现要调用 query_weather。
- 于是 Agent 这个程序调用这个函数，并返回了今天天气信息，比如返回内容为 “晴天，16 度”
- 然后再次问LLM：“请根据今天的天气，给我推荐下本地的旅游景点”+ “今天晴天，16 度”
- LLM 接受到上面的内容后，回复调用 “tourist_attractions_information”
- Aagent 收到回复后：
- 解析字符串，发现要调用 tourist_attractions_information
- 于是 Agent 这个程序调用这个函数，并返回热门的景点信息，比如“故宫，八达岭，颐和园”
- 然后再次问LLM：“请根据今天的天气，给我推荐下本地的旅游景点”+ “今天晴天，16 度” + “本地的景点有故宫，八达岭，颐和园”
- LLM 接受到上面的内容后回复：建议去八达岭长城吧，气候正事宜，巴拉巴拉。
整体流程可能是这样，网上是这么说的。
则，我们现在可以给 agent 做功能定义了：能够根据目标，自主规划，调用工具，并执行一系列行动来完成任务的 AI 系统。
MCP 简介
详细请阅读： 第十章 智能体通信协议
MCP（Model Context Protocol）用于 Agent 与工具的标准化通信。它提供了一套标准化的接口规范，让智能体能够以统一的方式访问各种外部服务，而无需为每个服务编写专门的适配器。这就像互联网的 TCP/IP 协议，它让不同的设备能够相互通信。
日常我们使用/提到 MCP 的话，更多的是 MCP 服务。即，与 Agent 交互的外部服务。
skill 简介
详细请阅读：hello-agents/Extra-Chapter/Extra05-AgentSkills解读.md
Agent Skills 是一种标准化的程序性知识封装格式。如果说 MCP 为智能体提供了”手”来操作工具，那么 Skills 就提供了”操作手册”或”SOP（标准作业程序）”，教导智能体如何正确使用这些工具。
这种设计理念源于一个简单但深刻的洞察：连接性（Connectivity）与能力（Capability）应该分离。MCP 专注于前者，Skills 专注于后者。这种职责分离带来了清晰的架构优势：
- MCP 的职责：提供标准化的访问接口，让智能体能够”够得着”外部世界的数据和工具
- Skills 的职责：提供领域专业知识，告诉智能体在特定场景下”如何组合使用这些工具”
用一个类比来理解：MCP 像是 USB 接口或驱动程序，它定义了设备如何连接；而 Skills 像是软件应用程序，它定义了如何使用这些连接的设备来完成具体任务。你可以拥有一个功能完善的打印机驱动（MCP），但如果没有告诉你如何在 Word 里设置页边距和双面打印（Skill），你仍然无法高效地完成打印任务。
Trae 中 MCP 和 skill 的使用
详细见官方文档什么是 TRAE ？ – 文档 – TRAE CN
MCP 的使用
按需添加吧，和安装插件的流程差不多。
比如，我们使用 Trae 看代码的时候，希望将 pdf 的官方资料，添加到 Agent 的上下文中，这个 MCP 就很方便。
skill 的使用
比如，我们想在 Trae CN 中 使用 gemini-cli/.gemini/skills/code-reviewer/SKILL.md 这个 skill，进行代码 review。因为这是一个比较通用的 skill，我希望它可以全局使用，我可以将其放入到家目录下。
root@localhost ~/.trae-cn# pwd
/root/.trae-cn
root@localhost ~/.trae-cn# mkdir -p skills/code-reviewer
root@localhost ~/.trae-cn# cd skills/code-reviewer/
注意，因为我是通过 remote ssh 方式开发的。所以，当我希望全局使用某个 skill 的时候不，我需要将其放到家目录下。
注： remote ssh 方式下，下面这样上传 skill 不起作用。
