在AI Agent、大模型应用开发的主流语境下，Prompt、Rules、Skills、MCP是构建智能体能力体系的核心概念，彼此分工不同、相互依存，共同支撑智能体完成复杂任务。下面先给出每个概念的精准定义，再系统梳理它们之间的层级、协作与依赖关系。

一、核心概念定义

1. Prompt（提示词）

1.1. 定义：

Prompt即提示词，是向大语言模型（LLM）或AI Agent输入的结构化文本指令，是实现人机交互、引导模型输出符合预期结果的核心媒介。它通过明确的自然语言描述，向模型传递任务目标、执行方式、输出格式、上下文背景、示例参考等关键信息，是模型理解需求、生成响应的直接依据。

Prompt = 你对AI说的话

比如：

  • “帮我写一篇关于春天的诗”
  • “这段代码有什么bug？”
  • “解释一下量子纠缠”

在Agent体系中，Prompt主要分为两类：

  • 系统Prompt（System Prompt）：预先设定的底层指令，定义Agent的核心身份、基础行为准则与通用输出规范，是Agent的“底层人设与基础指令”，通常固定不变。
  • 用户Prompt（User Prompt）：用户实时发起的具体任务请求、问题或交互内容，是Agent单次执行任务的直接触发指令。
1.2. Prompt的特点：
  • 简单直接，就像你在跟人聊天
  • 每次对话都可以不同
  • 适合一次性任务
1.3. Prompt的问题：
  • 如果你经常要做类似的事情，每次都要重新输入Prompt
  • AI可能会”忘记”你之前的设置
  • 无法复用和共享

2. Rules（规则）

2.1 定义：

Rules即规则，是为AI Agent设定的强制性约束、行为边界与合规准则，是不可违背的硬性规范，用于管控Agent的行为逻辑、输出内容与执行范围，避免模型出现偏差、违规或不符合业务需求的行为。

Rules = AI的行为准则

比如：

  • “你是一个专业的程序员，写代码时要遵循PEP8规范”
  • “回复时要简短精炼，不要超过100字”
  • “遇到不确定的信息，要明确告诉用户”

规则的核心是“约束与边界”，常见类型包括：

  • 安全合规规则：禁止输出违法、违规、暴力、歧视等不良内容的约束；
  • 业务流程规则：限定Agent执行任务的流程、权限、数据访问范围；
  • 输出格式规则：强制要求响应的结构、语气、字段完整性；
  • 交互行为规则：限定Agent的对话风格、拒绝策略、异常处理方式。
2.2 Rules的特点：
  • 一次设置，长期生效
  • 定义了AI的”人设”和”行为模式”
  • 适合长期稳定的需求
2.2 Rules的问题：
  • 只能定义”做什么”和”不做什么”，无法定义”怎么做”
  • 无法包含复杂的操作步骤
  • 仍然比较抽象

3. Skills（技能）

3.1 定义：

Skills即技能，是AI Agent具备的可复用、模块化、可执行的任务能力集合，是Agent突破大模型原生能力局限、完成实际业务场景任务的核心支撑。技能是将抽象的任务需求转化为具体可执行动作的标准化单元。

Skills = AI的超能力模板

举个例子：

假设你经常需要从网页抓取数据并生成报告。

  • 用Prompt：每次都要输入”帮我访问这个网页，提取XX数据，然后生成报告”
  • 用Rules：可以设定”你是个数据分析师，生成报告时要包含XX部分”
  • 用Skill：直接调用”网页数据抓取Skill”，它会自动完成访问→提取→分析→生成报告的全流程

Agent的技能通常分为三类：

  • 原生推理技能：基于大模型自身能力的基础技能，如文本理解、逻辑推理、内容总结、语言翻译；
  • 工具调用技能：对接外部系统/工具的扩展技能，如数据库查询、API调用、文档检索（RAG）、代码执行、数据分析；
  • 自定义业务技能：针对特定行业场景封装的专属技能，如客服工单处理、财务报表生成、物流信息查询等。
3.2 一个Skill通常包含：
  • Prompt模板：定义任务目标
  • Rules：设定行为规范
  • 操作步骤：具体的执行流程
  • 工具调用：需要用到的外部工具或API
  • 输出格式：标准化的结果呈现
3.3 Skills的特点：
  • 完整性：从输入到输出的完整方案
  • 可复用：一次创建，多次使用
  • 可共享：可以被其他用户或Agent调用
  • 可组合：多个Skill可以组合完成复杂任务
3.4 Skills的价值：
  • 不用每次都重新描述需求
  • 保证了输出的质量和一致性
  • 可以在社区中共享和交换
  • 让AI真正成为你的”数字员工”

4. MCP（Model Context Protocol，模型上下文协议）

4.1 定义：

MCP（Model Context Protocol）是一个技术协议，它的作用是让AI能够安全、规范地访问外部数据和服务。
它定义了 Agent 与外部资源之间的通信格式、连接方式、权限校验、工具发现、结果返回的统一标准，解决了以往模型对接不同工具时格式混乱、安全不可控、集成成本高的问题，被称为 AI 与外部世界的 “通用接口标准”。

MCP = AI和世界连接的协议

你可以把MCP理解成一套”插座标准”:

  • AI是电器
  • 外部系统（数据库、API、文件系统）是电源
  • MCP是插座标准
4.2 MCP解决的问题：
  • 安全问题：如何让AI安全地访问敏感数据
  • 标准化问题：不同的系统用统一的方式连接
  • 权限管理：AI能做什么、不能做什么
  • 数据隔离：避免AI越界访问不该访问的内容
4.3 MCP与Skills的关系：

Skills是”做什么”，MCP是”怎么安全地做”。

一个Skill在执行过程中，如果需要访问外部系统，就会通过MCP协议来连接。

二、Prompt、Rules、Skills、MCP之间的关系

四者构成「需求触发 → 规则校验 → 能力匹配 → 协议通信 → 结果返回」的完整闭环，是层级分工明确、依次协同、缺一不可的关系，下面从层级定位、动态工作流、两两关联三个维度详细说明。

（一）层级定位关系：四层协同，自上而下驱动

从任务执行的逻辑层级来看，四者形成清晰的自上而下的驱动与支撑结构，每一层都为下一层提供约束或输入，下一层为上一层提供执行保障：

Prompt、Rules、Skills、MCP之间的关系图

  • Prompt：是你和AI对话的起点
  • Rules：定义AI的基本行为规范
  • Skills：封装了完整的任务解决方案
  • MCP：让AI能够安全地连接外部世界
层级 概念 核心定位 核心职责 与其他层的关系
第1层（需求层） Prompt 任务发起者 提出具体任务需求，传递上下文 触发后续所有流程，是整个链路的源头
第2层（管控层） Rules 行为约束者 校验需求合规性，管控执行边界 对 Prompt 的需求进行约束，同时限定 Skills 的调用范围与 MCP 的通信权限
第3层（能力层） Skills 能力执行者 匹配需求，提供具体业务能力 响应 Prompt 的需求，受 Rules 约束，依赖 MCP 实现外部能力的落地
第4层（通信层） MCP 标准连接器 提供安全规范的外部通信通道 为 Skills 提供标准化的外部调用接口，执行 Rules 中定义的权限与安全规则

（二）动态协同工作流：完整的 Agent 任务执行过程

结合实际业务场景，以「Agent 查询企业月度销售数据并生成报表」为例，完整演示四者的协作流程：

  1. Prompt 发起需求
    用户输入 Prompt：「请查询我司2025年12月的销售数据，并生成一份Excel格式的销售报表」。
    系统 Prompt 预先定义：「你是企业财务智能助手，仅可访问销售数据库，输出需合规，禁止泄露敏感数据」。

  2. Rules 执行合规校验
    Agent 基于预设 Rules 对 Prompt 进行校验：

    • 校验权限规则：确认该请求属于销售数据查询范畴，允许访问对应数据库；
    • 校验合规规则：确认无敏感信息泄露风险，允许生成报表；
    • 校验流程规则：规定需先查询数据，再生成报表，不可颠倒执行。
      校验通过后，进入能力匹配环节。

  3. Skills 匹配并发起能力调用
    Agent 根据 Prompt 需求，匹配对应的 Skills：

    • 匹配「销售数据库查询 Skill」：用于获取原始销售数据；
    • 匹配「Excel 报表生成 Skill」：用于将数据格式化为报表。
      此时，Skills 本身无法直接连接外部数据库和文件服务，需要依赖标准化的通信通道。

  4. MCP 提供标准化通信支撑
    Skills 通过 MCP 协议 与外部资源进行安全交互：

    • MCP 按照协议规范，封装数据库查询请求，携带身份与权限凭证；
    • MCP Server 端校验 Rules 中定义的访问权限，验证通过后执行查询；
    • 查询结果通过 MCP 协议标准化返回给 Agent；
    • 后续「Excel 报表生成 Skill」同样通过 MCP 协议，安全调用文件生成服务，完成报表制作。

  5. 结果输出与最终校验
    报表生成后，再次通过 Rules 校验输出格式与内容合规性，最终将结果返回给用户，完成整个任务闭环。

（三）两两之间的核心关联

1. Prompt ↔ Rules

  • Prompt 提出任务需求，Rules 对该需求进行强制性约束与合规审查，决定该需求是否允许执行、以何种方式执行。
  • 系统 Prompt 中通常会嵌入基础的 Rules 描述，而独立的 Rules 模块则是更工程化、可动态配置的约束体系，对 Prompt 形成补充和强管控。
  • 若 Prompt 触发违规需求，Rules 会直接拦截，终止后续流程。

2. Prompt ↔ Skills

  • Prompt 是 Skills 的唯一触发源，Skills 是实现 Prompt 需求的能力载体。
  • 简单的 Prompt（如文本翻译）可仅依赖模型原生 Skills 完成；复杂的 Prompt（如查询数据、生成报表）必须调用外部扩展 Skills 才能落地。
  • Agent 会通过理解 Prompt 的语义，自动匹配并激活对应的 Skills。

3. Skills ↔ MCP

  • Skills 是能力的逻辑定义，MCP 是能力的物理执行通道。
  • 所有需要访问外部工具、数据源的 Skills，都必须通过 MCP 协议完成通信，MCP 为 Skills 提供统一的调用标准、安全校验和结果解析。
  • MCP 解决了 Skills 对接外部资源的碎片化问题，让不同的 Skills 可以用同一套协议规范连接各类外部服务。

4. Rules ↔ MCP

  • Rules 定义权限与安全策略，MCP 负责落地执行这些策略。
  • Rules 中规定的“可访问的数据源”“可调用的工具列表”“传输加密要求”等，都会转化为 MCP 通信过程中的校验规则。
  • MCP 在建立连接、传输数据、返回结果的全流程中，都会实时遵循 Rules 的约束，确保通信行为合规安全。

5. Prompt ↔ MCP

  • 二者无直接交互，Prompt 不直接调用 MCP。
  • Prompt 通过触发 Skills，间接驱动 MCP 启动通信流程；MCP 的执行结果，最终会被整合后，以符合 Prompt 要求的形式返回给用户。

三、关系总结

  1. Prompt 是起点：提出任务需求，开启整个 Agent 执行流程，决定任务的目标与方向。
  2. Rules 是底线：全程管控行为边界与合规性，保障 Agent 安全、有序地执行任务，约束 Prompt、Skills、MCP 的所有行为。
  3. Skills 是核心能力：承接 Prompt 的需求，提供具体的业务执行能力，是 Agent 完成复杂任务的关键。
  4. MCP 是底层支撑：作为标准化通信协议，为 Skills 提供安全、规范的外部资源访问通道，是 Skills 落地外部能力的技术基础。

整体而言，四者的关系可以概括为：Prompt 发令，Rules 把关，Skills 办事，MCP 铺路，共同构成了现代 AI Agent 从需求接收到任务完成的完整能力体系。

__END__