AI Agent 如何调用工具：Tools、MCP、CLI 与 Skills

Tools、MCP、CLI 和 Skills 经常出现在同一套 Agent 系统中，但它们不是同一种扩展机制。

Tools 描述模型可以发起的动作；MCP 规定 Agent 主机与外部程序如何交换能力和数据；CLI 是程序已有的命令行接口；Skills 则是一组按需加载的任务说明。一个实际任务可能同时用到四者。

本文以 NanoBot 的实现为出发点，同时参考 MCP 和 Agent Skills 的公开规范。项目中的具体设计会单独说明，避免把某个框架的做法当成通用标准。

01｜四个概念分别处在哪一层

四者可以按职责分成下面几类：

这里最容易混淆的是 Tools 和 MCP。MCP Server 可以向客户端提供 Tools，但 MCP 还包含 Resources 和 Prompts。反过来，Tools 也不一定来自 MCP；Agent 主机可以直接注册本地工具。

CLI 和 Skills 的位置又不相同。CLI 是软件接口，调用后会启动实际进程。Skill 通常是 Markdown 文档，它描述怎样完成任务，执行时仍要调用 Tool、CLI 或其他可用能力。

02｜Tools：模型与执行程序之间的调用格式

大模型不会直接执行函数。Agent 主机需要先把工具定义发给模型，模型再根据对话生成一条结构化调用请求。

一项工具定义通常包含名称、用途说明和参数结构。例如：

{
  "name": "web_search",
  "description": "搜索公开网页并返回结果",
  "parameters": {
    "type": "object",
    "properties": {
      "query": { "type": "string" }
    },
    "required": ["query"]
  }
}

模型可能返回下面这条调用：

{
  "name": "web_search",
  "arguments": {
    "query": "MCP architecture"
  }
}

Agent 主机收到请求后校验参数，执行对应函数，再把结果作为一条工具消息发回模型。模型根据结果继续调用工具，或者生成最终回复。

工具定义会占用上下文。注册十几个短工具时影响通常不大；工具达到几十个甚至上百个后，主机往往需要增加筛选、分组或延迟加载。否则模型既要阅读大量 Schema，也更容易在名称相近的工具之间选错。

适合直接注册为 Tool 的能力通常比较具体，例如读取文件、执行搜索、查询一条记录或创建日程。需要很多步骤和分支判断的任务，不适合全部塞进一个参数复杂的大工具。

03｜MCP：统一外部能力的发现与调用

MCP 采用 Host、Client、Server 三层结构。Host 是承载模型和用户会话的应用；每个 Client 维护一条与 Server 的连接；Server 提供工具或上下文。

MCP Server 可以运行在本机，也可以部署在远端。本地进程通常使用 STDIO，远端服务通常使用 Streamable HTTP。因此，把 MCP 简单称为“远程工具协议”并不准确。

MCP Server 可以公开三类主要能力：

• Tools：可以执行的函数，例如查询数据库或创建工单；
• Resources：供客户端读取的数据，例如文件内容、数据库结构或知识库记录；
• Prompts：带参数的提示模板，用于描述某类固定交互。

客户端通过 tools/list 获取工具列表，通过 tools/call 发起调用。工具输入由 JSON Schema 描述，返回值可以包含文本、图片或结构化内容。

协议没有要求 Host 必须把 Server 提供的全部工具一次性传给模型。有的 Agent 会在连接后全部注册，有的会先搜索目录，再加载相关工具。权限确认、工具筛选、上下文管理和审计也由 Host 负责，不属于 MCP Server 自动解决的范围。

04｜CLI：直接使用已有软件的命令行接口

很多开发和内容处理软件已经提供稳定的 CLI。Agent 只要有受控的进程执行工具，就可以调用 Git、FFmpeg、Docker、ImageMagick 或 gh，不需要为每个命令重新封装一套远程服务。

下面这条命令把图片裁成公众号头图尺寸：

magick cover.png -resize 900x383^ -gravity center -extent 900x383 cover-wechat.png

CLI 适合输出明确、容易复现的操作。对 Agent 来说，支持 JSON 输出的命令比面向人阅读的彩色日志更容易处理；明确的退出码也便于判断执行是否成功。

安全问题主要出在命令构造和权限范围。如果执行器把模型生成的字符串直接交给 Shell，分号、管道、重定向和变量替换都会被解释。比较稳妥的做法是使用参数数组启动指定程序，并限制可执行文件、工作目录、运行时间和环境变量。删除、发布、付款等操作仍应单独审批。

NanoBot 的 CLI APP 是一种项目级设计：多个外部程序共用一个执行入口，每个程序再配一份 Skill，说明命令和参数。模型只需要常驻一个入口工具，具体用法在任务命中后读取。这种做法适合 CLI 数量较多的系统，但不是所有 Agent 都必须采用的结构。

05｜Skills：按任务加载的说明和资源

Agent Skills 规范把一个 Skill 定义为目录，其中至少有一个 SKILL.md。文件顶部用 YAML 记录名称和描述，正文写操作步骤。目录还可以包含脚本、参考文档和模板。

一份常见的 Skill 目录如下：

wechat-writing/
├── SKILL.md
├── scripts/
├── references/
└── assets/

Skills 的加载通常分为三个阶段：Agent 启动时只看到名称和描述；任务匹配后读取完整 SKILL.md；执行到具体步骤时，再打开相关脚本、参考文档或模板。

这种加载方式适合长流程。比如“把技术文章改成公众号”涉及获取原文、重新组织、核对事实、制作图片和排版。把这些要求全部写进常驻系统提示会浪费上下文，拆成 Skill 后只在相关任务中加载。

Skill 里可以附带脚本，但文档本身没有执行能力。文件读取、网页访问、图片生成和内容发布仍由 Agent 已经拥有的工具完成。

06｜四种机制在一个任务中的组合

以“把技术博客改成公众号文章”为例，一次执行可能包含以下步骤：

1. Agent 根据技能目录找到公众号写作 Skill，读取其中的内容和排版规则；
2. 模型调用网页读取 Tool 获取原文；
3. 网页读取能力可能由主机内置，也可能来自 MCP Server；
4. 完成改写后，模型调用图片生成 Tool 制作头图；
5. 主机通过 ImageMagick CLI 裁切图片；
6. Skill 规定的检查流程核对标题长度、图片数量和 HTML 格式。

这条链路中，Skill 提供执行顺序，Tool 向模型暴露具体动作，MCP 负责连接外部服务，CLI 运行本机程序。它们在同一次任务中分别承担不同工作。

Skill：任务步骤和检查规则
  └─ Tool：模型可调用的结构化动作
       ├─ 主机内置函数
       ├─ MCP Server
       └─ CLI / API / 本地代码

07｜如何选择扩展方式

选择哪种机制，主要取决于现有能力的形态。

这些选择可以组合。一个数据库 MCP Server 会向模型提供查询 Tools；一个数据分析 Skill 可以调用这些 Tools，也可以运行本地 Python CLI。架构设计时没有必要强行只选其中一种。

实际落地还要考虑调用频率、延迟、权限和维护成本。只有一两个内部函数时，直接注册 Tool 最简单；需要跨产品复用时，MCP 的价值才会明显。CLI 适合已有程序，Skill 适合复用操作方法。

08｜工具数量增加后的工程问题

Agent 可以连接的工具越来越多，系统需要处理的工作也随之变化。除了执行工具本身，还要管理工具发现、权限确认、调用日志、超时、重试和失败恢复。

一次性向模型提供大量工具并不一定有效。工具描述会占用上下文，相似名称会增加误选概率，危险操作也需要更细的授权。常见的处理方式包括按任务筛选工具、采用目录式发现、把长说明移到 Skills，以及给写操作增加人工确认。

Tools、MCP、CLI 和 Skills 可以放进同一套系统，但它们的边界需要在实现中保持清楚：Tool 是模型看到的调用格式；MCP 是连接和交换协议；CLI 是程序接口；Skill 是任务说明。后续调试时，才能判断问题发生在模型选择、主机路由、外部执行还是流程配置。

参考资料

• 原始文章：Neohope，《AI Agent 是如何使用工具的：Tools、MCP、CLI、Skills 四种机制深度解析》
• Model Context Protocol：Architecture Overview、Understanding MCP Servers
• OpenAI API：Function Calling
• Agent Skills：Specification、Adding Skills Support
• HKUDS：NanoBot、CLI-Anything

本文在原始文章的基础上重新组织，并补充了公开规范中的定义。资料访问日期：2026 年 8 月 3 日。