最近你可能常聽到兩個詞：MCP 跟 Skills。它們都是「幫 AI 變得更好用」的方法，但很多介紹一開口就是一堆術語，聽完更暈。這篇用兩個生活比喻——接水電、給食譜——把它們的差別講到你阿姨都聽得懂，最後也聊聊企業要導入 AI 時，這兩個東西各自派得上什麼用場。
先問一個問題：AI 明明很聰明，為什麼常常答不到你要的？
你有沒有這種經驗：問 AI 一個問題，它答得頭頭是道，但就是不是你要的？原因通常不是它笨，是你沒給它足夠的「脈絡」。
你只丟一句任務給它，這叫「下指令」；如果你把背景、你要的格式、相關資料都補齊，它的答案就會準很多——這件事有個名字叫 context engineering（脈絡工程）。而 MCP 跟 Skills，就是兩種幫 AI「補脈絡」的工具。搞懂這個大前提，下面就好懂了。
MCP：像幫 AI 接一條「水電管線」到外面
想像 AI 是一間新房子，但它沒接水、沒接電——外面世界的資料（你公司的客戶系統、資料庫、各種服務）它碰不到。MCP 就是那個「標準規格的水電接頭」，幫 AI 接上這些外部管線。
它做三件事：一，把各種服務的介面包成 AI 看得懂的標準格式（不用你每次把一堆技術文件複製貼上、然後祈禱它別出錯）；二，幫你管好權限——像給一把「只能開特定房間的鑰匙」，AI 只能碰你允許的部分；三，AI 需要資料時送出請求，MCP 幫它去把資料拿回來。一句話：MCP 是 AI 跟外部資料之間的標準通道。
Skills：像給 AI 一本「食譜」或 SOP
接到水電之後，還有一個問題：怎麼讓 AI 每次都用「你要的方式」把事情做出來？AI 有個特性叫「非決定性」——同一個問題問兩次，答法可能不一樣。但很多工作你要的是「每次都一模一樣」，比如報表格式、檢查流程。
這時候就用 Skills。它就像一本食譜、或一份 SOP：你把「這件事該怎麼做」的步驟寫清楚、打包好，放進去。它本質上就是一個文字檔（寫著這個技能叫什麼、什麼時候用、實際怎麼做），資料夾裡還能附上腳本跟範例。最聰明的一點是——它平常不佔空間，你需要用到「那道菜」時，AI 才自動把那本食譜翻出來（例如你問到程式錯誤，它才載入「除錯食譜」）。一句話：Skills 是把一件事的做法，教給 AI、包起來重複用。
那到底該用哪個？
其實它們解的是不同問題，很多時候是一起用的。簡單分辨：
- 要 AI 即時去拿外部資料、又要管好權限（例如：現在系統跑得怎樣？某個客戶的資料？）→ 用 MCP。
- 只是要教 AI 一個可重複的做法、不需要接外部系統（例如：把 Excel 整理成固定格式、跑一套檢查、用固定風格做圖）→ 用 Skills，更輕巧。
- 常見組合：MCP 負責「把料拿回來」，Skills 負責「把料做成你要的樣子」。
記一句話就好：MCP 接資料，Skills 教做事。兩個都是開源的、幾乎所有 AI 工具都支援、現在就能用。
企業要導入 AI，這兩個怎麼落地
我除了教門市第一線，也在幫公司內部同仁建立 AI 觀念、推動導入。這組概念其實是企業落地 AI 很關鍵的一步——因為企業真正的痛點，往往不是「AI 會不會聊天」，是「AI 能不能安全地接到我們自己的系統、還每次都照我們的規矩做」。
用這篇的比喻跟同仁講就很清楚：MCP 是「怎麼讓 AI 安全連到公司的資料，而且權限控管得住」（這通常是資訊部門最在意的）；Skills 是「把公司做事的標準流程教給 AI，讓它每次產出都符合規範」（這是各部門把自己的 know-how 沉澱下來的方式）。當你把 AI 導入拆成這兩塊，同仁就不會覺得它是個黑盒子，而是「一個可以接管線、也可以教規矩的新同事」。
小結
AI 好不好用，關鍵從來不只是模型多強，而是你有沒有幫它接對管線（MCP）、教對做法（Skills）。下次再聽到這兩個詞，你就想：一個是水電接頭、一個是食譜。你工作上，最想先幫 AI 接哪條「管線」、或教它哪一道「菜」？
▶ 完整說明影片
本文整理改寫自 IBM Technology 的影片《MCP vs Skills: Which Is Right for Your AI Agent and LLMs?》，用科普方式重新詮釋，結合我做企業 AI 導入的經驗。原片：youtu.be/goU9VIXA8II
留言
張貼留言