Claude Code 扩展机制：理解 MCP、Skills 与 Agent 协作

前言

Claude Code 不是一个孤立的命令行工具——它通过 MCP、Skills 和 Agent 三层机制，可以接入外部数据源、复用工作流程、编排多智能体协作。

这篇文章从概念到配置，把这三种机制说清楚。

---

一、MCP（Model Context Protocol，模型上下文协议）

MCP 是什么

MCP 是 Anthropic 提出的一套开放协议，让 AI 模型能安全地访问外部工具和数据源。你可以把它理解为”AI 的 USB 接口”——只要实现了 MCP 协议，任何工具和数据源都能被 Claude 调用。

在没有 MCP 之前，让 AI 查数据库或调 API 需要自己写代码封装 Function Calling。有了 MCP，第三方直接提供现成的 MCP Server，配置一下就能用。

MCP 的架构

Claude Code（客户端）
    │
    ├── MCP Server A ── 连接数据库，执行 SQL 查询
    ├── MCP Server B ── 连接 GitHub API，管理 Issue 和 PR
    ├── MCP Server C ── 连接文件系统，读取项目文档
    └── MCP Server D ── 连接 Jira，查询任务状态

每个 MCP Server 是一个独立进程，暴露特定的工具（Tool）、资源（Resource）和提示模板（Prompt）。Claude 需要时调用对应的 Server，用完就断开，Server 挂了也不影响 Claude 主进程。

配置 MCP Server

在 Claude Code 中，配置 MCP 拥有全局用户级与项目级两种范围作用域：

1. 用户全局范围 (User Scope)：推荐的全局配置文件路径是 ~/.claude.json。
   • 注：为了方便过渡，Claude Code 在启动时也会自动读取和导入 Claude Desktop 的 ~/.claude/claude_desktop_config.json 中的配置。
2. 项目级范围 (Project Scope)：配置文件为项目根目录下的 .mcp.json。
   • ⚠️ 重要安全提示：由于项目级配置会随 Git 提交，所以 .mcp.json 必须存放在项目的根目录中（切忌放在 .claude/ 子目录下）。在首次启动带有项目配置的 claude 时，系统出于安全考量会主动向你发起授权确认。

方式一：使用内置的 CLI 命令进行增删（推荐，极简快捷）

Claude Code 提供了极为好用的命令行工具来管理 MCP 插件，它会自动为你写好上述的 JSON 配置文件，完全无需手动编辑：

# 1. 交互式添加一个全局 MCP 插件 (会在 ~/.claude.json 中创建)
claude mcp add --scope user sqlite -- uvx mcp-server-sqlite --db-path /path/to/db.sqlite

# 2. 为当前项目单独添加 MCP 插件 (会在项目根目录生成 .mcp.json，可随 Git 提交共享给团队)
claude mcp add --scope project github -- npx @anthropic/mcp-server-github --env GITHUB_PERSONAL_ACCESS_TOKEN=ghp_xxxx

# 3. 列出当前已加载并激活的所有 MCP 服务
claude mcp list

# 4. 删除某个已配置的 MCP 服务
claude mcp remove <server-name>

方式二：手动编辑 JSON 配置文件

你也可以手动新建或修改 ~/.claude.json (全局) 或项目根目录下的 .mcp.json (项目级)，其结构是一致的：

{
  "mcpServers": {
    "sqlite": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/path/to/db.sqlite"]
    },
    "github": {
      "command": "npx",
      "args": ["@anthropic/mcp-server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxx"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["@anthropic/mcp-server-filesystem", "/path/to/allowed/dir"]
    }
  }
}

配置完成后，Claude 就会获得相应工具的超能力。你可以直接在交互窗口中要求它调用：

# 进入交互模式后，直接让 Claude 执行相关任务
# 或者使用非交互模式单次调用：
claude -p "用 sqlite 查询 users 表里有多少用户"

常用 MCP Server

MCP Server	用途
mcp-server-sqlite	操作 SQLite 数据库
mcp-server-postgres	操作 PostgreSQL
mcp-server-github	GitHub Issue/PR/仓库管理
mcp-server-filesystem	文件系统读写（限定目录）
mcp-server-jira	Jira 任务查询和创建
mcp-server-slack	Slack 消息发送
mcp-server-puppeteer	浏览器自动化
mcp-server-brave-search	Brave 搜索引擎

MCP 和其他方案的区别

	MCP	Function Calling	LangChain Tools
标准化	开放协议，多模型通用	OpenAI 私有格式	LangChain 生态内
部署方式	独立进程，和新模型隔离	嵌入在请求中	嵌入在代码中
跨模型	Claude/GPT 都能用	主要在 OpenAI 用	看封装
复用性	一次开发到处用	需要适配不同模型	只在 LangChain 内

MCP 最大的优势是标准化和跨模型。写一个 MCP Server 就能给 Claude、GPT、开源模型一起用。Function Calling 则绑定了 OpenAI 的 API 格式，跨模型需要适配。

而现在 GPT 也已宣布支持 MCP 协议，这意味着 MCP 正在成为 AI 工具接入的事实标准。

---

二、Skills（技能）

Skills 是什么

Skills 是可复用的任务模板——把”怎么做某件事”写成配置文件，Claude Code 收到相关任务时自动加载对应的 Skill，不需要每次都写一遍长长的 Prompt。

简单说，Skill 就是你给 Claude Code 写的”操作手册”。比如”部署到生产环境”这个任务很复杂，你可以把它写成一个 Skill，以后只需要说一句”部署”，Claude 就知道该怎么做。

内置 Skills

Claude Code 内置了一些常用 Skills，如代码审查、安全审查、PR 审查等。可以通过 / 命令触发：

# 交互模式下
/code-review        # 审查当前变更
/security-review    # 安全审查
/review             # PR 审查
/simplify           # 简化/优化代码
/init               # 初始化 CLAUDE.md

自定义 Skill

Skill 文件放在项目的 .claude/skills/ 目录下，是一个 Markdown 文件：

---
name: deploy-to-production
description: 将项目部署到生产环境的完整流程
trigger: deploy|部署|上线
---

## 部署前检查
1. 运行 `npm run test` 确保所有测试通过
2. 运行 `npm run build` 确认构建成功
3. 检查 `.env.production` 中的环境变量是否已更新

## 部署步骤
1. `git push origin main`
2. 等待 CI 流水线通过
3. SSH 到生产服务器: `ssh user@prod-server`
4. `cd /var/www/myapp && git pull && docker compose up -d --build`
5. 运行冒烟测试: `curl -f https://example.com/health`

## 部署后验证
1. 检查日志: `docker compose logs -f --tail=50`
2. 验证首页加载: `curl -I https://example.com`
3. 如果有异常，执行回滚: `docker compose up -d --rollback`

使用方式：

# 触发自定义 Skill
claude "部署到生产环境"
# Claude 会自动加载 deploy-to-production skill 并按步骤执行

# 或者直接指定
claude --skill deploy-to-production

Skills 的特点

• 可复用：写一次，团队共用
• 可组合：一个 Skill 可以调用另一个 Skill
• 版本控制：Skill 文件放在项目 Git 仓库里，随代码一起管理
• 上下文自动加载：匹配到关键词自动注入到对话上下文中

---

三、Agent 模式（子智能体）

Agent 是什么

Claude Code 的 Agent 模式允许主对话派出子 Agent 去执行独立任务。子 Agent 有自己的上下文窗口，完成后把结果返回给主对话。

这带来几个好处：

• 并行处理：多个子 Agent 同时干活
• 上下文隔离：子 Agent 不会污染主对话的上下文
• 专业分工：每个子 Agent 可以有独立的系统提示和工具权限

Agent 的典型工作流

主对话（项目经理）
    │
    ├── Agent 1: 审查前端代码的安全性 → 返回报告
    ├── Agent 2: 审查后端 API 代码的安全性  → 返回报告
    ├── Agent 3: 检查 Docker 配置的安全问题  → 返回报告
    └── Agent 4: 检查依赖库的已知漏洞          → 返回报告
                                                    ↓
                        主对话合并所有报告，生成最终审查文档

配置 Agent

Agent 配置在 CLAUDE.md 或对话中定义：

## Agents

### security-auditor
- **Description**: 专门做安全审查的子 Agent
- **Model**: sonnet
- **Tools**: Read, Grep, Bash, WebSearch
- **Prompt**: 你是安全审查专家。重点检查 SQL 注入、XSS、CSRF、敏感信息泄露。
  对每个发现的问题给出严重级别（高/中/低）和修复建议。

### test-writer
- **Description**: 专门写测试的子 Agent
- **Model**: haiku
- **Tools**: Read, Write, Bash
- **Prompt**: 你是测试专家。给指定模块编写全面的单元测试，覆盖正常路径、
  边界条件和异常处理。使用项目的测试框架（Jest/Vitest/pytest）。

在对话中启动 Agent

用户: "对整个项目做一次安全审查"

Claude: "这个任务比较大，我派几个 Agent 分别审查不同部分。
        Agent 1 审查前端代码，Agent 2 审查后端代码，
        Agent 3 检查配置文件和依赖。审查完汇总成报告。"

---

四、三种机制怎么组合

实际使用中，MCP、Skills、Agent 是互相配合的：

┌────────────────────────────────────────┐
│              Claude Code              │
│                                      │
│  Skills: "安全审查"任务模板             │
│     │                                │
│     ├── Agent 1: 审查前端             │
│     │     └── MCP: npm audit         │
│     │                                │
│     ├── Agent 2: 审查后端             │
│     │     └── MCP: 查询 CVE 数据库    │
│     │                                │
│     └── Agent 3: 审查数据库           │
│           └── MCP: PostgreSQL 连接    │
└────────────────────────────────────────┘

一个完整的例子——“帮我写一份部署前检查报告”：

1. Skill pre-deploy-check 定义了完整的检查流程
2. Agent 1 用 MCP 连接 GitHub，检查是否有未合并的 PR
3. Agent 2 用 MCP 连接数据库，检查是否有待执行的 migration
4. Agent 3 读取 CHANGELOG，检查是否有 breaking changes
5. 主对话汇总三个 Agent 的结果，生成检查报告

---

五、和 LangChain Agent 的对比

	Claude Code Agent	LangChain Agent
定位	AI 编程助手的扩展	通用 Agent 开发框架
写代码	原生能力	需要自己写
学习成本	低（写配置文件）	高（写代码 + 理解框架）
灵活度	受限于 Claude Code 生态	完全自定义
适用	开发任务、代码审查	自定义业务场景

如果你的需求是加速开发过程、做代码审查、写文档——直接用 Claude Code 的 Agent。如果你需要构建一个定制化的 AI 业务流程（如客服机器人、数据分析流水线），用 LangChain 或直接调 API 更灵活。

---

MCP 负责连接外部世界，Skills 负责沉淀可复用的流程，Agent 负责并行处理复杂任务。三者加在一起，Claude Code 就从一个”聊天窗口”变成了一个能真正干活的自动化平台。