面对 Skills、MCP、Subagents、Prompts 多种工具不知道如何选择？本文提供详细的决策矩阵和使用场景指南，帮你做出正确选择

Skills vs MCP vs Subagents：Claude 生态工具终极决策矩阵

"If you find yourself typing the same prompt repeatedly across multiple conversations, it's time to create a Skill."

— Simon Willison, Claude Skills 深度解析

面对 Claude 生态系统中 Skills、MCP、Subagents、Prompts 和 Projects 等多种工具，你是否感到困惑？不知道该在何时使用哪种工具？你不是一个人。这是 Claude 开发者社区中最常见的问题之一。

本文将提供详细的决策矩阵和使用场景指南，帮助你在不同工具之间做出正确选择，避免常见陷阱。

问题背景：选择的悖论

自从 Anthropic 在 2025 年 10 月推出 Claude Skills 以来，开发者们面临一个幸福的烦恼：工具太多，不知道用哪个。每个工具都有独特优势，但使用场景重叠导致选择困难。

根据 traisvn/awesome-claude-skills 仓库的分类[1]，我们看到：

150+ 个社区 Skills：涵盖文档处理、开发测试、数据分析、创意媒体等各个领域
50+ 个 MCP 服务器：连接外部 API 和数据源
100+ 个社区 Prompts：一次性指令模板
Subagents：独立任务执行的专用代理

这么多选择，如何决定？

核心概念快速回顾

在深入决策矩阵之前，让我们快速回顾每个工具的核心特征。

Claude Skills

定义：包含指令、脚本和资源的专用文件夹，Claude 动态发现并在相关时按需加载。

渐进式披露架构（仅消耗约 100 tokens 进行扫描）[2]：

元数据加载（100 tokens）：扫描可用 Skills 以识别相关匹配
完整指令（<5k tokens）：当 Claude 确定 Skill 适用时加载
捆绑资源：文件和可执行代码仅在需要时加载

格式：文件夹结构，包含 SKILL.md（带 YAML frontmatter）、可选脚本和资源

Model Context Protocol (MCP)

定义：连接 Claude 到外部数据源和 API 的开放协议。

架构：

需要单独运行 MCP 服务器
通过标准化的 JSON-RPC 通信
提供工具和资源给 Claude

用例：数据库访问、API 集成、实时数据

Subagents

定义：为特定目的设计的独立、自包含智能体，具有独立的工作流和受限的工具访问。

特征：

自主执行特定任务
独立的工具集和权限
可以与其他代理协作

Prompts

定义：一次性、对话式的指令，需要立即上下文。

特征：

对话式、非结构化
为单一互动设计
易于创建但不易复用

Projects

定义：在 Claude Code 工作区内的持久背景知识。

特征：

保持在上下文中
适用于特定工作区的知识
不像 Skills 那样可移植

快速参考：何时使用什么

决策矩阵简化版

工具	最适合
Skills	跨对话的重复程序化知识
Prompts	一次性指令和立即上下文
Projects	工作区内的持久背景知识
Subagents	具有特定权限的独立任务执行
MCP	外部数据/API 集成

核心洞察：如果你发现自己在多个对话中重复输入相同的提示，那就是时候创建一个 Skill 了。[3]

详细比较：技能 vs 其他方法

Skills vs Prompts

何时使用 Prompts：

对话式、一次性的指令
需要立即可用，无需设置
单一互动的上下文

何时使用 Skills：

程序或专业知识在多个对话中重复
需要版本控制、可复用性
需要与他人共享经验

关键洞察：

Prompts 是一次性使用的
Skills 是持久、版本控制、可组合的
如果你在重复输入相同的 prompt，将其转换为 Skill

Skills vs Projects

主要区别：可移植性

Skills：

相同的格式到处使用（Claude.ai、Code、API）
构建一次，随处使用
易于共享和分发

Projects：

特定于 Claude Code 工作区
保持在工作区上下文中
不像 Skills 那样可移植

示例：

Use Skill：组织范围的品牌指南，需要在多个项目中应用
Use Project：特定于单个项目的 API 文档和代码库上下文

Skills vs Subagents

核心差异：独立性与可移植性

Skills：

可移植的专业知识
可以由任何 Claude 实例访问
数百个可组合和堆叠

Subagents：

自包含的、专门的代理
为特定目的设计
独立的工作流，受限的工具访问

组合方法：Subagents 可以利用 Skills 获得专业知识，结合独立性与可移植知识。

示例场景：

Use Subagent：需要一个自包含的代理来测试 Web 应用，不需要加载品牌指南
Use Skill：需要应用品牌颜色、字体和布局规格到任何构建的演示文稿

组合示例：

Subagent (Web 应用测试器)
  └── 使用 Skill (test-driven-development)
  └── 使用 Skill (systematic-debugging)

Skills vs MCP (最详细的比较)

这是最复杂的比较，因为两者都有结构化的集成方式。

功能对比矩阵

功能	Skills	MCP
目的	任务特定的专业知识和流程	外部数据/API 集成
可移植性	到处相同格式（Claude.ai、Code、API）	需要服务器配置
代码执行	可以包含可执行脚本	提供工具/资源
Token 效率	直到加载时 30-50 tokens	因实现而异
最好用于	重复任务、文档工作流	数据库访问、API 集成
企业部署	简单的 git 分发	需要服务器基础设施
更新	版本控制的 git 更新	服务器更新和重启
组合性	自动技能堆叠	手动工具组合

何时使用 Skills

使用 Skills 当您需要：

教授 Claude 特定流程或方法
封装组织的最佳实践
创建可复用的文档模板
在不同项目中保持品牌一致性
版本控制和与团队共享经验

示例：

品牌指南 Skill（颜色、字体、布局规则）
TDD Skill（测试如何做指南）
内部通讯 Skill（状态报告模板）

何时使用 MCP

使用 MCP 当您需要：

连接到实时数据源（数据库、API）
访问 Claude 知识截止日期之后的信息
集成外部服务（GitHub、Linear、Slack）
需要服务器端处理或计算

示例：

GitHub MCP（访问仓库、问题、PR）
数据库 MCP（查询实时数据）
网络搜索 MCP（获取当前信息）

组合使用：最强大的方法

最佳实践：对许多用例同时使用两者！

示例工作流：

任务：为新的 API 功能创建发布说明

1. MCP 服务器：查询 GitHub 获取最近的提交
2. Claude 使用 Skill：changelog-generator 格式化发布说明
3. Skills 堆叠：internal-comms 将发布说明转换为内部更新

mcp-builder Skill：官方 Skill 可以帮助你构建高质量的 MCP 服务器！

决策流程图

步骤 1：确定您的需求

你开始新项目或任务了吗？
  │
  ├─ Yes → 你需要持久性/跨项目？
  │        ├─ Yes → Use Project
  │        └─ No → 继续步骤 2
  │
  └─ No → 你在现有工作流中吗？继续步骤 2

步骤 2：在任务类型上做出决策

任务主要是：
  A) 访问外部数据/API？
     → 查看 MCP 是否已存在（如果有，使用 MCP）
     → 如果没有，考虑使用 mcp-builder Skill 创建它

  B) 重复的专业知识或流程？
     → Use Skill
     → 更容易维护、版本控制和共享

  C) 一次性、即时需求？
     → Use Prompt
     → 快速、简单、无需设置

  D) 需要具有特定权限的专用代理？
     → Use Subagent
     → 将特定任务与主要工作流隔离

步骤 2：评估跨对话的重复使用

这是否是在多个对话中重复的任务？
  │
  ├─ Yes (3+ conversations) → Use Skill
  │   → 可移植
  │   → 版本控制
  │   → 跨项目共享
  │   → 技能和 MCP 的渐进式披露架构
  │
  └─ No (1-2 conversations) → Use Prompt
      → 更快开始
      → 无需维护开销

常见误区和陷阱

杀手 #1：为一次提示过度使用技能

❌ 不要这样做：

# 创建一个仅使用一次的 Skill
mkdir my-one-time-skill
echo "---\nname: temp-skill\n---\nDo this one thing" > SKILL.md

✅ 改用 Prompts。

准则：如果不会重复 3+ 次，则不要使用 Skill。

杀手 #2：MCP 杀鸡用牛刀

❌ 不要这样做：

创建 MCP 服务器来格式化文本（使用 Skill）
构建 MCP 进行简单计算（使用 Claude 的分析或 Skill）
编写 MCP 来应用品牌颜色（使用 Skill）

✅ 使用 MCP 进行：

数据库查询
API 集成
实时数据获取
外部工具集成

杀手 #3：当需要 Subagent 时创建 Skill

❌ 不要这样做：

使用 Skill 运行无约束的 Web 测试（安全风险）
将写入生产数据库的能力嵌入 Skill

✅ 使用 Subagents：

受限的工具集
独立的执行环境
明确的安全边界

杀手 #4：忽视组合性

❌ 不要这样做：

构建巨型单一 Skill 做所有事情
将 Skill 逻辑硬编码到 MCP 服务器中

✅ 利用组合性：

技能自动堆叠：
  - brand-guidelines（颜色/字体）
  - internal-comms（文档模板）
  - content-research-writer（写作辅助）

Claude 协调所有这些技能一起工作！

性能考虑

Token 使用效率

Skills（渐进式披露）[4]：

元数据扫描：~100 tokens/技能
完整加载（激活时）：<5k tokens
捆绑资源：仅按需加载

MCP：

根据每次调用的实现而变化
工具描述存储在 MCP 服务器上
每次工具使用通过 JSON-RPC 传输数据

Prompts：

完整内容总是在上下文中
易导致上下文窗口饱和
多次使用时令牌效率最低的

延迟考虑

Skills：

首次激活：100-200ms（加载完整指令）
后续使用：无额外延迟
脚本执行：取决于脚本复杂性

MCP：

每次工具调用：网络延迟 + 服务器处理
冷启动：MCP 服务器启动时间
优点：繁重计算卸载到服务器

Subagents：

初始化：完全独立的代理设置
通信：代理间消息传递的开销
收益：并行执行机会

安全考虑

Skill 安全模型

⚠️ 警告：技能可以在 Claude 的环境中执行任意代码。

最佳实践[5]：

仅从可信来源安装技能
启用技能前审查 SKILL.md 和所有脚本
对请求敏感数据访问的技能保持警惕
在企业部署前仔细审计

恶意技能的风险：

可能引入漏洞
可能启用数据泄露
提示注入攻击可能通过被入侵的技能放大

MCP 安全模型

安全优势：

沙盒的服务器环境
工具访问的显式权限
网络隔离选项

风险：

恶意的 MCP 服务器
中间人攻击
数据隐私（服务器看到数据）

企业部署策略

Skills：当前最佳选择

截至 2025 年 10 月[6]：

集中管理：不支持（Claude.ai 的自定义技能）
团队分发：使用 git 仓库
版本控制：内置 git 支持
安全审查：手动审查过程
入门时间：快速（添加技能仓库）

建议：

# 企业内部仓库
https://github.com/yourcompany/claude-skills

设计师：
  - brand-guidelines
  - theme-factory

开发者：
  - test-driven-development
  - systematic-debugging
  - root-cause-tracing

产品：
  - internal-comms
  - content-research-writer

未来状态（推测）

Anthropic 已暗示：

Claude.ai 的集中化技能管理
官方技能市场/市场
增强的安全功能
为企业的 API 优先分发

社区模式和最佳实践

模式 1：核心技能 + 领域特定扩展

core-skills/
  ├── writing/
  │   ├── content-research-writer
  │   └── internal-comms
  ├── development/
  │   ├── test-driven-development
  │   └── systematic-debugging
  └── data/
      └── csv-data-summarizer

domain-skills/
  ├── finance/
  │   └── claude-financial-services
  ├── science/
  │   └── scientific-databases
  └── aws/
      └── aws-skills

模式 2：MCP = 数据层，Skill = 智能层

数据流：
  1. MCP 获取原始数据（GitHub、数据库、API）
  2. Skill 应用智能（格式化、分析、转换）
  3. 可能多个 Skills 堆叠处理不同方面

好处：
  - 关注点清晰分离
  - 可复用的数据处理（MCP）
  - 可复用的智能层（Skills）

模式 3：技能组合作为工作流

技能自动堆叠：

Claude 加载所有相关技能
技能自行协调
无需手动组合

示例：

任务：创建产品发布博客文章

自动加载：
  - content-research-writer（主要工作流）
  - brand-guidelines（颜色和字体）
  - internal-comms（公司消息框架）
  - maybe: article-extractor（研究竞争内容）

Claude 自动协调这些技能

常见问答

Q: 我可以将 Prompts 转换为 Skills 吗？

A: 是的！如果您发现自己重复输入相同的 Prompt，就是转换为 Skill 的时机。

转换示例：

# 作为 Prompt
"Help me write a technical tutorial with code examples"

# 作为 Skill：
---
name: technical-tutorial-writer
description: Creates technical tutorials with validated code examples
---

结构化流程：
1. Outline steps
2. Write code examples
3. Test instructions
4. Add troubleshooting

Q: 可以一起使用 Skills 和 MCP 吗？

A: 绝对可以！它们是互补的。

示例：

任务：分析产品使用数据并创建报告

1. MCP：查询生产数据库获取使用统计
2. Skill：data-analysis 分析和可视化
3. Skill：internal-comms 格式化为产品更新
4. Skill：pptx 创建幻灯片演示

Q: 哪个对企业部署更好？

A: 截至 2025 年 10 月，当前状态：

Skills：

✅ 简单的 git 分发
✅ 版本控制
✅ 快的入门
❌ 无集中管理（Claude.ai 的自定义技能）

MCP：

✅ 集中服务器管理
✅ 安全边界
❌ 需要基础设施
❌ 较慢的入门

建议：大多数组织从 Skills 开始，必要时添加 MCP 用于数据集成。

Q: 如何判断我的需求是否需要 Subagent？

A: 使用 Subagent 如果您需要：

专用工具集与主工作流隔离
受限的权限（例如只读数据库访问）
独立的执行环境
明确的任务边界

使用 Skill 如果您需要：

在任何地方都能访问的专业知识
可组合、可堆叠的能力
可移植的知识
版本控制的工作流

Q: 可以同时使用多少个 Skills？

A: Claude 会自动识别和加载所有相关技能。

限制：

扫描所有技能：100 tokens/技能的开销
仅加载相关的完整技能
典型的复杂任务可能使用 3-7 个技能

示例堆叠：

task: 创建品牌一致的内部产品演示文稿

自动加载：
  - brand-guidelines（颜色/字体）
  - pptx（幻灯片创建）
  - internal-comms（消息框架）
  - content-research-writer（幻灯片内容）

未来趋势和演变

生态系统增长

2025 年 10 月（启动）[7]：

官方 Skills：15+
社区 Skills：150+

2025 年 11 月：

社区仓库：5+ 主要集合
MCP 服务器：50+
Subagent 框架：新兴

预测：

更多官方 Anthropic Skills
社区贡献激增
专业化领域特定集合
企业级技能管理

新兴模式

1. Skills 作为产品特性：公司正在为他们的产品创建官方 Skills：

Notion Skills
GitHub Skills
Slack Skills

2. MCP 作为基础设施：组织正在构建内部 MCP 服务器：

数据库 MCP
API 网关 MCP
内部工具 MCP

3. Subagents 作为微服务：架构模式：

Claude 主代理
  ├── Subagent：代码审查器
  ├── Subagent：测试运行器
  ├── Subagent：文档编写器
  └── Subagent：安全审计器

实现路线图

对于个体开发者

阶段 1（第 1 周）：[8]

在 Claude.ai 中启用 Skills
从市场安装官方 Skills（docx、pdf、ppts、xlsx）
尝试内置 Skill：skill-creator

阶段 2（第 2-3 周）：[9]

识别您重复的任务
使用 skill-creator 创建前 1-2 个自定义 Skills
通过 git 与朋友分享

阶段 3（第 4 周+）：[10]

设置 MCP 开发环境
识别外部数据集成需求
使用 mcp-builder 构建第一个 MCP

对于团队

阶段 1（第 1-2 周）：[11]

创建内部技能 git 仓库
建立强制性 Skills（品牌指南、内部模板）
记录贡献指南

阶段 2（第 3-4 周）：[12]

团队技能可采用分析
识别常见重复任务
创建领域特定技能集合

阶段 3（第 5 周+）：[13]

评估 MCP 需求
设置内部 MCP 基础设施
培训团队 MCP 开发

检查表：工具选择

对于新任务，询问：

这在多个项目中重复吗？
- ✅ 是 → 考虑 Skill
- ❌ 否 → 查看下一个问题
这是否需要访问外部数据/API？
- ✅ 是 → 考虑 MCP
- ❌ 否 → 查看下一个问题
这是否需要专用代理，其权限与主工作流隔离？
- ✅ 是 → 考虑 Subagent
- ❌ 否 → 查看下一个问题
这是一项一次性、即时需求吗？
- ✅ 是 → 使用 Prompt
- ❌ 否 → 考虑构建 Skill

技能创建检查清单：

在创建 Skill 之前：

您是否至少 3 次手动执行过此流程？[14]
您是否已记录最佳结果的工作流？[15]
您是否理解了 Claude 的 Progressive Disclosure？[16]
您是否审查了现有的 Skills 以避免重复？[17]
您是否带来了要让 Skill 可复用的明确价值？[18]

结论

关键要点

Skills 实现可移植的专业知识：
- 跨 Claude.ai、Code、API 到处工作
- 强大的 Progressive Disclosure 架构
- 可通过 git 轻松共享
- 300-500 tokens 直到需要完整加载
MCP 连接外部世界：
- 数据库、API、实时数据
- 需要服务器基础设施
- 补充 Skills，而非竞争
Subagents 提供隔离：
- 受限的工具集
- 独立执行
- 明确的权限边界
Prompts 用于一次性：
- 对话式、即时的需求
- 无需设置
- 不可移植，上下文小
组合带来力量：
- MCP 提供数据 → Skill 应用智能
- Subagents 使用 Skills 获得专业知识
- Skills 堆叠并自动协作

最终建议

从 Skills 开始因为：

最简单的入门
与同事共享
广泛的社区支持
从简单的 Markdown 开始

必要时添加 MCP：

连接到实时数据时
需要商业/生产 API 时
拥有可以暴露的内部服务时

评估 Subagents 以用于：[19]

复杂、多步骤的工作流
明确的安全边界
并行任务执行

将 Prompts 用于：

探索性的一次性任务
快速原型
确定需求后再构建 Skill

可作的下一步

立即：[20]

在 Claude.ai 设置中启用 Skills
安装内置 Skill：skill-creator
识别您手动重复 3+ 次的一个任务

本周：[21]

使用 skill-creator 构建您的第一个自定义 Skill
通过 git 与同事测试分享
在本地下载 2-3 个社区 Skills

本月：[22]

设置内部团队 Skills 仓库
记录您的 Skills（使用 Skill！）
研究 MCP 是否应为您的用例

最后的思考

Claude Skills 生态系统的美丽之处在于其灵活性和模块化。你不是被锁定在单一方法中；

今天开始使用 Prompts 快速工作
明天转换重复的 Prompts 为 Skills
下周添加 MCP 进行数据集成
下个月探索 Subagents 进行复杂工作流

测试版社区的最佳实践：从简单的开始，只有在明确价值时才增加复杂性。[23]

记住 Simon Willison 的话：如果你在多个对话中重复输入相同的提示，那就是创建 Skill 的时机。这个简单的启发式规则将指导你做出正确的决定。

[1] travisvn/awesome-claude-skills. "Community Skills Statistics." GitHub Repository, 2025. [2] travisvn/awesome-claude-skills. "Progressive Disclosure Architecture." README.md, line 22-28. [3] Simon Willison. "Claude Skills are awesome, maybe a bigger deal than MCP." Simon Willison's Weblog, October 16, 2025. [4] travisvn/awesome-claude-skills. "Token Efficiency Analysis." README.md, line 419-420. [5] travisvn/awesome-claude-skills. "Security Guidelines." README.md, line 324-361. [6] travisvn/awesome-claude-skills. "Enterprise Considerations." README.md, line 354-361. [7] travisvn/awesome-claude-skills. "October 2025 Launch." README.md, line 246-248. [8] travisvn/awesome-claude-skills. "Individual Developer Roadmap." README.md, line 133-204. [9] Ibid., "Phase 2: Custom Skills." [10] Ibid., "Phase 3: MCP Development." [11] Ibid., "Enterprise Roadmap." [12] Ibid., "Team Adoption." [13] Ibid., "Infrastructure Setup." [14] travisvn/awesome-claude-skills. "Repeatable Process Criteria." README.md, line 271-274. [15] Ibid., "Documentation Best Practices." [16] Ibid., "Progressive Disclosure Pattern." [17] travisvn/awesome-claude-skills. "Community Skills Collection." [18] travisvn/awesome-claude-skills. "Value Proposition." [19] travisvn/awesome-claude-skills. "Subagent Use Cases." [20] travisvn/awesome-claude-skills. "Quick Start." [21] Ibid., "Weekly Goals." [22] Ibid., "Monthly Goals." [23] travisvn/awesome-claude-skills. "Best Practices Summary."

关于作者

Claude Skills Research Team 专注于探索 Claude 生态系统的高级应用模式和架构设计。

Skills vs MCP vs Subagents：Claude 生态工具终极决策矩阵

On this page