赋能AI：重点MCP服务分享

一、Tool、SKILL 与 MCP 的关系

在目前的 AI Agent 开发语境下，赋予大模型“超能力”的方式主要有三种，但它们的定位截然不同：

1. Tool（工具/函数调用）：最底层的原子动作。比如 Exec 、 read 、edit、web_fetch 等等。 痛点： 对于个人开发者或小团队来说，很多时候我们只能“被动”使用大厂平台（如 Claude Code / Openclaw）内置的 Tool，自己去强硬拓展和定制底层工具链的成本较高，且与平台强耦合。

2. SKILL（经验类技能）：Agent 的“SOP（标准作业程序）”。它往往不包含复杂的代码，而是以 SKILL.md（甚至带一些 Shell/Python 脚本样例）的形式存在。它是跨平台的“经验文本”，依靠大模型的上下文学习能力，指导 Agent “该怎么做（How to do it）”。

3. MCP（模型上下文协议）：连接 AI 与外部数据/服务的“标准化网络总线”。这是一个独立的 C/S 协议服务端，它把复杂的鉴权、API 调用封装在底层，向模型提供统一的 Resources（数据源）、Prompts（模板）和 Tools（执行动作）。它决定了 Agent “能做什么（What can be done）”。

---

二、深度对比：MCP vs SKILL，到底有什么本质区别？

如果打个通俗的比方：MCP 是给新员工分配的“内网权限和办公电脑”，而 SKILL 则是发给新员工的“入职培训手册和代码规范 SOP”。

我们以“Git 操作”为例，来看看这二者的绝妙配合：

实战选型建议：
如果你发现 Agent 能做事但经常做错、不守规矩，你需要写一个 SKILL（增加 prompt 级别的经验指导）；
如果你发现 Agent 想干活却够不到数据、没有权限，你需要部署一个 MCP（打通物理层面的数据/执行通道）。
最强的 Agent = SKILL 的大脑 + MCP 的手脚。

---

三、架构落地：公共 Server 与 私有 MCP 网关的抉择

在实际业务接入 MCP 时，我们面临的第一个架构问题就是：应该直接调用外部的公共 MCP，还是自己搭网关部署？

1. 什么时候直接调用“公共 Server”？

针对非敏感的业务操作，或者数据无论如何终将抵达第三方服务的情况。

• 例子：汇率查询 MCP、全网新闻搜索 MCP、调用 Minimax 的文生图 MCP。

• 原则：数据终态是公开的，且无须进行复杂的内部权限划分。直接让 Agent 通过官方或开源的公共 URL 接入即可，图个轻量。

2. 什么时候必须“私有化部署 + MCP 网关”？

“凡是能本地部署的，还是倾向于本地部署。并且一定要上代理网关（如 LiteLLM）。”

这是我在应用中踩出的血泪教训。因为 AI 系统一旦上线，“可观测性”和“安全性”比功能本身更重要。

• 数据资产隔离：像 Obsidian 个人笔记、公司内部的知识库（Needle MCP）或企业数据库，绝对不能直连外部大模型平台，必须通过内网 MCP 作为一个“防腐层”。

• 基于 LiteLLM 的网关设计：
  我强烈建议通过统一的网关（如 LiteLLM）去注册和转发所有的私有 MCP 服务。针对不同的 Agent 颁发不同的 Key。

  • 鉴权（Auth）：精准控制客服 Agent 只能读取文档 MCP，而不能调用数据库写入 MCP。

  • 可观测性（Observability）：我能清清楚楚地在后台仪表盘看到，几点几分，哪个 Agent 用什么样的 Prompt，调用了哪个 MCP 端点，返回了什么数据。这是防止 AI“暴走”的最后一道防线。

三、个人推荐的MCP

1.Agent Reach：信息收集

功能说明：一键为你的 AI 代理接入全网访问能力，支持访问 Reddit、微信公众号、B 站、GitHub、小红书、微博等各类平台，无需额外 API 费用。

参考链接：

https://github.com/Panniantong/Agent-Reach

2.Playwright MCP：浏览器操作

功能说明：微软官方基于 Playwright 实现的 MCP 服务端，提供浏览器自动化能力。可让大语言模型通过结构化的可访问性快照和网页交互指令操作网页，无需依赖截图或视觉微调模型。

参考链接：

https://github.com/microsoft/playwright-mcp

3.Git 操作 MCP

功能说明：用于 Git 仓库交互与自动化操作的 MCP 服务端，可为大语言模型提供 Git 仓库的读取、搜索、操作等工具能力。

参考链接：

https://github.com/modelcontextprotocol/servers/tree/main/src/git

4.OpenSearch AI

功能说明：作为 AI 代理与阿里云 OpenSearch AI 搜索平台之间的通用对接接口。

参考链接：

https://github.com/aliyun/alibabacloud-opensearch-mcp-server/tree/master/aisearch-mcp-server

4.Needle MCP

功能说明：大模型的“高阶外脑记忆”。提供文档组织、存储及基于大模型的强大语义搜索。非常适合用来给大模型零代码配置长文本 RAG（检索增强生成）能力。

参考链接：

https://github.com/needle-ai/needle-mcp

5.MarkItDown MCP

功能说明：markitdown-mcp包提供了轻量级的标准输入输出（STDIO）、流式 HTTP、SSE 协议的 MCP 服务端，用于调用 MarkItDown 格式转换工具。仅暴露一个工具能力：convert_to_markdown(uri)，支持http:、https:、file:、data:等各类资源地址的格式转换。

参考链接：

https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp

6.计算器 MCP

功能说明：基础计算器 MCP 服务端，可让大语言模型调用计算器实现精准数值计算，避免大模型算数幻觉问题。

参考链接：

https://github.com/githejie/mcp-server-calculator