Anthropic Skills Repo 深度解析
Skill × MCP × CLI — 建立你的 AI Agent 工作系統
按 → 或空白鍵開始
三大主題一覽
📋
Skill
教 AI「怎麼做事情」
🔧
MCP
給 AI「可以用的工具」
⌨️
CLI / API
Agent「執行命令的介面」
點擊卡片深入了解
什麼是 Skill？
- Skill = 教 AI「怎麼做事情」的方法
- 最小結構：一個資料夾 +
SKILL.md - 進階結構：
scripts/+references/+assets/ SKILL.md建議控制在 500 行以內
點擊逐步顯示下一個要點
Skill 開發流程
1
想法
這個工作我常常做
2
Capture
用 Skill Creator 捕捉意圖
3
設計
撰寫 SKILL.md + Scripts
4
測試
設計評估案例，執行測試
5
迭代
修改 → 再測 → 比較結果
6
定版
Git push 到 GitHub
點擊任一步驟查看詳細說明
跨電腦同步架構
❌ 傳統方式
- Skill 散落在筆電裡
- 無法版本控制
- 改壞了回不去
- 跨電腦要手動複製
✅ GitHub 架構
- 母版在 GitHub Repo
- git push/pull 同步
- 版本控制 + 歷史紀錄
- 筆電桌機都能用
點擊切換查看
什麼是 MCP？
- 全名：Model Context Protocol（模型上下文協定）
- 讓 AI Agent 用標準化方法使用外部工具
- 三種能力：Tools（執行）、Resources（讀取）、Prompts（模板）
- 核心精神：把「AI 如何使用工具」標準化
點擊逐步顯示下一個要點
Skill vs MCP
📋 Skill
- 教 AI 怎麼做事情
- DOCX Skill → 教 AI 製作 Word
- 包含流程、規則、經驗
- 一個人就能建立
🔧 MCP
- 給 AI 可用的工具
- GitHub MCP → AI 操作 GitHub
- 包含 Tools、Resources
- 通常連接外部服務
兩者不是二選一，而是互補
MCP Builder 四階段
1
Research
研究 API、認證、資料結構
2
Implement
用 Python/FastMCP 寫 Server
3
Testing
用 MCP Inspector 測試
4
Evaluation
建立 10 個真實問題驗證
點擊任一步驟查看詳細說明
CLI vs MCP vs API
⌨️ CLI
- 命令列工具，人或 Agent 都能用
- 成熟度高，很多服務已有
- Agent 需自己拼命令字串
- 例：
gh issue list
🔧 MCP
- 標準化協定，Agent 專用
- 有結構化 Tool Schema
- Agent 自動發現可用工具
- 例：
github_get_issue
選擇順序：官方 MCP → 官方 CLI → API/SDK → 自己寫
你的行動路線
第一階段
安裝 skill-creator
學設計方法
學設計方法
第二階段
挑最常做的工作
整理流程
整理流程
第三階段
做出第一個 Skill
GitHub 備份
GitHub 備份
第四階段
嘗試 MCP
建立本機檔案管理
建立本機檔案管理
第五階段
Skill + MCP
完整 Agent 系統
完整 Agent 系統
點擊任一階段查看行動建議