Law的数字世界

想象你开了一家餐馆#

你是老板（你），你雇了一个超级厉害的大厨（AI Agent）。

这个大厨脑子很好使——你跟他说”今晚有10桌客人，帮我安排一下”，他能理解你的意思，能做决策，能调度整个厨房。

但光有脑子不够。他还需要两样东西：

第一样：菜谱和经验（Skill）

大厨得知道川菜怎么炒、粤菜怎么蒸、日料怎么切。这些”技能”是他多年积累的专业知识——知道什么场景该用什么方法、什么食材搭配什么调料、什么火候出什么效果。

Skill就是AI Agent的专业知识和流程。它不是一个具体的动作，而是”知道怎么正确地做事”。

第二样：厨具和食材供应链（MCP）

大厨再牛，没有锅、没有刀、没有灶台，也做不出一盘菜。而且食材从哪里进货？肉找张屠夫、菜找李菜农、海鲜找王老板——每家供应商的联系方式、下单方式、配送规则都不一样。

以前，大厨得记住每个供应商的不同规矩。但现在有了一个标准化的采购平台——不管你找谁进货，都用同一套下单流程、同一个接口。

MCP就是这个标准化的连接协议。它让AI Agent能用统一的方式连接各种外部工具和数据源——数据库、邮件、日历、浏览器、支付系统……不用为每个工具写一套定制代码。

三者的关系，一句话总结#

记住这句话

Agent 是大脑（做决策），Skill 是经验（知道怎么做），MCP 是双手（连接外部世界去执行）。

三者缺一不可：没有Agent，没人指挥；没有Skill，不知道怎么干；没有MCP，干不了活。

什么是AI Agent？#

AI Agent = 能自主思考、决策、执行多步骤任务的AI程序。

它不只是回答问题，它能：

1. 理解你的意图——你说”帮我准备明天的会议”，它知道这意味着要查日程、准备PPT、发提醒邮件
2. 拆解任务——把一个大目标拆成多个小步骤
3. 自主决策——遇到岔路口自己选方向，不用每步都问你
4. 调用工具——需要查数据就去查，需要发邮件就去发
5. 处理异常——某一步出错了，能自己想办法绕过去

和普通AI助手的区别

AI助手（ChatGPT对话模式、豆包、Kimi）：你问一句，它答一句。你不问，它不动。它是顾问。

AI Agent（Claude Code、OpenClaw、Manus）：你给一个目标，它自己去干一连串的事，中间不用你管。它是执行员。

一句话：AI助手是嘴，Agent是手脚加嘴。

你身边有哪些Agent？#

别觉得Agent离你很远。你可能已经在用了：

但Agent不是神

Agent现在最大的问题是：复杂任务容易翻车。步骤越多，出错概率越高。所以现阶段最好的用法是”人机协作”——让Agent干重复性的活，你来做关键决策和最终审核。

什么是Skill？#

Skill = 赋予Agent的专业知识、流程和领域经验。

打个比方：一个刚毕业的大学生（通用AI），什么都知道一点，但什么都不精通。你让他去做律师、做医生、做会计——他都能聊两句，但你敢让他真的上手吗？

Skill就是把这个大学生送去”专业培训”。

装了”法律Skill”的Agent，知道哪些话合规、哪些数据要保密、合同条款怎么审。

装了”电商Skill”的Agent，知道淘宝上架流程、关键词怎么选、活动报名时间节点。

装了”财务Skill”的Agent，知道发票怎么开、税务申报节点、哪些费用可以抵扣。

Skill和Tool（工具）的区别#

这两个概念很多人搞混，我帮你理清楚：

说人话

Skill是脑子里的经验，Tool是手里的家伙。经验告诉你”该用哪把刀”，工具是”那把刀本身”。

一个有Skill但没Tool的Agent = 知道怎么做但做不了（有菜谱但没厨具）

一个有Tool但没Skill的Agent = 能做但做不好（有厨具但不会用）

真实案例：OpenClaw的Skill系统#

OpenClaw目前有5700多个Skill可以安装，相当于一个”AI技能商店”。

举几个真实的Skill例子：

• 语音接待Skill：一个律师给自己的OpenClaw装了这个Skill，用来自动处理初步法律咨询。结果？每天接的电话从30-40个降到5-8个，月收入涨了51%
• 客户跟进Skill：一个销售团队的OpenClaw装了这个Skill，自动整理客户信息和初步跟进。日均工作时长从10小时压缩到3小时
• 内容创作Skill：一个B站博主的OpenClaw装了这个Skill，自动选题、写稿、配图、发布，日更从1条变成10条

关键洞察

注意看：上面三个案例里，真正值钱的不是Skill本身，而是配置Skill的那个人懂行业。

律师Skill之所以好用，是因为配置它的人知道法律咨询的合规红线在哪里。

同样一个通用的”客户跟进”Skill，懂CRM逻辑的老销售配出来的效果，和一个程序员配出来的，天差地别。

所以Skill的真正护城河不是技术，是行业经验。

什么是MCP？#

先给你一个数字定定神：

截至2026年2月，全球已有超过10,000个MCP Server在运行，官方注册表收录了6,400多个。 MCP的SDK月下载量超过9,700万次。

而在一年半前，它还不存在。

MCP的全称是Model Context Protocol（模型上下文协议），由Anthropic（Claude的母公司）在2024年11月25日正式发布。

说人话就是：MCP是AI连接外部世界的”统一接口标准”。

为什么需要MCP？一个生活类比#

想象你出门旅行，要带手机充电器。

没有USB-C之前：

苹果手机用Lightning线，安卓手机用Micro USB线，笔记本用Type-C线，相机用另一种线……你的包里塞满了各种充电线，每根只能给一个设备用。

出门忘带某根线？那个设备就废了。

有了USB-C之后：

一根线，所有设备通用。手机、笔记本、耳机、相机——统统用同一个接口充电。

MCP就是AI世界的USB-C。

没有MCP之前：

AI要连接Gmail，需要写一套Gmail专用的代码。 AI要连接Slack，需要写一套Slack专用的代码。 AI要连接数据库，需要写一套数据库专用的代码。

5个AI应用 × 10个外部服务 = 50套定制代码。

有了MCP之后：

每个外部服务提供一个标准的”MCP Server”，每个AI应用装一个”MCP Client”。

5个AI应用 + 10个MCP Server = 15个标准组件，全部互通。

翻译成人话

以前AI连接外部工具，就像出国旅行带一包转接头——每个国家的插座不一样，你得带一堆。

MCP相当于全世界统一用了同一种插座。你的充电器到哪儿都能用，AI到哪儿都能连。

MCP的三层结构#

不用记术语，就记住这三层：

1
你（用户）
2
  │
3
  ▼
4
┌─────────────────────────┐
5
│  Host（宿主）             │  ← 你用的AI应用
6
│  比如：Claude、ChatGPT、  │     就是你打开的那个App
7
│  VS Code、OpenClaw       │
8
└────────────┬────────────┘
9
             │
10
             ▼
11
┌─────────────────────────┐
12
│  Client（客户端）         │  ← 翻译官
13
│  管理协议通信              │     负责让Host和Server
14
│                          │     "说同一种语言"
15
└────────────┬────────────┘
16
             │
17
             ▼
18
┌─────────────────────────┐
19
│  Server（服务器）         │  ← 各种外部工具
20
│  Gmail、Slack、数据库、    │     每个工具提供一个
21
│  GitHub、支付宝……         │     标准化的MCP Server
22
└─────────────────────────┘

每个MCP Server可以提供三种能力：

谁在用MCP？#

这才是最说明问题的部分——

2024年11月，MCP刚发布的时候，只有Anthropic自己在用。

然后事情是这样发展的：

1
2024年11月    Anthropic 发布 MCP 开源标准
2
     │         ← 当时大部分人："又一个协议，能成吗？"
3
     │
4
2025年3月     OpenAI 正式采纳 MCP！
5
     │         ← Sam Altman 说："People love MCP"
6
     │         ← 这一步直接让 MCP 从"Anthropic的东西"变成"行业标准"
7
     │
8
2025年4月     Google DeepMind 确认 Gemini 支持 MCP
9
     │         ← 全球三大AI公司，全部到齐
10
     │
11
2025年5月     微软 Build 大会宣布 Windows 11 拥抱 MCP
12
     │         ← 操作系统级别的支持，彻底主流化
13
     │
14
2025年12月    Anthropic 把 MCP 捐给 Linux 基金会
15
     │         ← 成立 Agentic AI Foundation
16
     │         ← Anthropic、OpenAI、Block 联合创立
17
     │         ← MCP 从一家公司的项目变成了整个行业的公共基础设施
18
     │
19
     ▼
20
  2026年3月 ← 你在这里
21
              官方注册表已有 6,400+ MCP Server
22
              月 SDK 下载量 9,700万+

你品品这个节奏

从一家公司发布，到三大AI巨头全部采纳，到捐给Linux基金会成为行业标准——只用了13个月。

上一个发展这么快的技术标准？USB-C花了将近10年才成为主流。

中国大厂也全都跟进了#

划个重点

当全球所有主流AI公司——无论中美——都在拥抱同一个协议的时候，你就知道这不是一个”试试看”的东西了。

MCP正在成为AI时代的TCP/IP。 不知道TCP/IP是啥？就是让全世界的电脑能互相通信的那个基础协议——没有它就没有互联网。

场景：你是一个跨境电商卖家#

你对你的AI Agent（比如OpenClaw）说了一句话：

“帮我看看上周在亚马逊卖得最好的5款产品，分析一下趋势，写一份选品报告，发到我的邮箱。”

然后，三者开始协同工作——

第一步：Agent 理解并拆解任务

Agent（大脑）收到你的指令后，把它拆解成4个子任务：

1. 查询亚马逊上周销售数据
2. 分析销售趋势
3. 生成选品报告
4. 把报告发到你的邮箱

这是Agent的决策能力。它知道这4步的先后顺序，知道第2步依赖第1步的结果，知道最后一步需要你的邮箱信息。

第二步：Skill 指导”怎么做才对”

Agent身上装了一个”跨境电商选品Skill”。这个Skill告诉Agent：

• 分析亚马逊趋势要看BSR排名变化、Review增速、价格区间分布这三个关键维度
• 选品报告的标准格式应该包含：产品图片、价格区间、竞争指数、利润预估
• 趋势分析要对比同比和环比数据，不能只看绝对值
• 报告末尾要附上风险提示（比如季节性波动、供应链风险）

没有这个Skill，Agent也能写报告——但可能会遗漏关键维度，或者格式不对，或者分析逻辑不专业。

Skill让Agent从”能干活”升级为”干得专业”。

第三步：MCP 连接外部工具去执行

现在Agent知道要做什么（Agent的决策）、知道怎么做才对（Skill的指导）。接下来它需要真正去做事——这就要靠MCP了。

注意：这4个MCP Server来自4个不同的服务提供商，但Agent调用它们的方式是完全一样的——都通过MCP的标准协议。Agent不需要知道亚马逊的API长什么样、Gmail的API怎么认证——MCP Server帮它处理了这些差异。

用一张图总结#

1
你："帮我做一份选品报告，发到邮箱"
2
           │
3
           ▼
4
    ┌──────────────┐
5
    │   AI Agent    │ ← 大脑：理解意图，拆解任务
6
    │  （决策中心）  │    决定先查数据→再分析→再写报告→再发邮件
7
    └──────┬───────┘
8
           │
9
     ┌─────┴─────┐
10
     ▼           ▼
11
┌─────────┐  ┌───────────────────────────────────────┐
12
│  Skill  │  │           MCP（标准连接协议）             │
13
│ 电商选品 │  │                                         │
14
│ 专业知识 │  │  ┌─────────┬─────────┬──────────┐      │
15
│         │  │  │亚马逊    │数据分析  │文件操作   │Gmail │
16
│→指导分析 │  │  │MCP      │MCP      │MCP       │MCP   │
17
│  维度    │  │  │Server   │Server   │Server    │Server│
18
│→规范报告 │  │  └─────────┴─────────┴──────────┘      │
19
│  格式    │  │                                         │
20
└─────────┘  └───────────────────────────────────────┘
21
   经验          双手（统一方式连接各种外部工具）

最关键的一句话

Agent决定”做什么”，Skill指导”怎么做好”，MCP负责”连上去做”。

三者各司其职，缺一不可。

但MCP不是来替代API的#

别误解

MCP不是API的替代品，而是API之上的标准化层。

打个比方：API是各国的语言（英语、中文、法语），MCP是联合国的同声传译系统。有了MCP，AI不需要学会每种”语言”，它只需要对着翻译耳机说话就行了。

底层的API依然存在，MCP只是让AI更容易使用它们。

案例一：Bloomberg——近万名工程师的标准化#

Bloomberg有将近10,000名工程师。以前每个团队连接内部工具都要自己写一套代码。

接入MCP后，所有工具连接标准化。工程师们不用再重复造轮子，而是复用统一的MCP Server。Bloomberg已经成为MCP企业应用的标杆。

案例二：Block（Square母公司）——60多个内部MCP Server#

Block（就是做Square支付的那家公司）在内部开发了60多个MCP Server，覆盖了从代码审查到内部工具的方方面面。

他们还把自己的AI Agent框架”goose”开源了，捐给了Linux基金会。

案例三：支付宝——AI Agent能帮你付钱了#

支付宝联合魔搭社区推出了国内首个”支付MCP Server”。

这意味着什么？ 你的AI Agent不再只是帮你查信息、写报告。它能直接帮你完成支付。

场景：你对Agent说”帮我充200块话费”——Agent通过支付MCP Server调用支付宝完成付款。全程不用你打开支付宝App。

案例四：百度MCP Store——2010年的App Store#

百度推出了云厂商中首家MCP Store（MCP广场），开发者可以在上面发布和下载MCP Server。

李彦宏对此的评价是：“现在基于MCP开发Agent，就像2010年开发手机APP。”

翻译：2010年App Store刚起步的时候，第一批做App的人吃到了最大的红利。现在MCP Store就是AI时代的App Store，第一批做MCP Server的人，就是AI时代的第一批App开发者。

案例五：阿里云——5分钟造一个Agent#

阿里云百炼平台上线了MCP全生命周期服务，集成了50余款工具——高德地图、无影云桌面等等。

号称5分钟就能生成一个专属Agent。

这什么概念？以前你想做一个能帮你查地址、订机票、发邮件的Agent，光接入各种API可能就要一两周。现在5分钟搞定，因为这些工具都已经有了标准化的MCP Server。