Agent Skill，你记一下，我做如下部署调整！

作者：小傅哥，博客：https://bugstack.cn

大家好，我是技术UP主小傅哥。

skill 是什么？它像是一本技能书，把一阳指（mcp/py/shell/js）和狮吼功（prompt）合成了一整招。缩短了从用户把提示词发给AI客户端，进行分析，决策，再到 mcp 执行的过程，让诉求直达结果，token 减少了，幻觉减少了！

随着 LLM 大模型能力的不断提升，并与 RAG、MCP、Skill 的结合，使得 Agent 智能体与完整的计算机环境（Computer/Phone）交互成为可能。这个过程中，一方面不断产生新的技术方案，一方面又不断的优化设计。就像 Skill 的出现，它不是替代 MCP，而是更准确的使用 MCP 能力。

接下来，小傅哥就带着大家使用一波 skill，让小伙伴们可以在 opencode、trae.ai，以及基于 Spring AI 也可以使用上 skill 能力。

一、skill 和 prompt + mcp

如图，演示了一段 skill 的编写案例；

互联网

数据库

所以，不是 skill、mcp 谁替代谁，而是 skill 对 mcp 进行增强，让 ai 执行时更加可靠。

二、配置使用

首先，像是市面上的 claude code、opencode 这些软件，都是支持了 skill 技能书配置使用的，如果遇到一些软件暂时还不支持 skill，或者自己使用 spring ai、langchain4j、google adk 构建的智能体时候需要使用 skil 技能，则可以通过 skillport-mcp 来使用 skill 配置。

这里小傅哥分别演示下 opencode、trae.ai + mcp、spring ai + google adk + mcp 的方式使用 skill；

1. 测试工程(skill)

2. opencode 使用

做好了安装脚本，方便小白伙伴使用

2.1 配置skill

fuzhengwei@fuzhengweideMacBook-Pro-2 skill % ls
battle-plan
fuzhengwei@fuzhengweideMacBook-Pro-2 skill % pwd
/Users/fuzhengwei/.opencode/skill
fuzhengwei@fuzhengweideMacBook-Pro-2 skill % cd battle-plan 
fuzhengwei@fuzhengweideMacBook-Pro-2 battle-plan % ls
reference.md scripts  SKILL.md
fuzhengwei@fuzhengweideMacBook-Pro-2 battle-plan %

进入到 opencode 配置文件下，如果是 linux 一般会放到 /root/.config/opencode/ 下。首先你要进入到这个 opencode 配置文件夹，之后在这个文件夹添加一个 skill，再之后就在 skill 下创建你的具体的技能书了。现在你可以把 xfg-dev-tech-agent-skills 案例工程的技能书，battle-plan 放到 skill 里。

2.2 开启skill

fuzhengwei@fuzhengweideMacBook-Pro-2 ~ % cd /Users/fuzhengwei/.opencode
fuzhengwei@fuzhengweideMacBook-Pro-2 .opencode % ls
bin  node_modules package.json
bun.lock opencode.json skill
fuzhengwei@fuzhengweideMacBook-Pro-2 .opencode % cat opencode.json 
{
"permission": {
    "skill": {
      "pr-review": "allow",
      "internal-*": "deny",
      "experimental-*": "ask",
      "*": "allow"
    }
  },
"$schema": "https://opencode.ai/config.json"
}%                                                                                            fuzhengwei@fuzhengweideMacBook-Pro-2 .opencode %

opencode.json

"*": "allow"

2.3 使用skill

基于 skill 解答，电脑性能优化

说明：这里的电脑性能优化就是 skill 工具名称的描述。

3. trae.ai + mcp + skill

3.1 工具说明

工具：https://github.com/gotalab/skillport

目前还有不少 AI Agent 智能体，在底层设计上，还不支持直接使用 skill，也包括一些 ai 组件框架，也都没有 skill 的直接支持。那么这里要引入一个 skillport-mcp 服务来解决。借助 mcp 能力，使用 skill。

3.2 工具安装

# 需要安装 python3
pip3 config set global.index-url http://mirrors.aliyun.com/pypi/simple/
pip3 install uvx

安装 skillport 前，要确保本地安装了 pyhton/python3 环境。之后有 uvx 的安装。

pip3 install skillport
# or: uv tool install skillport

如果安装过程中遇到一些失败的问题，可以用 trae.ai 里面执行安装，之后把报错拖进去提问。

3.3 mcp 配置

{
  "mcpServers": {
    "skillport": {
      "command": "uvx",
      "args": ["skillport-mcp"],
      "env": { "SKILLPORT_SKILLS_DIR": "~/.skillport/skills" }
    }
  }
}

pip3 install skillport

安装。

3.4 工具使用

当你选择 Builder with MCP（涵盖了skillport-mcp），之后提问 基于 skill 解答，电脑性能优化 那么就可以得到上面的命令了。

4. spring ai + skill

public class SpringAiToolTest {

    privatestaticfinal Logger log = LoggerFactory.getLogger(SpringAiToolTest.class);

    public static void main(String[] args) {
        OpenAiApi openAiApi = OpenAiApi.builder()
                .baseUrl("https://apis.***.cn")
                .apiKey("sk-efen7WX8Q8vGvBps3f7c9a34578d41Bb******")
                .completionsPath("v1/chat/completions")
                .embeddingsPath("v1/embeddings")
                .build();

        ChatModel  chatModel = OpenAiChatModel.builder()
                .openAiApi(openAiApi)
                .defaultOptions(OpenAiChatOptions.builder()
                        .model("gpt-4.1")
                        .toolCallbacks(new ArrayList<>() {{
                            addAll(List.of(sseMcpClient()));
                        }})
                        .build())
                .build();

//        String call = chatModel.call("你哪有哪些 skill 工具能力");
        String call = chatModel.call("基于 skill 解答，电脑性能优化");

        log.info("测试结果:{}", call);

    }

    /**
     * https://github.com/gotalab/skillport
     * pip3 config set global.index-url http://mirrors.aliyun.com/pypi/simple/
     * pip3 config set install.trusted-host mirrors.aliyun.com
     * pip3 config list
     * pip3 install uvx
     */
    publicstatic ToolCallback[] sseMcpClient() {
        ServerParameters stdioParams = ServerParameters.builder("uvx")
                .args("skillport-mcp")
                .env(new HashMap<>() {{
                    put("SKILLPORT_SKILLS_DIR", "/Users/fuzhengwei/coding/gitcode/KnowledgePlanet/road-map/xfg-dev-tech-agent-skills/docs/skills");
                }})
                .build();

        McpSyncClient mcpSyncClient = McpClient.sync(new StdioClientTransport(stdioParams, new JacksonMcpJsonMapper(new ObjectMapper())))
                .requestTimeout(Duration.ofSeconds(35000)).build();

        McpSchema.InitializeResult initialize = mcpSyncClient.initialize();

        return SyncMcpToolCallbackProvider.builder().mcpClients(mcpSyncClient).build()
                .getToolCallbacks();
    }

}

skillport-mcp

配置进去使用。如小傅哥带着做 AI Agent 智能体项目你现在可以加进去更多的扩展操作了。