四者之间的关系可以这样理解：

Agent 是最顶层的"大脑"，负责规划目标、拆分任务、决定下一步做什么。它不亲自执行，而是调用下层能力。
Skill 是对"怎么做某件事"的高层封装。它通常包含提示模板、推理链、或一段固定的执行逻辑，让 Agent 复用经验而不必每次从头构建。Skill 本身可以在内部编排多个 Tool 的调用顺序。
Tool 是最基础的原子接口——一个可调用的函数，有明确的输入输出。Agent 可以直接调用 Tool，Skill 也可以在内部组合调用多个 Tool。
MCP（Model Context Protocol）是连接 AI 层与外部世界的协议标准。它把外部能力规范地暴露为三类端点：

Resources — 提供文件、数据库记录等上下文内容
Tools — 注册可被调用的函数（这是 MCP 的 Tool，与上面 Tool 层对应）
Prompts — 管理可复用的提示模板

一句话总结关系链：Agent 通过 Skill（策略层）和 Tool（执行层）发出意图，Tool 通过 MCP 协议与外部 API、数据库、文件系统交互，完成真实世界的操作。

Skill 是对"如何完成某类任务"的高层封装——它不是一个函数，而是一段经验。

最直观的区分方式：Tool 回答"能做什么"，Skill 回答"怎么做好"。

Tool 是什么？它如何与外部系统交互？

Tool 的三个核心属性，缺一不可：
name 是 Tool 的唯一标识，Agent 靠它选择工具，比如 search_web、read_file、send_email。
schema 定义了入参的结构和类型（通常是 JSON Schema），调用前会对参数做验证，防止无效请求打到外部系统。
handler 是实际执行体，里面写着如何发 HTTP 请求、如何查询数据库、如何读写文件。
这层对 Agent 完全透明——Agent 只看到 schema，不知道 handler 怎么实现的。
与外部系统的交互方式本质上没有限制，常见的有：