问题：SKILL的渐进式披露，会同时选中多个工具吗？

回答：应该不会，在claude code中，SKILL在调用的时候也是采用tool_call的形式，会有一个工具名为skill，和tool_call逻辑一致。

问题：SKILL的出现能解决什么问题？之前的方法(MCP)为什么解决不了？

回答：在真实的业务场景中，一个 Agent 不可能只干一件这么简单的事。如果你希望AI 支持 50 个功能，每个功能（MCP方式）都个有几百-几千字的描述、传参方式等，要是系统一启动就把这些全塞进 AI 的脑子（拼入prompt）里，那么就会产生以下问题：

• 成本爆炸，每次对话可能都会消耗几万 Token。
• 注意力被稀释，难以关注到重点。

同时，在SKILL出现之前，每个功能的使用方法、调用场景、操作流程、传参信息等都会被写入description中。在工具数量过多时，为了节省token，不得不对一些无关工具的description进行简写，这可能会导致工具中某些核心限制条件、功能被遗漏。但skill通过只加载每个工具的name和一段简短的description，在确定使用哪些技能后，再以渐进式披露的形式加载该技能的深度使用方法，从而解决问题。

Skill 的出现就是为了解决这种问题，它有一个非常核心的机制，叫渐进式披露（Progressive Disclosure）。按需加载，用多少拿多少。

问题： Skill 和 MCP 的关系？

MCP 适合的是：需要持久状态的工具、需要实时双向通信的场景、工具数量巨大且需要动态发现的平台MCP告诉 Agent 能获取或写入什么数据，Skill 告诉 Agent 遇到这个场景应该怎么组合工具。Skill 最大的价值是封装经验，把多 Agent 协作踩过的坑、平台特性、安全边界写进去，新 Agent 上线就能继承，不用重新踩一遍。