摘要#

本章将进一步进入智能体应用开发的核心环节，重点介绍 Skill 与 MCP 两类用于扩展智能体能力的重要机制，并结合 LangChain 与 LangGraph 展示其在实际项目中的应用。随着大语言模型从单纯的文本生成逐步发展为能够调用工具、访问外部数据并完成复杂任务的智能体，如何让模型获得稳定、可复用且易于管理的外部能力，已经成为构建智能体系统的重要问题。Skill 与 MCP 分别从能力封装与工具连接的角度提供了解决思路。

首先，本章将介绍 Skill 的基本概念及其作用，帮助读者理解如何将特定领域的知识、操作流程和工具能力封装为智能体可以调用的技能。在此基础上，将进一步介绍 Skill 在 LangChain 中的使用方式，使读者掌握如何将独立的技能组件集成到智能体工作流中，实现能力的复用与组合。

随后，本章将进入 MCP（Model Context Protocol）的学习。MCP 为大语言模型与外部工具、数据源及服务之间建立了一套标准化的连接方式，可以有效降低不同模型、智能体框架与外部服务之间的集成成本。本章将从 MCP 的基本概念、工作机制和应用价值出发，进一步介绍如何在 LangChain 中接入和使用 MCP，让读者理解模型如何通过标准化协议访问外部能力。

最后，本章将综合前面介绍的 Skill、MCP、LangChain 与 LangGraph 等技术，构建一个基于 LangGraph 的多智能体个人助理。通过完整的项目实践，将多个具备不同职责的智能体组织起来，并结合工具调用与任务协作完成较为复杂的实际任务。通过本章学习，读者将逐步建立从“单一模型调用”向“可扩展智能体系统”演进的完整认知，并掌握构建复杂 Agent 应用所需的核心技术。