第 4 章
核心技术深度解析
深入理解 AI 编程工具的核心技术，包括 MCP、Skill 系统、Agent 系统和 LSP，掌握这些技术的架构原理和配置方法。
MCP（Model Context Protocol）
MCP 是连接 AI 模型和外部服务的标准协议，让 AI 能够访问文件系统、数据库、API 等资源。
架构原理
MCP 采用客户端-服务器架构：
- • MCP Client：AI 工具（如 Cursor、Claude Code）
- • MCP Server：提供服务的后端（文件系统、GitHub、数据库）
- • Protocol：标准化的通信协议（JSON-RPC）
- • Tools & Resources：Server 提供的工具和资源
常见 MCP Servers
文件系统
读写本地文件
GitHub
GitHub API 集成
数据库
SQL 查询执行
配置与安全
- • 配置文件：JSON 格式配置 MCP Servers
- • 认证机制：API Key、OAuth 等认证方式
- • 权限控制：限制 Server 的访问范围
- • 安全最佳实践：密钥管理、最小权限原则
自定义 MCP Server
创建自己的 MCP Server 扩展 AI 能力：
- • 定义 Tools：实现 AI 可以调用的工具函数
- • 提供 Resources：暴露数据资源给 AI
- • 实现协议：遵循 MCP 协议规范
- • 测试与部署：本地测试后部署到生产环境
Skill 系统
Skill 系统让 AI 助手具备可复用的专业能力，是提升 AI 工具效率的关键。
Cursor Skill
- • Markdown 格式定义
- • 上下文和指令
- • 可复用能力
- • 版本管理
Kiro Steering Files
- • 配置文件驱动
- • AI 行为定制
- • 项目特定配置
- • 团队共享
Claude Code Skills
- • 命令行专用
- • 终端集成
- • 工作流自动化
- • MCP 集成
元技能（Meta-Skills）
- • 生成其他 Skill
- • Skill 模板
- • 自动化创建
- • 最佳实践
团队 Skill 管理
- • Skill 库：团队共享 Skill 库，统一标准
- • 版本控制：Skill 像代码一样进行版本管理
- • 文档化：每个 Skill 都有清晰的文档说明
- • 评审机制：Skill 提交需要团队评审
Agent 系统
Agent 系统让 AI 能够自主执行复杂任务，而不仅仅是响应式交互。
Agent 类型
Reactive Agent
响应式，基于当前状态
Planning Agent
规划型，制定执行计划
Learning Agent
学习型，从经验中改进
工作流程
1
理解任务：分析用户需求，理解任务目标
2
制定计划：分解任务，制定执行步骤
3
执行操作：调用工具，修改文件，执行命令
4
评估结果：检查执行结果，决定下一步
多 Agent 编排
- • 架构师 Agent：负责系统设计和架构决策
- • 编码 Agent：负责代码实现和编写
- • 测试 Agent：负责测试用例编写和执行
- • 审查 Agent：负责代码审查和质量检查
Plan 系统
Plan 系统让 Agent 能够自主制定和执行计划：
- • 任务分解：将复杂任务分解为可执行的步骤
- • 依赖管理：理解步骤之间的依赖关系
- • 动态调整：根据执行结果调整计划
- • 进度追踪：实时追踪任务执行进度
LSP（Language Server Protocol）
LSP 是 IDE 和语言服务之间的标准协议，AI IDE 在此基础上增强了智能能力。
架构原理
1
Language Server：提供语言服务的后端（补全、跳转、诊断）
2
Language Client：IDE 客户端，发送请求并显示结果
3
Protocol：JSON-RPC 协议，标准化通信
与 AI IDE 的关系
- • LSP 提供基础语言服务
- • AI 增强补全和诊断
- • 结合上下文理解
- • 智能代码生成
语言服务能力
- • 代码补全：智能补全，上下文感知
- • 跳转定义：快速跳转到定义位置
- • 诊断：实时错误检查和警告
- • 格式化：代码自动格式化
学习成果
完成本章后，你将：
- 1深入理解 MCP、Skill、Agent、LSP 的核心机制和架构原理
- 2能够配置和自定义这些系统，创建自己的 MCP Server 和 Skill
- 3理解 AI IDE 的底层架构，掌握多 Agent 编排和 Plan 系统
- 4了解团队 Skill 管理和 LSP 与 AI 的协作方式