• MCP：把「接什么工具」从各家自研接口，收敛成可复用的开放协议，Agent 才有稳定的「手脚」。
  • Vibe Coding：用自然语言指挥生成与迭代代码，把门槛从「写每一行」挪到「说清楚要什么」。
  • Agent：在 MCP + 强模型之上，做多步规划、调用工具、执行工作流；和单次问答不是同一类游戏。
  • OpenClaw / Skills：本地或自托管的 Agent 运行时 + 可分发、可组合的 Skill 包，把能力做成「装插件」。

若你更关心「Skill 目录长什么样、和 GitHub 上同名课程有啥区别」，可先看站内这篇：Agent Skills：AI 时代的可复用能力封装。

2024 到 2026 年，大家聊 AI 时，「技能」越来越常指一件具体的事：模型不只生成文字，还能按步骤调用工具、读写环境、把事办完。下面按时间先后，把 MCP、Vibe Coding、Agent、OpenClaw 与 Skills 串成一条线；例子侧重能想象的用法，方便你对照自己的场景。

MCP（Model Context Protocol）：先把「接线」标准说清楚

Anthropic 在 2024 年 11 月前后开源并推广了 Model Context Protocol（MCP）[1]：目标很直接，少做「每个产品各造一套 AI 接数据库、接 SaaS、接本地文件」的碎片活。你可以把它理解为：在应用与数据源、工具之间，约定一种双向、可发现、可安全管控的连接方式（常被比作「AI 侧的通用接口」）。

MCP Server 一旦把 Git、日历、知识库等封装好，Agent 就不必为每个集成从零写 schema；同一套能力也能在多款客户端里复用。2025 年起，越来越多工具开始支持 MCP 或同类互操作方案，生态也从「一家主推」走向多方参与。

如果你想从“协议层”继续看到“交付层”，可以接着读 Harness Engineering 演进全景（2022-2026）。

能怎么用（想象场景）：企业里给分析助手接上只读库与 BI，用户一句「按大区看 Q4 走势并出图」，Agent 经 MCP 查数、算指标、回传图表——过去常要数据同事写 SQL、再配脚本，现在可以压进对话里的几轮确认。另一类常见组合是：设计稿 / 浏览器 / 部署串成流水线，由 Agent 按步骤拉设计、改代码、跑构建，少在各环节手动拷贝。

Vibe Coding：从「抠语法」到「说清楚意图」

Karpathy 把这种做法称为 “Vibe Coding”：开发者更多通过自然语言（甚至语音）描述意图，让模型反复生成、修改、调试代码；在很多场景里，重心从「手写每一行」转向「持续给出反馈并迭代」[2]。

2025 年 2 月，Andrej Karpathy 在 X 上把一种做法叫 Vibe Coding[2]：更靠「感觉」和意图描述，用自然语言（甚至语音）让模型生成、修改、调试代码，实践上往往少抠每一行手写、多靠迭代指令。这能成立，前提是编辑器加上强模型，已经能扛住大量实现细节。

如果你正在做 IDE 内的实战迁移，和 Prompt 到 Harness 的实战拆解 里讲的“角色分离 + 状态外置”一起看，会更容易把“快”变成“稳”。

后来「Vibe Coding」进了开发者日常用语，也有媒体讨论会不会被词典收录——真正值得盯的其实不是名字，而是边界：原型可以极快，上线后的监控、安全、可维护性仍要人兜底。Karpathy 分享的 MenuGen（菜单拍照 → 配图与菜名解释）常被拿来举例：需求来自真实场景，路径高度依赖 AI 迭代，同时也让人看见生产环境里「继续改、继续补」的成本。

AI Agent：会聊与会干之间，差一个「闭环」

Agent 并不是 2025 年才有的词，但这几年更容易谈「落地」：一边有 MCP 这类工具协议，一边有 Vibe Coding 这类降低编排成本的做法，模型侧在长程任务与工具调用上也普遍变强，几件事叠在一起，多步规划 → 调用工具 → 根据结果再规划才更像常规能力，而不只是 Demo。

和「问一句答一句」相比，Agent 更强调：状态、计划、失败重试、与外部系统对齐。可以把它理解成：MCP（以及同类方案）提供可接的「手脚」，强模型负责理解与决策；产品侧还得你自己卡权限、留审计——能力越强，越要先谈安全。

场景示例：个人或小团队在 Cursor 一类环境里描述需求：「抓某平台公开趋势 → 写入 Notion → 定时发邮件摘要」。Agent 在许可范围内拉 API、写表、部署定时任务；耗时从「手写脚本好几天」缩到「多轮对话 + 调通环境」，但密钥、频率限制、合规仍要单独设计，这里不会替你省略。

OpenClaw（曾用名 Clawdbot / Moltbot）：本地与聊天入口里的 Agent

2025 年下半年起，社区里由 Peter Steinberger 等推动的开源项目关注度很高：早期叫过 Clawdbot，后因品牌与商标等原因改名，路线逐渐收束到 OpenClaw——强调可本地或自托管，并可通过 Telegram、WhatsApp、Discord 等驱动，支持命令行、文件、记忆与多 Agent 协作[3]。仓库曾在短时间内冲到很高的 star（具体数以当时页面为准）。

对使用者来说，吸引力通常在三件事：数据与模型路径更可控、按订阅计费的压力可减轻、行为可通过插件与脚本深度定制。也要心里有数：接邮箱、日历、支付等真实系统时，权限与备份要比「玩具 Demo」严得多。

场景示例：在自有机器上跑通后，用 IM 发一条「整理收件箱草稿、拉下周日程、提醒值机」——Agent 在已授权范围内读邮件、写日历、设提醒。另一类流传较广的故事是在配额或路由受限时，用本地代理或备用 API 顶一段流程——这涉及服务条款与合规，只适合在合法前提下理解其工程上的可能性，不宜当成「绕过限制」教程照抄。

Skills 与 ClawHub：把能力做成可安装的包

维度 OpenClaw Skills
本质 本地开源 AI Agent 框架（完整平台/运行环境） 模块化能力扩展包（单个技能/插件）
角色 提供运行环境、聊天接口（Telegram/WhatsApp/Discord 等）、长期记忆、多 Agent 协作、本地文件/CLI 执行、模型接入（Claude/GPT/Ollama 等） 教 Agent “具体怎么做某件事”的指令包
结构形式 一个完整的软件项目（Node.js 守护进程、Web UI、消息通道集成、Workspace 系统） 一个文件夹，通常包含 SKILL.md（YAML 前置 + Markdown 指令）+ 可选脚本/模板/参考文件
主要功能 作为“主机”运行 Agent；连接聊天 App 接收指令；管理内存、会话、心跳（主动唤醒）；支持子 Agent / 多 Agent 协作；集成 MCP 或内置工具 封装特定工作流（如 GitHub PR 审查、邮件处理、日历同步）；提供自然语言指令、触发条件、最佳实践；支持动态加载、沙箱执行、自进化
安装/使用方式 通过 GitHub 下载运行，配置模型密钥、消息通道，一次性部署后长期运行 通过 ClawHub CLI 安装（如 openclaw skills install github），或手动放入 workspace/skills 目录
范围 整个系统（框架层） 单个能力单元（可复用、可社区分享）
优势 本地隐私安全、无持续 API 费用、支持聊天直接指挥、传播速度快 即插即用、轻量高效、社区生态庞大、易于编写（非代码，类似写文档）
局限性 需本地部署和管理，早期安全依赖 Skill 质量 本身不运行，必须依赖 OpenClaw（或类似框架）才能生效；社区技能质量参差
典型例子 你在电脑上运行 OpenClaw，通过 WhatsApp 发消息“帮我清空邮箱并安排下周会议” “github” Skill：教 Agent 如何创建 PR、审查代码、同步 issue “linear” Skill：把 Slack 讨论转为任务并更新看板
互补关系 OpenClaw 是“容器”和“执行引擎”，提供基础设施和接口 Skills 是“内容”和“能力”，让 OpenClaw 从通用聊天工具变成专业助手

在 OpenClaw 这条线上，Skills 常被说成杀手级特性：每个 Skill 是一个约定好的目录（例如含 SKILL.md、元数据与指令），可被动态加载、在受控环境里执行，并分享到社区注册表。ClawHub 站点负责「发现与版本」[4]。这和我在 Agent Skills 能力封装指南 里写的「把经验打包给智能体读」是同一思想在不同产品里的体现：一边是通用 Agent Skills 规范与 IDE 生态，一边是 OpenClaw 系里的 Skill 市场。

组合多个 Skill 时，典型画像是：Git 类 Skill 管 PR 与 issue 同步，项目管理类 Skill 管看板与任务，再配邮件或浏览器自动化 Skill，把「讨论 → 任务 → 代码 → 发布」串起来。社区也会聊「跑过若干次任务后，把成功模式沉淀成新 Skill」——这类自进化叙事很吸引人，实际效果仍取决于任务能不能复盘、日志干不干净，以及人的审核。

时间线一览（2024–2026）

时段 事件要点
2024.11 前后 Anthropic 推动 MCP，工具连接开始协议化[1]
2025.02 前后 Karpathy 提出 Vibe Coding，自然语言驱动开发成热词[2]
2025 全年 Agent、MCP、IDE 深度集成并行升温
2025 下半年 OpenClaw 路线走红，本地与 IM 入口受关注
2026 初 Skills 注册表与社区包增多，「可组合能力」成为话题

差异对比

一句话速览

名词 一句话
Vibe Coding 自然语言 /「感觉」驱动的开发范式（弱手写、强迭代，常被人说成「忘掉代码存在」）。
Agent 能做多步任务、调用工具的 AI 系统（有规划、有状态，不只是聊天）。
MCP 连接数据源与工具的开放协议，常被比作 AI 侧的「通用接口」。
OpenClaw 可本地/自托管的 Agent 运行时，常用 IM 当入口。
Skills 可安装、可分享的能力包（指令 + 知识，常含 SKILL.md）。

核心定义

  • Vibe Coding：自然语言 /「感觉」驱动的开发范式（忘掉代码存在）。
  • Agent：自主执行多步任务的 AI 系统（有脑有手）。
  • MCP（Model Context Protocol）：标准化工具 / 数据连接协议（AI 的「USB-C 接口」）。
  • OpenClaw：本地开源 Agent 框架（聊天指挥的超级助手）。
  • Skills：模块化、可复用能力包（教 Agent 具体怎么做）。

本质类型

  • Vibe Coding：开发方式（如何快速创建）。
  • Agent：执行主体（谁来做事）。
  • MCP：基础设施标准（怎么安全连接外部）。
  • OpenClaw：具体实现框架（一个完整的本地 Agent 产品）。
  • Skills：能力扩展模块（指令 + 知识包）。

提出 / 流行时间（量级）

  • Vibe Coding：2025 年 2 月（Andrej Karpathy 提出）。
  • Agent：2024–2025 年全面爆发（概念更早，落地在这几年变热）。
  • MCP：2024 年 11 月（Anthropic 开源）。
  • OpenClaw：2025 年 11 月前后（原 Clawdbot，后曾用 Moltbot 等名，再收束到 OpenClaw）。
  • Skills：2025–2026 年随 OpenClaw / ClawHub 普及。

主要功能

  • Vibe Coding：用 vibe（意图、感觉）描述需求，让 AI 自动生成 / 迭代代码。
  • Agent：感知 → 规划 → 多步执行 → 反思（自主完成复杂任务）。
  • MCP：安全、双向、可发现地连接数据源、工具、API。
  • OpenClaw：本地运行 + 聊天界面（Telegram / WhatsApp 等）指挥，支持文件、CLI、长期记忆。
  • Skills：以 SKILL.md + YAML 等形式封装工作流、指令、最佳实践。

关键优势

  • Vibe Coding：门槛极低，非程序员也能快速原型和 ideation。
  • Agent：真正「动手」而非只聊天，能处理长期、多步任务。
  • MCP：统一标准，避免碎片化集成；一次实现，多处复用。
  • OpenClaw：隐私与数据路径更可控、可深度自定义；社区传播快。
  • Skills：即插即用、社区共享（如 ClawHub）、轻量，可沉淀成功模式。

主要局限

  • Vibe Coding：输出概率性强，适合原型 / 周末项目，严谨生产要另做工程化。
  • Agent：需底层工具支持，否则「有脑无手」。
  • MCP：可能增加 token 消耗（schema 注入），且要维护 MCP Server。
  • OpenClaw：早期安全与依赖管理需注意，Skill 质量参差。
  • Skills：本身不执行操作，必须搭配框架或 MCP。

与传统做法对比

  • Vibe Coding：从「精确写代码」→「描述 vibe」。
  • Agent：从「聊天工具」→「能干活的 AI 个体」。
  • MCP：从各家自定义函数调用 → 统一开放协议。
  • OpenClaw：从强依赖云端 Agent → 本地全控、自托管 Agent。
  • Skills：从硬编码工具逻辑 → Markdown + YAML 可分享知识包。

典型使用场景

  • Vibe Coding：快速搭 App、菜单可视化（如 Karpathy 的 MenuGen）、原型验证。
  • Agent：自动化工作流、复杂项目管理、个人 / 企业任务执行。
  • MCP：连接数据库、GitHub、Notion、日历等外部系统。
  • OpenClaw：个人日常自动化（清邮件、排会、管代码仓库等）。
  • Skills：复用最佳实践（如 GitHub PR 审查、Linear 任务同步）。

彼此怎么配合

  • Vibe Coding：适合快速「vibe」出 Agent 或 Skills 的原型。
  • Agent：需要 MCP、Skills 等提供「手脚」与用法。
  • MCP：提供连接能力；Skills 常补充「怎么用这些连接」。
  • OpenClaw：可作为集成 MCP + Skills 的落地平台之一。
  • Skills：常与 MCP 搭配——MCP 给工具，Skills 教用法与流程。

结语

一年半到两年里，行业叙事从「模型有多会写」转向「能不能在真实系统里稳定做完」。MCP 解决接线，Vibe Coding 降低表达成本，Agent 承担闭环，OpenClaw 与 Skills 则把「个人或小团队能握在手里的运行时 + 模块」推到台前。与此同时，隐私、越权、供应链与「影子自动化」也会一起放大——工具越顺手，权限与审计越要和「顺手」同样认真。

若你刚入门，不妨选一个最小场景：只接一个 MCP 工具，或只写一个最小 Skill，跑通「输入 → 调用 → 可复查的输出」，再谈规模化；比一次性凑齐全家桶更稳。

相关阅读：

引用来源

〔注1〕MCP 官方站点与协议说明：Model Context Protocol

〔注2〕Karpathy 提出 Vibe Coding 的原始帖子：Andrej Karpathy on X

〔注3〕OpenClaw 项目仓库（含项目定位与功能说明）：openclaw/openclaw

〔注4〕ClawHub 站点（Skills 发现与分发入口）：ClawHub