1. 先把五個詞擺到一張桌子上Prompt、Agent、Skill、MCP、Claude Code 到底誰管什么Prompt、Agent、Skill、MCP、Claude Code 這五個詞經(jīng)常被混著用但它們其實處在完全不同的層級。Prompt 是你對模型說的一句話Agent 是讓模型自己循環(huán)干活的機制Skill 是把一套做法封裝成可復用的模塊MCP 是讓模型安全調(diào)用外部工具的協(xié)議Claude Code 則是把這些東西打包好的一個現(xiàn)成產(chǎn)品。適合誰適合已經(jīng)會用 ChatGPT 或 Claude 聊天、但一看到“Agent 框架”“MCP Server”“Skill 編排”就頭大的人。我試過把這五個概念拆開單獨學結(jié)果越學越亂因為文檔各講各的沒有一個統(tǒng)一的運行環(huán)境讓你看到它們怎么串起來。后來我換了個思路用同一套 API Key 和 Base URL從最簡單的 Prompt 調(diào)用開始一層一層往上加每加一層就跑一次請求看它到底變了什么。這樣五個概念的邊界自然就清楚了。這篇文章就是按這個思路寫的。你不需要先裝一堆框架只需要一個能發(fā) HTTP 請求的環(huán)境curl 或 Python 都行加上一個統(tǒng)一的 Key。我會用 TaoToken 作為統(tǒng)一入口因為它同時提供 OpenAI 兼容接口和 Claude 系列模型Base URL 和 Key 一套就夠不用為每個概念單獨配環(huán)境。下面從環(huán)境準備開始每一步都有可復制的命令和配置。2. 用 TaoToken 統(tǒng)一 Key 和 Base URL一次配置五層通用在開始跑五層示例之前先把“入口”統(tǒng)一掉。這一步很關(guān)鍵因為后面 Prompt、Agent、Skill、MCP、Claude Code 如果各自用不同的 Key 和地址排查問題時會瘋掉。TaoToken 的 API 地址是https://taotoken.net/api兼容 OpenAI 的/v1/chat/completions格式同時也支持 Claude 系列模型。你只需要在官網(wǎng)注冊后拿到一個 Key后面所有層都用它。先設置環(huán)境變量。Linux/macOS 下直接 exportWindows PowerShell 用$env:export TAOTOKEN_API_KEYsk-你的Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api/v1如果你用 Python建議寫一個最小的公共調(diào)用函數(shù)后面每層都復用它這樣能清楚看到“變化只發(fā)生在調(diào)用方式上而不是底層連接上”import os, json, urllib.request API_KEY os.environ[TAOTOKEN_API_KEY] BASE_URL os.environ[TAOTOKEN_BASE_URL] def chat(messages, modelclaude-sonnet-4-20250514, toolsNone): payload {model: model, messages: messages} if tools: payload[tools] tools req urllib.request.Request( f{BASE_URL}/chat/completions, datajson.dumps(payload).encode(), headers{ Authorization: fBearer {API_KEY}, Content-Type: application/json, }, ) with urllib.request.urlopen(req) as resp: return json.loads(resp.read())這段代碼就是后面五層的“底座”。你可以先跑一次確認連通curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:說一句你好}]}如果返回里有choices字段和內(nèi)容說明 Key 和 Base URL 都對了。如果返回 401先檢查 Key 有沒有復制完整如果返回local proxy failed或連接超時檢查 Base URL 是不是寫成了https://taotoken.net/api少了/v1或者多了斜杠。這一步過了再往下走。注意TaoToken 的 API 地址是https://taotoken.net/api實際請求路徑要拼上/v1/chat/completions。官網(wǎng)是https://taotoken.net注冊和拿 Key 都在那里。不要把這兩個搞混。3. 五層逐級跑通Prompt 調(diào)用、Agent 循環(huán)、Skill 封裝、MCP 工具接入、Claude Code 執(zhí)行這一節(jié)是核心。我會按“從簡單到復雜”的順序每層給一個可運行的最小示例并說明它和上一層的區(qū)別。你可以在同一個 Python 文件里依次跑觀察每層新增了什么。3.1 Prompt一次請求一次回答Prompt 就是 messages 數(shù)組里的內(nèi)容。你寫什么模型就按什么回答回答完這次調(diào)用就結(jié)束。沒有循環(huán)沒有工具沒有記憶。resp chat([ {role: system, content: 你是一個簡潔的助手回答不超過50字。}, {role: user, content: 用一句話解釋什么是 Prompt。} ]) print(resp[choices][0][message][content])跑通后你會看到一句簡短回答。這就是 Prompt 的邊界它只管“這一次怎么說”不管“下一步做什么”。很多人把 Prompt 寫得很長很復雜其實清晰比長度重要。如果你發(fā)現(xiàn)模型答偏了先檢查 system 里的約束是不是自相矛盾而不是繼續(xù)加字數(shù)。3.2 Agent讓模型自己決定下一步Agent 的本質(zhì)是“循環(huán) 工具調(diào)用”。模型不再只回答一次而是可以請求調(diào)用某個工具拿到結(jié)果后繼續(xù)思考直到它認為任務完成。下面是一個最小 Agent 循環(huán)用tools參數(shù)告訴模型有哪些工具可用tools [{ type: function, function: { name: get_weather, description: 查詢指定城市的天氣, parameters: { type: object, properties: {city: {type: string}}, required: [city] } } }] messages [{role: user, content: 北京今天天氣怎么樣適合跑步嗎}] resp chat(messages, toolstools) msg resp[choices][0][message] while msg.get(tool_calls): for call in msg[tool_calls]: # 這里模擬工具返回真實場景換成你的 API result {city:北京,weather:晴,temp:22} messages.append(msg) messages.append({ role: tool, tool_call_id: call[id], content: result }) resp chat(messages, toolstools) msg resp[choices][0][message] print(msg[content])這段代碼跑起來后模型會先請求get_weather你返回模擬數(shù)據(jù)它再基于數(shù)據(jù)回答“適合跑步”。這就是 Agent 和 Prompt 的區(qū)別Prompt 是你說一步它做一步Agent 是你給目標它自己拆步驟。注意Agent 能調(diào)工具就意味著它能產(chǎn)生副作用所以真實場景里權(quán)限控制必須提前想清楚。3.3 Skill把一套做法封裝成可復用模塊Skill 不是 API 里的一個參數(shù)而是一種組織方式。它把“某類任務該怎么做”寫成一段固定的 system 提示或函數(shù)下次直接調(diào)用不用每次重新描述。比如你經(jīng)常要讓模型按公司格式寫周報就可以封裝成一個 Skilldef weekly_report_skill(raw_notes): return chat([ {role: system, content: ( 你是一個周報助手。輸出格式固定為 一、本周完成二、下周計劃三、風險與求助。 每條不超過兩行語氣客觀。 )}, {role: user, content: raw_notes} ])[choices][0][message][content] print(weekly_report_skill(修了登錄bug開了兩次會下周要做支付對接))這個函數(shù)就是 Skill 的雛形它把提示詞、格式約束、語氣要求都固化下來調(diào)用者只需要傳原始素材。Skill 的價值在于“穩(wěn)定基線”讓每次輸出不會因為提示詞寫法不同而忽好忽壞。但 Skill 不是越多越好堆多了會互相沖突邊界清晰比數(shù)量重要。3.4 MCP用統(tǒng)一協(xié)議接入外部工具MCP 是 Anthropic 提出的協(xié)議標準目的是讓模型連接外部工具時不用每個工具寫一套適配。你可以把它理解成“工具接入的 USB-C”。在 TaoToken 的兼容接口下MCP 工具最終也是以tools的形式暴露給模型但工具的發(fā)現(xiàn)和調(diào)用遵循 MCP 協(xié)議。一個最小的 MCP 風格工具定義如下mcp_tools [{ type: function, function: { name: query_database, description: 查詢銷售數(shù)據(jù)庫返回指定月份的匯總數(shù)據(jù), parameters: { type: object, properties: { month: {type: string, description: 格式 YYYY-MM} }, required: [month] } } }]然后把它傳給 Agent 循環(huán)模型就會在需要數(shù)據(jù)時請求調(diào)用。MCP 的關(guān)鍵點是協(xié)議只負責“怎么接”不負責“接進來之后怎么用”。你仍然需要 Agent 來規(guī)劃、Skill 來規(guī)范、權(quán)限策略來控制。很多人以為接了 MCP 就自動會用工具其實那只是第一步。3.5 Claude Code把上面四層打包成可執(zhí)行產(chǎn)品Claude Code 是 Anthropic 的編程 Agent 產(chǎn)品它內(nèi)置了 Agent 循環(huán)、文件讀寫、命令執(zhí)行、代碼搜索等能力相當于把 Prompt、Agent、Skill、MCP 都集成好了。你不需要自己寫循環(huán)只需要給它目標。在 TaoToken 環(huán)境下你可以通過配置 Base URL 和 Key 讓它走統(tǒng)一入口。Claude Code 的配置文件通常在~/.claude/settings.json或項目級.claude/settings.json關(guān)鍵字段如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: claude-sonnet-4-20250514 } }如果你用 CC Switch 或 Cline MCP 這類工具管理多個環(huán)境三件套必須寫全Base URL、Key、Model ID。缺一個都會導致請求打不到正確模型。配置好后在項目目錄里運行claude輸入“幫我看看這個項目里有沒有未處理的 TODO”它就會自己搜索文件、讀取內(nèi)容、匯總結(jié)果。這就是“現(xiàn)成辦公室”的意思你不用從零搭 Agent直接開工。4. 逐層驗證請求是否命中用返回字段和日志確認每一層真的跑通了跑通不等于命中。很多時候你以為 Agent 在調(diào)工具其實模型只是編了一段看起來像工具調(diào)用的文本。所以每層都要有驗證手段。Prompt 層看返回的choices[0].message.content是否有內(nèi)容finish_reason是不是stop。如果finish_reason是length說明被截斷了需要調(diào)大max_tokens。Agent 層看返回的message里有沒有tool_calls字段。如果有說明模型確實請求了工具如果沒有說明它選擇直接回答。你可以在循環(huán)里打印每次tool_calls的function.name確認調(diào)的是你定義的工具而不是模型幻覺出來的名字。Skill 層對比兩次調(diào)用的輸出格式是否一致。如果第一次輸出三段式、第二次輸出一大段說明 Skill 的 system 約束沒生效檢查是不是被 user 內(nèi)容覆蓋了。MCP 層在工具執(zhí)行函數(shù)里加日志打印入?yún)⒑头祷?。如果模型請求了工具但你的日志沒打印說明請求根本沒到你的執(zhí)行層可能是工具定義格式不對或模型沒識別。Claude Code 層運行claude --debug或在配置里打開日志看請求實際發(fā)到了哪個 Base URL。如果日志里出現(xiàn)401或local proxy failed說明 Key 或地址配錯了。如果出現(xiàn)reading choices相關(guān)報錯通常是返回結(jié)構(gòu)不符合預期檢查模型 ID 是否寫錯。一個實用的驗證命令是直接 curl 你的 Base URL看返回的模型名和內(nèi)容curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:ping}]} \ | python -m json.tool如果返回里有model: claude-sonnet-4-20250514說明請求命中了正確模型。如果返回的模型名和你請求的不一致說明中間有路由問題需要檢查 Base URL 是否被其他配置覆蓋。5. 常見報錯排查清單401、local proxy failed、reading choices、OAuth 分別怎么處理這一節(jié)按真實報錯來。你跑上面五層時大概率會遇到下面幾個。401 UnauthorizedKey 不對或沒帶上。檢查Authorization頭是不是Bearer sk-xxx注意 Bearer 后面有一個空格。如果你用 Claude Code檢查settings.json里的ANTHROPIC_API_KEY有沒有寫錯。另外Key 如果過期或被撤銷也會 401去官網(wǎng)重新生成一個。local proxy failed通常是 Base URL 寫錯或網(wǎng)絡不通。TaoToken 的 API 地址是https://taotoken.net/api請求路徑要拼/v1/chat/completions。如果你在 Claude Code 里配的是ANTHROPIC_BASE_URL填https://taotoken.net/api即可不要多加/v1因為 Claude Code 會自己拼路徑。這個細節(jié)很容易搞反建議先用 curl 驗證一次。reading choices 相關(guān)報錯一般是返回結(jié)構(gòu)不符合預期。常見原因是模型 ID 寫錯導致返回的是錯誤信息而不是正常 completion。檢查model字段是不是你賬號下有權(quán)限的模型。另外如果你用了流式輸出但代碼按非流式解析也會出現(xiàn)類似問題確認stream參數(shù)和解析邏輯一致。OAuth 相關(guān)報錯如果你用 Claude Code 的 OAuth 登錄方式而不是 API Key可能會遇到 token 刷新失敗。在 TaoToken 統(tǒng)一入口下建議直接用 API Key 方式避免 OAuth 和自定義 Base URL 沖突。如果你同時裝了多個 Claude 相關(guān)工具檢查環(huán)境變量有沒有互相覆蓋尤其是ANTHROPIC_API_KEY和ANTHROPIC_BASE_URL。還有一個隱蔽的坑CC Switch 或 Cline MCP 里配置了多套環(huán)境但當前激活的不是你改的那套。三件套Base URL、Key、Model ID必須同時檢查缺一個都會導致請求打到默認地址。建議每次改完配置后用claude --debug看一次實際請求地址。6. 下一步怎么用按場景選入口別為了學概念而學概念五個概念跑通一遍之后你會發(fā)現(xiàn)它們不是替代關(guān)系而是分工關(guān)系。Prompt 解決“怎么說”Agent 解決“誰來自動推進”Skill 解決“怎么做得穩(wěn)定”MCP 解決“怎么接外部工具”Claude Code 解決“在哪執(zhí)行”。你不需要每個都自己搭按場景選就行。如果你只是想讓回答更穩(wěn)繼續(xù)打磨 Prompt 就夠了不用上 Agent。如果你有重復性流程比如每天拉數(shù)據(jù)生成報表那就用 Agent 加 Skill 封裝起來。如果你要接數(shù)據(jù)庫、GitHub、內(nèi)部系統(tǒng)先看有沒有現(xiàn)成的 MCP Server沒有再用tools參數(shù)自己定義。如果你主要在寫代碼、改項目直接用 Claude Code把 Base URL 和 Key 配好就能開工。統(tǒng)一 Key 的好處到這里就體現(xiàn)出來了你不需要為每個概念單獨申請賬號、單獨配環(huán)境。一套 TaoToken 的 Key 和 Base URL從 Prompt 到 Claude Code 全部通用。想驗證模型效果可以去模型對話頁面直接試想長期跑編碼任務可以看 Coding Plan接入過程中遇到報錯先查 API Keys 和接入文檔大部分問題那里都有說明。先把一條鏈路跑通再往上加復雜度比一上來就搭全套框架要穩(wěn)得多。