无耳 Solon (OpenSolon) | mcp - McpSkill（Solon AI Remote Skills）

在 AI Agent 的工程实践中，Model Context Protocol (MCP) 已成为连接大模型与外部世界的标准桥梁。然而，随着应用场景从“个人助手”向“企业级复杂业务”迈进，传统的 MCP 交互模式开始显露其 “静态化” 的瓶颈。

Solon AI 支持将 MCP 封装为 Skill，实现了从“冷冰冰的 API 集合”到“具备感知能力的智能技能”的跨越。

1、静态 Tools 的三大痛点

传统的 MCP 交互类似于一个“无法关闭的工具箱”，无论场景如何，所有工具一涌而上：

上下文噪音（Context Noise）： 即使是一个简单的问候，模型也会被注入成百上千行的工具 Schema 定义，白白浪费 Token，更干扰模型的推理专注度。
权限真空（Security Risks）： 模型对工具的可见性是“全量”的。难以根据当前登录用户的角色（如普通用户 vs 管理员）动态隐藏敏感操作（如：删除订单）。
行为失控（Instruction Gap）： 工具只提供了“能做什么”，却无法告诉模型“在当前背景下该怎么做”。模型缺乏针对特定业务场景的即时指令约束。

2、核心解决方式：感知、挂载与动态分发

Solon AI 通过引入 Skill（Solon AI Skills）生命周期来包裹 MCP 协议，实现以下机制解决上述痛点：

A. 智能准入 (isSupported)：

只有当 Prompt 上下文（意图、租户信息、环境变量）满足条件时，技能才会被激活。

B. 指令注入 (getInstruction)：

在技能挂载时，自动为模型注入针对当前上下文的“行为准则”（System Message）。

C. 三态路由 (getToolsName)：

服务端根据 Prompt 属性，动态决定给模型展示哪些工具。支持三种形态的路由方式：

全量使用：未定义过滤逻辑时，显示所有业务工具。
精准授权：仅展示当前用户权限范围内的工具。
完全拒绝：即便技能激活，也可能因安全策略在此时封锁所有工具调用。

3、实战示例：McpSkillClient：远程技能的本地代理

McpSkillClient 将一个远程 MCP 服务包装成一个本地 Skill。它（通过与 McpSkillServer 约定）能够自动同步远程元数据，并根据当前对话的 Prompt 动态决定如何表现。

// 1. 构建 MCP 客户端提供者（负责协议通信与 Schema 缓存）
McpClientProvider mcpClient = McpClientProvider.builder()
                .channel(McpChannel.STREAMABLE)
                .url("http://localhost:8081/skill/order")
                .build();
                
// 2. 将 MCP 客户端进化为 Skill 代理
McpSkillClient skillClient = new McpSkillClient(mcpClient);

// 3. 构建带有业务上下文的 Prompt
Prompt prompt = Prompt.of("这个订单：A001，请查询订单详情。")
                .attrPut("tenant_id", "1")       // 注入租户上下文
                .attrPut("user_role", "admin");  // 注入角色权限

// 4. 调用大模型，技能将根据 Prompt 自动完成：远程准入、指令获取、工具过滤
chatModel.prompt(prompt)
          .options(o -> o.skillAdd(skillClient))
          .call();

4、实战示例：McpSkillServer：具备“智能感知”的技能服务端

通过继承 McpSkillServer，你可以将本地业务逻辑导出为远程技能。其核心优势在于：服务端可以感知用户的 Prompt 状态。

/**
 * 订单管理远程技能服务端实现
 */
@McpServerEndpoint(channel = McpChannel.STREAMABLE_STATELESS, mcpEndpoint = "/skill/order")
public class OrderManagerSkillServer extends McpSkillServer {
    
    @Override
    public String description() {
        return "提供订单查询与取消的专业技能";
    }

    /**
     * 智能准入：根据 Prompt 内容与属性决定是否响应
     */
    @Override
    public boolean isSupported(Prompt prompt) {
        // 语义检查：意图是否相关
        boolean isOrderTask = prompt.getUserContent().contains("订单");
        // 安全检查：必须有租户 ID
        boolean hasTenant = prompt.attr("tenant_id") != null;

        return isOrderTask && hasTenant;
    }

    /**
     * 动态指令：根据上下文为大模型注入实时“行为准则”
     */
    @Override
    public String getInstruction(Prompt prompt) {
        String tenantName = prompt.attrOrDefault("tenant_name", "未知租户");
        return "你现在是[" + tenantName + "]的订单主管。请只处理该租户下的订单数据，禁止跨租户查询。";
    }

    /**
     * 挂载钩子：技能被激活时触发，可用于注入初始化消息或记录日志
     */
    @Override
    public void onAttach(Prompt prompt) {
        // 可以在此处通过 prompt.addMessage() 注入 Few-shot 或背景知识
        System.out.println("订单技能已挂载，当前租户：" + prompt.attr("tenant_id"));
    }

    /**
     * 动态能力发现：根据用户权限决定暴露哪些工具
     * @return null 表示暴露所有业务工具；Empty 表示禁用所有工具；List 表示精准暴露。
     */
    @Override
    public List<String> getToolsName(Prompt prompt) {
        List<String> tools = new ArrayList<>();

        // 基础权限：所有合规用户可见
        tools.add("OrderQueryTool");

        // 细粒度权限：仅 ADMIN 角色可见“取消订单”工具
        if ("ADMIN".equals(prompt.attr("user_role"))) {
            tools.add("OrderCancelTool");
        }

        return tools;
    }

    @ToolMapping(description = "根据订单号查询详情")
    public String OrderQueryTool(String orderId) {
        return "订单 " + orderId + " 状态：已发货";
    }

    @ToolMapping(description = "取消指定订单")
    public String OrderCancelTool(String orderId) {
        return "订单 " + orderId + " 已成功取消";
    }
}

5、Skills 架构反思与局限性补充

尽管将 MCP 进化为 Skills 带来了显著的工程优势，但开发者仍需理清其技术边界：

非标准化的架构增强：

LLM 的底层标准仅包含 Prompt 和 Tool-Call。Skills 并非模型原生标准，也不属于 MCP 的公共协议规范，而是一种架构设计模式（模式，是通用的）。它通常由 AI 开发框架（如 Solon AI）在消费侧实现，用于解决复杂业务下的能力调度问题。

消费侧驱动的定制：

MCP 向 Skills 的进化本质上是“业务驱动”或“领域驱动”的。在设计远程 MCP Skill 时，必须参考消费侧（即 Agent 执行引擎）的具体规范进行深度定制。

适用场景的选择：

Tool：适用于原子化、无状态、全量公开的简单功能插件。

Skill：适用于需要上下文感知、多租户隔离、动态指令约束的复杂业务逻辑块。

6、好处总结

将 MCP 进化为 Skills 之后，您的 AI Agent 架构将获得：

极致的上下文纯净度：

模型只看到此时此刻该看的工具（通过 getToolsName 实现按需加载，或权限控制）。

天然的权限安全：

通过服务端感知的动态分发，实现真正的跨进程角色权限控制（RBAC for Tools）。

低耦合的业务演进：

业务逻辑和规则变更集中在服务端，客户端 “无需” 任何代码改动即可获得最新能力。

Solon v3.9.0