当前主流的 AI 编程工具如 Cursor、Claude Code 等为了提升代码生成的准确性与可控性普遍引入了一系列能力扩展与调度机制例如 MCP工具调用协议、Rules规则约束、Skills能力封装以及 Commands命令执行。这些机制从不同层面增强了模型与外部能力的协同使 AI Coding 从单纯生成走向“可控执行”。一、整体关系可以粗略理解为「用户 → 主 Agent → 各种约束与能力 → 具体工具与数据」。下图表示主 Agent 所依赖与调用的能力层次箭头并非对话时的严格执行顺序——例如 Rules 和 Commands 不会在 Skills 之后才生效而是主 Agent 在每次回复时同时受 Rules 约束、可被 Command 触发、可调用 Skills、可派发 Sub Agents。User ↓ Main Agent主 AI受 Rules 约束可被 Commands 触发可调用 Skills可派发 Sub Agents ↓ Sub Agents多角色 AI同样可调用 Skills / Tools ↓ Tools / MCP / Codebase工具、协议、代码库Rules对 Agent 的「行为规范」可为全局每次对话都生效也可按文件/目录生效视产品而定。Commands你主动触发的「快捷指令」本质是预置的 Prompt 模板。Skills供 Agent主 Agent 或 Sub Agent调用的「能力扩展」类似 function / tool需要时被调用。Sub Agents主 Agent 按任务类型调用的「专门角色」形成多 AI 分工。MCPModel Context Protocol连接 AI 与外部工具/数据源的开放协议Tools 与部分 Skills 可通过 MCP 对接数据库、API、代码库等具体是否使用 MCP 因产品而异。二、对比直观对比表维度RulesCommandsSkillsSub Agents类型规则指令能力角色是否自动自动手动自动自动作用约束 AI快捷执行任务扩展能力任务分工本质PromptPrompt 模板Tool/能力模块Agent影响范围全局或按范围单次单次多步/多任务Rules自动加载可为全局影响所有回复也可按文件/目录等范围生效。Commands用户手动触发如输入/xxx或点击命令只影响当次请求。Skills由主 Agent 或 Sub Agent 在需要时选用单次调用。Sub Agents通常由主 Agent 按任务自动派发部分产品也支持用户指定可连续多步、多任务。能互相替代吗不能完全互相替代但有功能重叠。它们处在不同层级Rules 管「怎么做事」Commands 管「快速发一条指令」Skills 管「能调用什么」Sub Agents 管「谁来做」。在极简单场景下可以「勉强替代」例如用一条 Command 代替一次 Sub Agent 调用但设计上并不等价复杂工作流里会明显不够用。三、各概念简要说明1. Rules规则Rules 是对 Agent 的 Prompt 约束用来统一行为。全局规则会在每次与 AI 的交互中自动套用部分产品还支持按文件或目录生效的规则仅在与该范围相关时加载。常见用途例如代码风格、命名约定技术栈与框架偏好禁止行为如不得直接改某类配置输出格式如必须带测试、必须写注释2. Commands命令Commands 是快捷 Prompt 模板你触发一个命令如/test、/refactor就相当于自动填入一段预设的提示词让 AI 按固定流程执行某类任务省去每次手打长句。3. Skills技能Skills 是能力模块本质是可供 Agent主 Agent 或 Sub Agent调用的能力封装常以「说明 工具调用」的形式存在类似 LangChain 的 Tool / function calling。主 Agent 派发给 Sub Agent 后Sub Agent 同样可以调用 Skills。用来扩展「能做的事」例如查数据库、执行 SQL调外部 API、内部服务查日志、跑脚本按约定格式读文档、生成报告不同产品实现方式不一有的通过MCP等协议对接外部数据源与执行环境有的则提供内置能力。4. Sub Agents子代理Sub Agents 是多角色 AI 体系不同子代理负责不同领域如测试、重构、安全审查、写文档。主 Agent 根据你的请求选择并调用某个子代理多为自动选择部分产品支持用户指定由子代理完成多步或整块任务相当于「AI 小分队」分工协作。四、举例对比我有一个现成的mcp-server见https://blog.csdn.net/w_t_y_y/article/details/158659343下面以这个tool的调用方式来看下command/skill/sub agent的区别。1、prompt直接调用mcp tool2、通过command调用tool上面的prompt比较短当 Prompt 结构复杂且存在重复使用场景仅部分参数动态变化时可以通过 Command 对其进行抽象与封装。这样能够将 Prompt 模板化并在调用时传入不同参数实现复用与标准化执行1创建command文档内容可以让ai自己完善# query-school 你是一个使用 MCP 查询学校信息的助手。 ## 任务 调用 MCP 查找学校信息。**学校名称**由用户在本命令后输入例如/query-school 一中必填。 ## 步骤 1. 使用 MCP 服务器 **user-security-ai-mcp** 的工具 **school_list**传入分页参数如 pageNum: 1, pageSize: 500获取学校列表。 2. 在返回的 data.records 中筛选出 **name** 包含用户给定学校名称的所有学校字符串包含即可不区分大小写。 3. 将筛选结果整理成表格或列表返回包含id、name、address。若没有匹配项明确说明「未找到名称包含“xxx”的学校」。 ## 输出要求 - 先简短说明根据「xxx」共查到 n 条学校信息。 - 再以表格形式列出 id、name、address。 - 不要编造数据仅使用 MCP 返回的真实数据。 ## 参数说明 - **学校名称**用户在 /query-school 后输入的关键词如 一中、实验用于筛选学校 name 字段必填。若用户未输入则提示其补充学校名称后再查询。2使用command3、通过skill调用tool前面有提到skill的一个案例使用skillcli代替mcp见https://blog.csdn.net/w_t_y_y/article/details/1591224644、通过sub agent调用tool我的prompt先通过 MCP 列出所有学校再请另一个 school-recommender从中选出一所地址包含「北京」的学校并用一两句话说明推荐理由。你最后把选中的学校信息和推荐理由一起回复。我的子agent--- name: school-recommender description: Selects one school from a list by criteria(e.g. address contains a city name)and writes a1-2 sentence recommendationinChinese. Use when the user or parent agent has already fetched a school list and needs one school chosen with a short recommendation. model: inherit readonly:true--- You are a school-recommendation subagent. You receive a list of schools(each with id, name, address)and a selection criterion from the parent agent.## When invoked1. **Input**: The parent agent will give you a JSON array of schools and a criterion(e.g.address contains 北京, orname contains 实验).2. **Filter**: Keep only schools that match the criterion.3. **Choose**: Pick exactly one school from the filtered list(you may choose by preference, e.g. district or name).4. **Recommend**: Write1-2 sentencesinChinese explaining why you recommend this school(location, district, name, or other reasonable reasons).## OutputReturn a short,clearreply that includes: - The selected school: id, name, address - Your recommendation text(推荐理由)inChinese,1-2 sentences You mayformatas plain text or a minimal structure(e.g. JSON)so the parent agent can easily merge it into the final response. Do not call MCP or fetchmoredata;use only the list and criterion provided.效果