1. 从一次真实踩坑说起三类 AI 能力到底怎么分工我试过在一个代码审查项目里把 Skill、SubAgent、MCP 三个概念混着用结果调用链路乱成一团本来想让 AI 读一下数据库里的历史缺陷记录再按团队规范输出审查意见最后却变成了一个超长 Prompt 硬塞所有上下文Token 烧得飞快返回还经常截断。后来把三者拆开重新设计才明白它们解决的根本不是同一类问题。Skill 解决的是「怎么做更好」。它把某个领域的专业指令、模板、示例打包成可复用的模块AI 在处理相关任务时自动激活相当于给模型临时装上一本专家手册。SubAgent 解决的是「怎么分工做」。它把复杂任务拆成多个子任务每个子任务交给独立的执行单元并行处理主智能体只负责调度和汇总。MCP 解决的是「连什么」。它是一套开放协议让 AI 应用能安全地连接外部数据源、工具和系统相当于给 AI 世界装了一个标准 USB 接口。这三类能力在真实项目里经常同时出现。比如一个自动化文档生成系统需要 MCP 去拉取 GitHub 仓库代码和 Notion 文档需要 Skill 注入技术写作规范需要 SubAgent 把「分析代码」「生成文档」「格式化输出」拆成并行任务。如果你只用一个超长 Prompt 硬扛短期能跑长期一定崩。这篇内容面向正在做 AI 应用落地的开发者尤其是已经在用 Claude Code、Cline、Cursor 这类工具、想把调用链路标准化的同学。我会用 TaoToken 作为统一 Key 和 API 通道把三类能力的配置到调用完整跑一遍给出可复制的 endpoint 和 Key 配置片段并用一次多工具串联调用验证它们是否正常返回。你跟着做能拿到一个可运行的最小闭环。核心检索词先明确Skill 是封装可复用指令SubAgent 是拆分复杂任务MCP 是打通外部工具与数据。三者不是替代关系是分层协作关系。下面从接入点开始一步步把链路搭起来。2. TaoToken 前置准备统一 Key 与 API 通道配置在跑通三类调用之前先把接入点统一。TaoToken 在这里的角色是一个统一的 API 通道你只需要一个 Key、一个 Base URL就能让 Skill、SubAgent、MCP 三类调用走同一套鉴权和计费体系不用为每个能力单独维护一套凭证。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 注意 API 地址不带 UTM 参数。先拿 Key。打开控制台页面 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 登录后在 API Keys 页面创建一个新 Key。建议按项目命名比如skill-subagent-mcp-demo方便后面排查是哪个项目在调用。创建后立刻复制保存页面刷新后完整 Key 不再显示。API Keys 直达地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。拿到 Key 之后先确认你要用的模型 ID。不同工具对模型 ID 的写法要求不一样有的要带前缀有的直接写模型名。你可以在模型对话页面 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 先发一条测试消息确认通道可用同时记下当前可用的模型 ID。这一步很关键后面配置里 Model ID 写错报错信息往往不会直接告诉你「模型不存在」而是返回一些看起来像网络问题的错误。环境变量建议统一管理不要硬编码在代码里。Linux/macOS 下可以这样设置export TAOTOKEN_API_KEYsk-你的实际Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_MODEL你的模型IDWindows PowerShell 下用$env:TAOTOKEN_API_KEYsk-你的实际Key $env:TAOTOKEN_BASE_URLhttps://taotoken.net/api $env:TAOTOKEN_MODEL你的模型ID如果你用的是 Claude Code 这类工具它读取的是自己的配置文件不是系统环境变量。Claude Code 的接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有完整的配置说明。核心是三件套Base URL、API Key、Model ID缺一不可。很多人只配了 Key 和 Base URL忘了 Model ID结果请求发出去返回 400排查半天以为是 Key 失效。这里提醒一个常见误区TaoToken 是 API 通道不是编辑器替代品。你仍然用 Claude Code、Cline、Cursor 这些工具做开发TaoToken 只负责把请求转发到模型。所以配置的时候改的是这些工具的模型接入配置不是去改编辑器本身。前置准备做完你应该手上有三样东西一个可用的 API Key、一个确认可用的 Base URL、一个确认可用的 Model ID。下面进入具体配置。3. 可复制配置Skill、SubAgent、MCP 三件套怎么写这一节给出可直接复制的配置片段。路径和字段名尽量贴近真实工具你按自己用的工具微调即可。核心原则是Base URL、API Key、Model ID 三件套在每个配置里都要出现不能只写其中两个。先看 Claude Code 的配置。Claude Code 读取的是 settings 文件通常在用户目录下的.claude/settings.json。一个可用的配置片段如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的实际Key, ANTHROPIC_MODEL: 你的模型ID }, permissions: { allow: [Read, Write, Bash] } }注意ANTHROPIC_BASE_URL后面不要带/v1具体以接入文档为准。如果你用的是 Cline它走的是 VS Code 设置里的 API Provider 配置选择 Anthropic 兼容模式然后填 Base URL、API Key、Model ID。Cline 的 MCP 配置单独放在cline_mcp_settings.json里后面会讲。再看 Codex 的auth.json。Codex 的鉴权文件通常在~/.codex/auth.json结构大致如下{ OPENAI_API_KEY: sk-你的实际Key, OPENAI_BASE_URL: https://taotoken.net/api, model: 你的模型ID }如果你用的是 CC Switch 这类多配置切换工具它管理的也是上面这些字段。CC Switch 的好处是可以在多个 Base URL 之间快速切换但每个配置里同样要写全三件套。我见过有人只切了 Base URLKey 还是旧的结果一直 401。MCP 的配置单独说。MCP Server 的注册通常在客户端的 MCP 配置文件里比如 Cline 的cline_mcp_settings.json{ mcpServers: { filesystem: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /path/to/your/project], env: {} }, github: { command: npx, args: [-y, modelcontextprotocol/server-github], env: { GITHUB_PERSONAL_ACCESS_TOKEN: 你的GitHubToken } } } }注意 MCP Server 本身不直接调模型它是被客户端调用的。模型调用仍然走 TaoToken 的通道。所以 MCP 配置里不需要写 TaoToken 的 Key但客户端本身的模型配置里必须写全三件套。这一点很多人搞混以为 MCP 配置里也要塞 API Key其实不用。Skill 的配置形式取决于你用的工具。Claude Code 的 Skill 通常放在.claude/skills/目录下每个 Skill 一个文件夹里面放SKILL.md和可选的脚本。一个最小 Skill 的SKILL.md长这样--- name: code-reviewer description: 代码审查专家按团队规范输出审查意见 triggers: - 代码审查 - code review - 审查这段代码 --- 你是一位资深代码审查专家。审查代码时遵循以下规则 1. 先检查安全问题包括注入、越权、敏感信息泄露 2. 再检查性能问题包括 N1 查询、不必要的循环、内存泄漏 3. 最后检查可读性包括命名、注释、函数长度 4. 输出格式按严重程度分级每条给出具体行号和修改建议SubAgent 的配置在 Claude Code 里通常通过.claude/agents/目录定义或者在代码里动态创建。一个 SubAgent 定义示例--- name: security-reviewer description: 安全审查子智能体专注检查代码安全问题 tools: - Read - Bash --- 你是一个安全审查子智能体。你的唯一任务是检查给定代码的安全问题。 不要做性能审查不要做可读性审查只做安全审查。 输出格式JSON 数组每个元素包含 severity、line、issue、suggestion。三件套在每个配置里都要对齐Base URL 统一用https://taotoken.net/apiAPI Key 用同一个Model ID 用同一个。这样 Skill、SubAgent、MCP 三类调用走的是同一套鉴权排查问题的时候只需要看一个地方。配置写完先别急着跑复杂链路。下一步用一条最小请求验证通道是否通。4. 验证请求一次多工具串联调用跑通三类能力验证分两步。第一步确认模型通道可用第二步确认三类能力能串联。先发一条最小请求确认 Base URL、Key、Model ID 三件套没问题。用 curl 最快curl -X POST https://taotoken.net/api/v1/messages \ -H Content-Type: application/json \ -H x-api-key: $TAOTOKEN_API_KEY \ -H anthropic-version: 2023-06-01 \ -d { model: $TAOTOKEN_MODEL, max_tokens: 128, messages: [ {role: user, content: 回复 OK 两个字母即可} ] }如果返回里有content字段且内容是 OK说明通道通了。如果返回 401检查 Key 是否复制完整、是否有多余空格。如果返回 404检查 Base URL 是否写错注意不要多加/v1或漏掉。如果返回模型不存在检查 Model ID 是否和模型对话页面里显示的一致。通道通了之后跑一次多工具串联调用。这里用一个简化场景让 AI 读取本地一个代码文件按 Skill 里定义的审查规范输出意见同时通过 MCP 查询 GitHub 上该文件的最近提交记录最后汇总。这个场景同时用到了 Skill审查规范、MCPGitHub 查询、SubAgent把读取和查询拆成并行任务。在 Claude Code 里你可以直接输入这样的指令请用 code-reviewer Skill 审查 src/main.py 同时通过 github MCP 查询该文件最近 5 次提交记录 把审查意见和提交记录汇总成一份报告。Claude Code 会自动识别code-reviewer这个 Skill 的触发词加载对应的系统提示会调用 github MCP Server 去查提交如果配置了 SubAgent它会把「审查代码」和「查询提交」拆成两个子任务并行执行。你观察输出应该能看到类似这样的结构[Skill 激活] code-reviewer [SubAgent 派发] security-reviewer - 审查 src/main.py [SubAgent 派发] commit-fetcher - 查询 GitHub 提交记录 [MCP 调用] github.get_commits(pathsrc/main.py, limit5) [SubAgent 返回] security-reviewer: 发现 2 个问题... [SubAgent 返回] commit-fetcher: 最近 5 次提交... [汇总] 审查报告...如果你没看到 Skill 激活的提示说明触发词没匹配上检查SKILL.md里的triggers字段。如果 MCP 调用失败检查cline_mcp_settings.json或对应配置文件里的 MCP Server 是否启动成功GitHub Token 是否有效。如果 SubAgent 没有并行执行检查你的工具是否支持 SubAgent 调度有些轻量客户端只支持单 Agent。验证成功的标志是三类能力都在一次请求里被触发且各自返回了预期结果。这时候你就有了一条可运行的链路。下面把常见报错整理一下方便你对照排查。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth报错一401 Unauthorized。这是最常见的。原因通常是 Key 没配、Key 复制不完整、Key 前后有空格、或者用了错误的鉴权头。Anthropic 兼容接口用x-api-keyOpenAI 兼容接口用Authorization: Bearer。如果你在 Claude Code 里配了ANTHROPIC_API_KEY但工具实际走的是 OpenAI 兼容模式就会 401。排查方法先用 curl 直接测确认 Key 本身可用再检查工具配置里的字段名是否匹配。报错二local proxy failed。这个报错通常出现在你本地起了代理层但代理层连不上上游。常见原因是 Base URL 写错或者代理层配置里 Model ID 没填。如果你用的是 CC Switch 这类工具检查它管理的配置里三件套是否完整。另一个原因是本地网络环境问题但这个不在本文讨论范围你只需要确认 Base URL 是https://taotoken.net/api且能正常访问即可。报错三reading choices 相关错误。这个报错通常出现在 OpenAI 兼容接口的响应解析阶段意思是返回结构里没有choices字段。原因可能是你请求的 endpoint 和返回格式不匹配比如用 Anthropic 格式请求了 OpenAI 兼容 endpoint。检查你的请求路径和请求体格式是否一致。Anthropic 格式走/v1/messagesOpenAI 格式走/v1/chat/completions两者请求体和响应体结构不同不能混用。报错四OAuth 相关错误。如果你用的是需要 OAuth 登录的工具比如某些 IDE 插件它可能优先走 OAuth 而不是 API Key。这时候你需要在工具设置里显式切换到 API Key 模式填入 TaoToken 的 Key。OAuth 报错通常表现为「token expired」或「invalid grant」但实际原因是你根本没走 API Key 通道。排查方法在工具设置里找「API Key」或「Custom API」选项确认已启用并填入了正确 Key。除了这四类还有一个隐蔽问题MCP Server 启动失败但客户端不报错只是静默不调用。排查方法是单独在终端跑一下 MCP Server 的启动命令看是否有报错。比如npx -y modelcontextprotocol/server-filesystem /path如果终端里能正常启动并等待输入说明 Server 本身没问题问题在客户端配置。最后提醒一点所有配置改完之后重启客户端。很多工具在启动时读取一次配置运行中不会热加载。你改了settings.json但没重启配置不生效然后你以为配置写错了反复改其实只是没重启。6. 长期编码与 Agent 场景把三类能力用成习惯跑通最小闭环之后下一步是把它变成日常习惯。我的经验是不要一上来就设计复杂的多 Agent 系统先从单个 Skill 开始用顺了再加 MCP最后再引入 SubAgent 做并行。Skill 的积累是复利的。你每遇到一个重复性的专业任务就把它沉淀成一个 Skill。比如「按团队规范写 commit message」「按公司模板生成周报」「按安全清单审查代码」。这些 Skill 放在.claude/skills/目录下下次遇到同类任务自动激活不用每次重新写 Prompt。时间长了你的 Skill 库就是你的专业能力外挂。MCP 的接入要克制。不是所有外部系统都值得接 MCP。优先接那些你高频访问、且数据结构稳定的系统比如 GitHub、Jira、内部数据库。接太多 MCP Server 会导致客户端启动变慢而且每个 Server 都要维护 Token 和权限。建议按项目接不要全局接。SubAgent 的使用要看任务是否真的可并行。如果任务本身是串行的比如「先读文件再改文件再测试」拆成 SubAgent 反而增加通信开销。只有当子任务之间没有依赖、可以同时执行时SubAgent 才有收益。比如「同时审查 10 个文件」「同时查询 3 个数据源」这种场景 SubAgent 能显著提速。如果你长期做编码和 Agent 开发可以考虑用 Coding Plan 这类方案来管理调用配额和成本。Coding Plan 的入口在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 适合需要稳定调用、长期跑 Agent 的场景。模型对话入口在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 适合临时验证模型可用性。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 配置遇到问题先查文档。API Keys 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 建议按项目分 Key方便排查和回收。最后说一个我踩过的坑不要把所有逻辑都塞进一个 Skill。Skill 的职责是注入专业知识和规范不是做流程控制。流程控制应该交给 SubAgent 或主 Agent。我一开始把「先查数据库再审查再输出」整个流程写进一个 Skill 的系统提示里结果 Skill 变得又长又难维护而且换个流程就要改 Skill。后来把流程拆到 SubAgent 层Skill 只保留「审查规范」这一件事维护成本立刻降下来。三类能力的分工记住一句话Skill 管「怎么做更好」SubAgent 管「怎么分工做」MCP 管「连什么」。三者组合使用才能把复杂 AI 任务跑稳。