3分钟搞懂八大AI热词：LLM、Token、Context、Prompt、Tool、Agent、Skill、MCP

AI 热词太多，LLM、Token、Context、Prompt、Tool、Agent、Skill、MCP，听着像天书。其实你可以把它们想成一家公司：

1 LLM

Large Language Model，大语言模型。它就是 AI 的大脑，比如 GPT、Claude、Gemini、DeepSeek、通义千问。

它的本质不是「数据库」，而是根据上下文，预测下一个 Token。它读过海量文本，所以能写文章、翻译、写代码、做推理。但它也会胡说，这叫幻觉。

2 Token

Token，是模型读写文本的最小单位。它不完全等于「字」，也不完全等于「词」。中文里，一个词可能是 1 到 2 个 Token；英文里，一个长单词可能被拆成几个 Token。

Token 决定三件事：上下文能放多少、生成速度多快、API 花多少钱。你看到「上下文长度 128K」，说的就是能一次处理多少 Token。

3 Context

Context，上下文。它是模型这一次调用时，能看到的全部信息。包括系统提示、历史对话、你的问题、上传的文档、工具返回的结果。

Context Window，上下文窗口，就是 AI 的「桌面大小」。桌面越大，能同时摊开的资料越多。但 Context 不等于永久记忆，这次聊完，下次不一定记得。

现在有个词叫 Context Engineering，上下文工程，意思就是：在对的时间，把对的信息，放进 AI 的桌面。

4 Prompt

Prompt，提示词，就是你给 AI 的任务单。你让它扮演谁、做什么、有什么背景、不能做什么、输出什么格式，这些都是 Prompt。

好 Prompt 通常有六件套：角色、任务、背景、约束、示例、输出格式。比如：「你是资深编辑，把这段技术文改写成 6 分钟口播稿，口语化，带时间码，不要超过 1500 字。」

5 Tool

Tool，工具。LLM 本身只会生成文本，它不能直接查天气、搜网页、算复杂账、发邮件、操作数据库。Tool 就是给 AI 装上的手脚。

比如搜索工具、代码执行器、数据库查询、日历、支付接口。模型决定「我要调用哪个工具」，应用程序真正执行，再把结果喂回模型。

6 Agent

Agent，智能体。它不是单次问答，而是给定目标后，能自己拆任务、选工具、看结果、改计划，循环执行，直到完成。

比如你让它「调研三家竞品，做一份对比报告」。它会自己搜索、整理、分析、写大纲、生成报告。核心循环是：思考、行动、观察、再思考。

一个 Agent 通常等于：LLM + Context + Tool + 规划 + 记忆 + 循环控制。

7 Skill

Skill，技能。你可以把它理解成 Agent 的能力包，或者 SOP。比如「写周报」「做竞品分析」「生成 PPT」「代码审查」，每个 Skill 里可能包含提示词、工具调用、脚本、模板、检查清单。

Tool 和 Skill 的区别：Tool 是原子能力，像锤子；Skill 是组合能力，像木工手艺。MCP 负责把工具接进来，Skill 负责教 Agent 怎么把一件事干漂亮。

8 MCP

Model Context Protocol，模型上下文协议。它由 Anthropic 提出，目标是让 AI 用统一方式连接外部数据和工具。

以前，每个 AI 应用接每个工具，都要单独适配，像一堆不同形状的充电口。MCP 就像 AI 世界的 USB-C：工具方按 MCP 做 Server，AI 应用做 Client，接上就能用。

它通常暴露三类东西：Resources 资源、Tools 工具、Prompts 提示。好处是：一次接入，多处复用；权限和安全也更可控。

最后串起来

一句话速记

热词	一句话理解
LLM	大脑
Token	文字颗粒和计费单位
Context	工作记忆
Prompt	任务单
Tool	手脚
Agent	AI 员工
Skill	能力包 / SOP
MCP	AI USB-C