Mục lục
Giới Thiệu: Mở Đầu Cuộc Tranh Luận
Khi Agent Skills ra mắt vào tháng 10 năm 2025, chúng ngay lập tức khuấy động một cuộc tranh luận sôi nổi trong cộng đồng công cụ AI. Một số tiếng nói nổi bật, bao gồm nhà phát triển Simon Willison, thậm chí còn gợi ý rằng Skills có thể là “một vấn đề lớn hơn cả MCP” do sự quan tâm giảm dần của ông đối với các giao thức ngữ cảnh mô hình (MCP) vì các vấn đề tiêu thụ token của chúng (theo nhận định từ Simon Willison). Thời điểm ra mắt này dường như là một đòn giáng mạnh vào MCP—chỉ hơn một năm sau khi Anthropic giới thiệu Giao thức Ngữ cảnh Mô hình (Model Context Protocol) vào tháng 11 năm 2024, một giải pháp nhẹ hơn đã xuất hiện và dường như giải quyết được vấn đề lớn nhất của MCP: cạn kiệt cửa sổ ngữ cảnh.
Tôi đã nghe rất nhiều người coi thường MCP, nghĩ rằng chúng ta chỉ nên sử dụng Skills thay thế. Nhưng đây là những gì chúng tôi đã học được sau khi sử dụng cả hai công nghệ song song: Skills và MCP không phải là các giải pháp cạnh tranh cho cùng một vấn đề. Chúng là những kiến trúc cơ bản khác nhau, phục vụ các mục đích khác nhau.
Skills vượt trội trong việc cung cấp thông tin và quản lý ngữ cảnh thích ứng, hoạt động như những đám mây tri thức tạm thời mà các Mô hình Ngôn ngữ Lớn (LLM) có thể truy xuất khi cần. Ngược lại, MCP cung cấp tích hợp công cụ có cấu trúc, mang đến cho LLM những cách thức xác định để giao tiếp với thế giới bên ngoài thông qua các giao thức được định nghĩa rõ ràng. Thay vì thay thế, chúng đóng vai trò bổ sung. Và với việc MCP gần đây đã áp dụng khám phá lũy tiến (progressive discovery) vào tháng 1 năm 2026, lợi thế ban đầu về hiệu quả ngữ cảnh mà Skills nắm giữ đã biến mất (theo các phân tích về tính năng MCP Tool Search của Claude Code).
Những gì còn lại là hai phương pháp tiếp cận riêng biệt cho hai thách thức riêng biệt trong tích hợp LLM. Hãy hình dung nó như giá vẽ của một họa sĩ — những loại cọ khác nhau cho những nét vẽ khác nhau, những công cụ khác nhau cho những mục đích khác nhau. Bài viết này sẽ giải thích tại sao Skills không phải là sự thay thế cho MCP, và tại sao cả hai công nghệ đều quan trọng để xây dựng tương lai của tích hợp AI.
MCP Là Gì và Tại Sao Nó Lại Quan Trọng?
Khi Anthropic ra mắt Giao thức Ngữ cảnh Mô hình (Model Context Protocol) vào tháng 11 năm 2024, nó thực sự là một cuộc cách mạng (theo các báo cáo về “Một năm của Model Context Protocol”). Giao thức này đã đơn giản hóa toàn bộ quá trình kết nối LLM với thế giới bên ngoài. Trước MCP, việc gọi công cụ rất khó khăn, không chuẩn hóa và không nhất quán trên các nền tảng khác nhau. MCP đã giúp việc này dễ dàng hơn đáng kể và cho phép mọi người xây dựng các tích hợp thực sự hoạt động hiệu quả.
Tác động của MCP là ngay lập tức. Trong vòng vài tháng, hàng nghìn MCP đã được tạo và triển khai — thậm chí hàng chục nghìn, hàng trăm nghìn. Giao thức được phát hành kèm theo SDK bằng Python, TypeScript, C# và Java, giúp nó dễ tiếp cận trên toàn bộ hệ sinh thái. Các nền tảng lớn đã nhanh chóng áp dụng nó: ChatGPT, Claude, Cursor, Gemini, Microsoft Copilot và Visual Studio Code đều đã thêm hỗ trợ MCP hạng nhất (theo “Một năm của Model Context Protocol”). Đến đầu năm 2026, MCP đã đạt hơn 97 triệu lượt tải xuống SDK hàng tháng với hơn 10.000 máy chủ đang hoạt động được triển khai.
MCP thực sự đã cách mạng hóa cách chúng ta kết nối LLM với các hệ thống bên ngoài. Đó là bản chất của MCP — và chúng thực sự xuất sắc trong vai trò đó.
Vấn Đề Cửa Sổ Ngữ Cảnh Ban Đầu của MCP
Tuy nhiên, mọi người nhanh chóng nhận ra có một số nhược điểm nghiêm trọng đối với MCP, đặc biệt khi nhiều nhà phát triển đã quen với cách LLM thực sự hoạt động. Vấn đề là gì? Cửa sổ ngữ cảnh của bạn — không gian hữu hạn nơi bạn có thể ảnh hưởng đến những gì LLM sẽ xuất ra — là một tài sản quý giá. Điều cực kỳ quan trọng là bạn phải quản lý nó cẩn thận và chỉ đặt những thứ bạn cần vào đó, nếu không bạn sẽ gặp phải các hiện tượng “ảo giác” (hallucinations) và đầu ra không đáng tin cậy.
Khi MCP lần đầu ra mắt, nó đưa mọi thứ vào cửa sổ ngữ cảnh ngay từ đầu. Tên, mô tả, lược đồ đầu ra, lược đồ đầu vào của mọi công cụ — mọi thứ đều được tải ngay lập tức. Điều đó cực kỳ lãng phí. Một công cụ duy nhất có thể tiêu thụ từ 500 đến 900 token trước khi bạn bắt đầu bất kỳ công việc thực tế nào.
Ví dụ về tiêu thụ token (ước tính): - Tên công cụ: 5-10 tokens - Mô tả công cụ: 50-100 tokens - Lược đồ đầu vào (input schema): 200-400 tokens - Lược đồ đầu ra (output schema): 200-400 tokens Tổng cộng một công cụ có thể chiếm: 500-900 tokens.
Với chỉ một vài công cụ, bạn có thể dễ dàng không còn ngữ cảnh nào để làm bất cứ điều gì hữu ích.
Điều này đặc biệt gây khó khăn cho chúng tôi tại Umbraco khi chúng tôi xem xét việc kết hợp các công cụ lại với nhau để tạo ra những điều kỳ diệu — các MCP nơi các công cụ có thể kết hợp để tạo ra những điều không thể. Điều đó dẫn đến rất nhiều công cụ. MCP của Umbraco hiện có khoảng 345 công cụ (theo tài liệu của Umbraco). Khi bạn kết hợp tất cả những công cụ đó lại, bạn sẽ tiêu thụ khoảng 30.000 token chỉ cho các định nghĩa công cụ. Con số này lớn hơn hầu hết toàn bộ cửa sổ ngữ cảnh của nhiều LLM.
Đây chắc chắn được coi là một lỗi thiết kế nghiêm trọng, hạn chế khả năng sử dụng và khả năng mở rộng của MCP.
Sự Trỗi Dậy của Agent Skills và Khám Phá Lũy Tiến
Skills được giới thiệu vào tháng 10 năm 2025, gần một năm sau khi MCP được tạo ra (theo bài viết của Claude về “Trang bị cho agents thế giới thực bằng Agent Skills”). Chúng được đón nhận nồng nhiệt và nhanh chóng thu hút được sự chú ý đáng kinh ngạc. Lý do Skills nhanh chóng bùng nổ là gì? Chúng có một thủ thuật thông minh.
Đột Phá Chính: Khám Phá Lũy Tiến
Skills đã giới thiệu khái niệm khám phá lũy tiến (progressive discovery). Ý tưởng là: bắt đầu với lượng thông tin nhỏ nhất có thể và chỉ đưa thông tin đó vào cửa sổ ngữ cảnh. Điều này cực kỳ hiệu quả về mặt ngữ cảnh.
Ban đầu, thông tin duy nhất trong ngữ cảnh về một kỹ năng cụ thể là tên và mô tả rất ngắn gọn. Điều đó có thể chỉ chiếm từ 20 đến 50 token trong số 200.000 token của cửa sổ ngữ cảnh. Cực kỳ hiệu quả. Sau đó, khi LLM quyết định muốn sử dụng một kỹ năng cụ thể, nó sẽ kéo tệp markdown của kỹ năng và phần còn lại của các hướng dẫn được liên kết với nó. Thật tuyệt vời!
Trong tệp markdown của kỹ năng đó, bạn có thể liên kết đến các tệp khác trong cùng kỹ năng. LLM chỉ tải các tệp đó nếu nó quyết định cần thêm thông tin. Có thể có các liên kết trong đó, và nó có thể quyết định truy cập internet. Khám phá lũy tiến này là một lợi thế then chốt của Skills đã tạo ra những làn sóng lớn.
Skills được Anthropic phát hành dưới dạng tiêu chuẩn mở vào ngày 18 tháng 12 năm 2025, với các đối tác doanh nghiệp bao gồm Canva, Notion, Figma và Atlassian cung cấp các kỹ năng được xây dựng sẵn (theo thông báo của Claude). Phương pháp này nhanh chóng được áp dụng rộng rãi trên các công cụ và nền tảng agentic. Hầu hết các công cụ agentic hiện nay đều hỗ trợ Skills.
Khi Skills lần đầu tiên ra mắt, Simon Willison đã nói rằng chúng có thể là một vấn đề lớn hơn MCP. Ông kỳ vọng hàng nghìn, hàng nghìn Skills sẽ ra đời giống như khi MCP lần đầu tiên được giới thiệu, tạo ra tác động thực sự đến kỹ thuật phần mềm và phát triển (theo Simon Willison). Tôi nghĩ điều đó có lẽ sẽ xảy ra — chúng ta đã thấy đà phát triển, và mọi người đang khám phá ra chúng hữu ích đến mức nào.
Nhưng tôi hoàn toàn không đồng ý rằng chúng là sự thay thế cho MCP. Tôi không nghĩ vậy chút nào.
MCP Bắt Kịp: Khám Phá Lũy Tiến Đến Với MCP
Vào tháng 1 năm 2026 — chỉ mới tháng trước — Claude Code đã giới thiệu một thứ mà tôi thực sự chờ đợi kể từ khi Skills ra mắt (theo bài viết về MCP Tool Search của Claude Code). Anthropic đã lấy chính thủ thuật khám phá lũy tiến đã làm cho Skills trở nên hiệu quả về ngữ cảnh và áp dụng trực tiếp nó vào MCP.
Vì vậy, khi bạn tải một MCP bây giờ, bạn sẽ nhận được tên và mô tả của từng công cụ — rất nhỏ gọn, chiếm khoảng 20 đến 50 token mỗi công cụ. Hoàn toàn giống như Skills. Thật sự đáng kinh ngạc.
Sau đó, nếu LLM quyết định muốn sử dụng một công cụ cụ thể cho nhiệm vụ hiện tại, nó sẽ tải lược đồ đầu vào, lược đồ đầu ra, mô tả đầy đủ và mọi thứ liên quan. Điều đó có nghĩa là bạn có thể lưu trữ nhiều công cụ MCP hơn, và nó sẽ không làm suy giảm cửa sổ ngữ cảnh của bạn. Điều này làm cho các cuộc trò chuyện của bạn hiệu quả và thiết thực hơn rất nhiều.
Tác động là ngay lập tức và có thể đo lường được. Chi phí token giảm 85% — từ khoảng 77.000 token xuống chỉ còn 8.700 token cho các thiết lập với hơn 50 công cụ (theo các báo cáo về hiệu quả của MCP Tool Search). Độ chính xác khi gọi công cụ cũng được cải thiện đáng kể: Claude Opus 4 tăng từ 49% lên 74% độ chính xác, trong khi Opus 4.5 tăng từ 79.5% lên 88.1%.
Đối với tôi, điều này có nghĩa là vấn đề ban đầu của MCP — mối lo ngại ám ảnh nó từ khi ra mắt — thực sự đã được giải quyết. Tôi nghĩ MCP cần một thời gian để bắt kịp về mặt nhận thức. Nhưng vấn đề cửa sổ ngữ cảnh đó? Nó đã không còn nữa.
Quản Lý Ngữ Cảnh Chủ Động: Thay Đổi Cuộc Chơi Thực Sự
Thủ thuật mà cả Skills và hiện nay là MCP đều sử dụng là thứ mà tôi gọi là quản lý ngữ cảnh chủ động (active context management). Năm ngoái, cụm từ này là “kỹ thuật ngữ cảnh” (context engineering) — đảm bảo cửa sổ ngữ cảnh của bạn chỉ bao gồm những gì cần thiết cho một nhiệm vụ cụ thể. Điều đó thực sự khó để thực hiện tốt và tốn thời gian để chọn lọc chính xác những gì bạn muốn đưa vào cửa sổ ngữ cảnh để hỗ trợ các nhiệm vụ bạn có.
Quản lý ngữ cảnh chủ động là một cái gì đó khác — một bước tiến. Đây là những gì Skills và các công cụ MCP hiện nay làm: chúng cho phép bạn đặt một lượng nhỏ thông tin vào ngữ cảnh, và sau đó nếu cần sử dụng, phần còn lại sẽ được kéo vào sau đó.
Thách thức là một tình huống “con gà quả trứng”. Bạn đặt bao nhiêu thông tin vào cửa sổ ngữ cảnh để LLM dễ dàng nhận biết khi nào cần kích hoạt nó và tải phần còn lại một cách lũy tiến? Điều đó thực sự khó để làm đúng, và đó là lợi ích thực sự của quản lý ngữ cảnh chủ động — đạt được sự cân bằng đó.
Phương pháp chủ động này cho phép LLM làm việc với hàng chục hoặc hàng trăm công cụ trong khi giảm thiểu sự cạn kiệt ngữ cảnh. Đây là đổi mới then chốt giúp việc tích hợp LLM hiện đại trở nên thực tế ở quy mô lớn.
Điểm Khác Biệt Cốt Lõi Giữa MCP và Agent Skills
Tôi tin chắc rằng có một sự khác biệt thực sự giữa Skills và MCP. Điều quan trọng là phải nhận ra rằng có những điều MCP làm tốt hơn Skills, và ngược lại. Có những lĩnh vực mà bạn sẽ chọn cái này thay vì cái kia. Đây là nơi ranh giới giữa tính xác định (determinism) và tính không xác định (non-determinism) trở thành yếu tố khác biệt chính.
Agent Skills: Những Đám Mây Tri Thức Tạm Thời
Skills, về bản chất, cực kỳ dễ thiết lập. Nó chỉ đơn giản là một thư mục với một tệp trong đó — đó là mức tối thiểu bạn cần. Chúng rất đơn giản để xây dựng và bắt đầu sử dụng.
Nhưng điều này cũng có nghĩa là Skills có thể khá tạm thời. Chúng có một yếu tố không xác định trong đó, điều này làm cho chúng trở nên tuyệt vời — nhưng đồng thời, nó cũng làm cho chúng hơi thiếu cấu trúc.
Chúng tôi nhận thấy rằng Skills hoạt động tốt nhất như những đám mây thông tin. Chúng tồn tại để cung cấp thông tin. Chúng thực sự là về quản lý ngữ cảnh tự động — đưa ngữ cảnh phù hợp vào đúng thời điểm để cải thiện khả năng của LLM trong việc đưa ra quyết định tốt trên nhiều tác vụ khác nhau.
Skills hỗ trợ khám phá lũy tiến một cách đẹp mắt. Bạn bắt đầu với một mẩu thông tin duy nhất, và từ đó, nó có thể liên kết đến ngữ cảnh liên quan, các ví dụ mã và hướng dẫn sâu hơn khi cần. LLM có thể tiếp cận, kéo ra nhiều hay ít tùy theo nhiệm vụ hiện tại, theo con đường trực tiếp nhất đến đúng ngữ cảnh vào đúng thời điểm. Đó là về hiệu quả thông tin cho LLM, và điều quan trọng là phải hiểu đó là một trong những điều quan trọng nhất về Skills.
Lợi thế của chúng là sự linh hoạt — khả năng thích ứng và thay đổi, được sử dụng nhiều hay ít tùy theo nhu cầu. Đó thực sự là bản chất của Skills và lý do tại sao chúng lại quan trọng.
Skills xuất sắc trong các vai trò:
* Hỗ trợ các tác vụ LLM đa dạng, mang tính khám phá.
* Cung cấp các thư viện tri thức và các thực hành tốt nhất.
* Mang đến khả năng quản lý ngữ cảnh tự động.
* Cung cấp hướng dẫn thông tin thích ứng với cuộc trò chuyện.
Nhưng chúng về cơ bản khác với một MCP.
MCP: Các Công Cụ Có Cấu Trúc Rõ Ràng
MCP thực sự là về các công cụ. Đó là về cấu trúc. Đó là về kiến trúc được định nghĩa, ổn định. Đó là về việc cung cấp cho một LLM một cách thức xác định để kết nối với mọi thứ.
Với Skills, bạn có ranh giới và khả năng di chuyển giữa tính không xác định và tính xác định. Với MCP, bạn không thực sự có điều đó — và điều đó thực sự có thể là một điều rất tốt. Khi bạn kích hoạt một công cụ, bạn biết mình đang kích hoạt nó. Việc kết hợp các công cụ lại với nhau để hoàn thành các luồng agentic sẽ dễ dàng hơn nhiều. Trong khi đó, với Skills, điều đó khó khăn hơn và ít dự đoán được hơn vì việc kích hoạt Skills có thể hơi không chắc chắn.
Với MCP, vì nó là một kiến trúc được định nghĩa rõ ràng và có cấu trúc, bạn có các SDK cho nó. Bạn có thể xây dựng các cấu trúc phù hợp với kiểm thử, trợ giúp, hệ thống cốt lõi, mã dùng chung và tất cả cơ sở hạ tầng đi kèm với phát triển phần mềm trưởng thành. Đó là điều bạn thực sự không thể làm với Skills theo cách tương tự. Chúng trông giống nhau, nhưng chúng thực sự rất khác nhau.
Bạn có thể có các MCP liên kết với các MCP khác để tạo ra cấu trúc phân cấp. Bạn có các MCP được lưu trữ trên internet với các kết nối liên tục. Bạn có thể tải công cụ động với cơ sở hạ tầng được thiết kế riêng cho nó. Bạn không thể làm bất cứ điều gì trong số đó với Skills.
Vì vậy, có vẻ như Skills là một thứ cơ bản — và không phải vậy. Trong khi đó, MCP có thể được xem là dành cho doanh nghiệp hoặc trưởng thành hơn — và điều đó không phải là tất cả. Đó là về cấu trúc. MCP có cấu trúc. Chúng chính xác. Chúng hoạt động theo những cách được định nghĩa rõ ràng. Chúng có các giới hạn rõ ràng. Trong khi Skills thì không. Skills tồn tại để cung cấp thông tin, và có thể cung cấp một chút thông tin xác định.
MCP cung cấp các khả năng kỹ thuật cho phép:
* Tích hợp cấp doanh nghiệp nơi độ tin cậy là quan trọng.
* Các quy trình nhiều bước phức tạp với quy trình làm việc có thể dự đoán được.
* Các hệ thống agentic kết hợp các công cụ với nhau một cách đáng tin cậy.
* Cơ sở hạ tầng với mã dùng chung, kiểm thử và các công cụ hỗ trợ.
Sức mạnh chính của MCP là cấu trúc và khả năng kết hợp.
Điểm Hội Tụ: Kịch Bản và Thực Thi Mã
Tuy nhiên, có một điểm tương đồng — thứ khiến mọi người bối rối về Skills và có lẽ đã khiến mọi người nghĩ rằng Skills có thể thay thế MCP. Đó là cách bạn có thể đặt các kịch bản (scripts) vào Skills và chạy các tệp kịch bản trong môi trường sandbox. Thoạt nhìn, có vẻ như những thứ này có thể thay thế MCP.
Nhưng thực tế không phải vậy.
Các kịch bản trong Skills khá cơ bản. Tôi sẽ không muốn tạo ra các cấu trúc hoàn chỉnh phía sau chúng mà kỹ năng có thể kích hoạt, và rất khó để chia sẻ các kịch bản giữa các Skills hoặc tích hợp chúng vào một kiến trúc ổn định. Các kịch bản Skills thực sự tồn tại để cho phép một mức độ xác định — để sử dụng chúng cho những việc như báo cáo.
Việc để một LLM tạo báo cáo về một thứ gì đó là khó khăn vì nó sẽ đưa ra một câu trả lời khác nhau mỗi lần. Nhưng khi bạn cần một thứ gì đó có tính xác định, bạn có thể chạy một kỹ năng sẽ trả về cùng một dữ liệu mỗi khi nó thực hiện cuộc gọi đó, và sau đó LLM có thể sử dụng nó với ít khả năng “ảo giác” hơn nhiều.
Thực Thi Mã Động: Một Sự Tương Đương Sai Lầm
Với MCP, có một thứ gọi là thực thi mã (code execution) đã xuất hiện vào tháng 11 năm 2025 (theo thông báo của Anthropic về thực thi mã với MCP). Ý tưởng là LLM tạo mã nhanh chóng — viết các lệnh gọi API thô, kịch bản hoặc truy vấn trong thời gian chạy thay vì gọi các điểm cuối công cụ được xây dựng sẵn. Thay vì gọi một công cụ MCP được định nghĩa rõ ràng như `createContent(title, body)`, LLM sẽ tự động viết một lệnh gọi fetch hoặc kịch bản để trực tiếp truy cập một điểm cuối API.
Skills cũng rất tốt ở mô hình đó — môi trường kịch bản sandbox của chúng có thể chạy mã do LLM tạo ra theo cách tương tự. Và vấn đề là, với thực thi mã, bạn đang bỏ qua tất cả những lợi ích của việc hệ thống hóa và sự khác biệt giữa một điểm cuối API và những gì LLM hiệu quả nhất.
Bạn sẽ mất đi sự tối ưu hóa của các lược đồ công cụ được định nghĩa rõ ràng: xác thực tham số, định dạng đầu ra nhất quán và khả năng kết hợp giữa các công cụ. Bạn đang bỏ qua công việc thao tác và định hình các cấu trúc API đặc biệt để làm cho chúng thân thiện với LLM. Các lệnh gọi API thô thường dài dòng, ít được tài liệu hóa cho việc tiêu thụ của LLM và không nhất quán.
Cả kịch bản Skills và thực thi mã MCP đều trở nên kém hiệu quả hơn khi được sử dụng theo cách này — bạn đánh đổi độ tin cậy và khả năng kết hợp lấy sự linh hoạt mà bạn hiếm khi cần.
Đây là vấn đề. Skills rất tuyệt vời, nhưng chúng tuyệt vời ở những gì chúng làm. Chính sự thiếu cấu trúc khiến chúng không phù hợp để cung cấp các công cụ cần được định nghĩa rõ ràng và có cấu trúc cao. Đó là nơi sự khác biệt nằm ở chỗ, bởi vì MCP tồn tại để cung cấp cấu trúc. Nó tồn tại trong một khuôn khổ, trong một tập hợp các công cụ tương tự nhau, tất cả đều hỗ trợ cùng một tập hợp chức năng. Việc kết hợp các công cụ để tạo ra điều kỳ diệu cũng dễ dàng hơn nhiều.
Cách tiếp cận tốt hơn: Sử dụng kịch bản cho các đầu ra có tính xác định nơi sự nhất quán là quan trọng, và sử dụng các công cụ MCP được cấu trúc đúng cách để tích hợp và thực thi hành động. Đừng coi việc tạo mã động là sự thay thế cho kiến trúc công cụ được xây dựng có mục đích.
Umbraco Tận Dụng Agent Skills Như Thế Nào
Chúng tôi đã suy nghĩ rất kỹ về điều này. Với những gì chúng tôi đã nói ở đây, chúng tôi xem Skills là tạm thời, giống như một đám mây thông tin mà LLM có thể gọi đến. Nó có thể lấy nhiều hay ít tùy theo nhu cầu để trích xuất thông tin.
Chúng tôi sử dụng Skills để cung cấp thông tin — hoạt động như các thư viện kiến thức và thực hành tốt nhất. Thông tin đó có thể bao gồm các ví dụ mã. Nó có thể bao gồm các kịch bản thực hiện các lệnh gọi nhỏ ở đâu đó. Nhưng nó không có cấu trúc theo cách của MCP.
Bộ Kỹ Năng Có Cấu Trúc và Điểm Mở Rộng
Các Skills chúng tôi có thể có cấu trúc. Có thể có rất nhiều — giống như các kỹ năng backend mà chúng tôi có. Chúng tôi có một cấu trúc Skills được định nghĩa để khớp với các điểm mở rộng trong backend. Nhưng không có mã dùng chung giữa chúng, và chúng thực sự được xem như một thư viện thông tin.
Chúng tôi bao gồm các ví dụ mã thực tế trong Skills — các mẫu có thể chạy được mà các nhà phát triển và LLM có thể sử dụng trực tiếp. Đây không chỉ là các đoạn mã; chúng là các ví dụ thực tế, có thể thực thi về cách thiết lập và các mẫu triển khai phù hợp. Điều này giúp đầu ra của LLM dựa trên mã đã được kiểm thử, hoạt động tốt thay vì các xấp xỉ được tạo ra, giảm đáng kể hiện tượng “ảo giác”.
Chúng tôi cũng cung cấp các liên kết trực tiếp đến mã nguồn của Umbraco và thư viện thành phần UUI (Umbraco UI) làm tài liệu tham khảo đáng tin cậy. Skills chỉ LLM đến các kho lưu trữ mã nguồn thực tế và thư viện thành phần, dựa trên nguồn gốc của sự thật thay vì tài liệu có thể đã lỗi thời hoặc bị “ảo giác”. Điều này đảm bảo các thực hành tốt nhất đến trực tiếp từ codebase và các mẫu UI của Umbraco, chứ không phải từ dữ liệu huấn luyện chung của LLM.
Đó là nơi tôi thấy Skills sẽ phát triển — để cung cấp thông tin cho LLM và giúp quản lý ngữ cảnh mà nó có cho nhiệm vụ hiện tại.
Umbraco Tận Dụng MCP Như Thế Nào
Tôi không nghĩ bất cứ điều gì sẽ thay đổi trong chiến lược của chúng tôi đối với MCP bây giờ khi Skills là một phần của thế giới agentic. Chúng tôi sẽ tiếp tục sử dụng MCP để cung cấp các công cụ vào Umbraco, để mở rộng Umbraco để bạn có thể sử dụng một LLM để giao tiếp với nó, thao tác nó, kết hợp nó và sử dụng nó theo những cách tuyệt vời và thú vị.
MCP dành cho nhà phát triển của Umbraco hiện cung cấp hơn 330 công cụ trải rộng trên 36 nhóm điểm cuối, cung cấp sự tương đồng gần như hoàn chỉnh với API quản lý Umbraco (theo tài liệu của Umbraco). Một LLM có quyền truy cập vào MCP này có thể tạo các loại tài liệu, quản lý phương tiện, cấu hình thành viên, thiết lập văn hóa, định nghĩa các loại dữ liệu — về cơ bản là tất cả các hoạt động mà bạn thường thực hiện thông qua giao diện backend hoặc các lệnh gọi API.
Chúng tôi đang tiếp tục xây dựng các MCP dựa trên các sản phẩm bổ trợ của chúng tôi và tạo các MCP xung quanh các trường hợp sử dụng khác nhau. Tôi không thấy điều đó thay đổi chút nào vì Skills.
Từ góc nhìn của chúng tôi, tôi thấy chúng là những thứ khá khác biệt với các trường hợp sử dụng khá khác biệt, và điều đó chắc chắn sẽ thể hiện rõ trong cách chúng tôi sử dụng hai công nghệ riêng biệt này tại Umbraco với LLM.
Liệu Chúng Có Thể Cùng Tồn Tại?
Tôi thấy cả MCP và Skills đều được sử dụng tại Umbraco và cả hai đều được tận dụng triệt để để việc sử dụng LLM với Umbraco trở nên dễ dàng và hiệu quả nhất có thể. Tôi cũng không thấy bất kỳ vấn đề nào khi sử dụng chúng cùng nhau.
Chúng tôi có kế hoạch tạo ra Agent Skills mô hình hóa nội dung để giúp bạn phát triển các cấu trúc nội dung của mình và cung cấp thông tin, chuyên môn cũng như các thực hành tốt nhất về cách thiết lập và tạo ra các trang web Umbraco của riêng bạn.
Sự Kết Hợp Mạnh Mẽ
Những gì bạn sẽ có là kỹ năng cung cấp tất cả kiến thức, các thực hành tốt nhất và thông tin về cách thực hiện đúng, và sau đó MCP thực sự thực hiện hành động. Kỹ năng là bộ não — nó biết phải làm gì, tạo ra cái gì, cách cập nhật mọi thứ và cách tạo ra các cấu trúc tốt cho nội dung trong Umbraco. MCP là cơ bắp thực sự triển khai điều đó.
Đó là nơi tôi thấy mọi thứ đang diễn ra — một ví dụ về sự hợp tác giữa hai bên. Tôi thấy điều đó thực sự quan trọng.
Kết Luận: Lựa Chọn Thông Minh Cho Tương Lai AI
Skills và MCP là hai thứ rất khác biệt — và cả hai đều cực kỳ quan trọng cho tương lai của cách LLM tích hợp và nâng cao Umbraco.
Skills hoạt động như những đám mây thông tin với khả năng quản lý ngữ cảnh linh hoạt, xuất sắc trong việc cung cấp kiến thức và làm giàu ngữ cảnh thích ứng. MCP cung cấp các công cụ có cấu trúc với khả năng kết hợp và tích hợp đáng tin cậy, xuất sắc trong các quy trình làm việc xác định và tích hợp hệ thống.
Những tuyên bố cho rằng Skills thay thế MCP đã hiểu sai về những khác biệt kiến trúc này. Việc áp dụng Skills không làm giảm giá trị của MCP — chúng giải quyết các vấn đề khác nhau. Giờ đây, cả hai đều hỗ trợ khám phá lũy tiến, vấn đề hiệu quả ngữ cảnh đã được giải quyết. Những gì còn lại là những khác biệt thực sự: cấu trúc so với sự linh hoạt, tính xác định so với sự thích ứng, công cụ so với kiến thức.
Tương lai thuộc về việc sử dụng cả hai một cách thông minh. Không có công nghệ nào tốt hơn một cách phổ quát. Kiến trúc nên thúc đẩy sự lựa chọn, chứ không phải sự cường điệu hay sự tiện lợi. Khi Skills và MCP hoạt động cùng nhau, mỗi bên phát huy thế mạnh của mình, bạn sẽ có được sự tích hợp LLM mạnh mẽ nhất có thể.
Vì vậy, khi đánh giá các công nghệ này cho trường hợp sử dụng của bạn, đừng hỏi “Cái nào tốt hơn?” Hãy hỏi “Tôi cần cung cấp thông tin hay thực thi công cụ?” Câu trả lời cho câu hỏi đó sẽ chỉ cho bạn đi đúng hướng.
