David Mohl opublikował artykuł “I still prefer MCP over Skills”, który podzielił społeczność deweloperów. Teza: MCP (Model Context Protocol) powinien być standardem łączenia LLM z serwisami, a Skills powinny ograniczyć się do przekazywania wiedzy. Jedni mówią, że MCP to przyszłość. Drudzy, że to owijanie API w niepotrzebne pudełka.
Czym różnią się MCP i Skills?
MCP (Model Context Protocol) to protokół komunikacyjny stworzony przez Anthropic, który definiuje sposób łączenia agenta AI z zewnętrznymi serwisami: bazami danych, API, narzędziami. Dzięki temu agent widzi listę dostępnych narzędzi (tool signatures) i wywołuje je przez ustandaryzowany interfejs. Na dzień dzisiejszy w ekosystemie zarejestrowano ponad 21 000 serwerów MCP, z czego 1052 to oficjalne serwery od twórców projektów. Jak sam protokół zmienił się później, opisujemy w tekście protokół MCP bez sesji.
Skills to pliki instrukcyjne, najczęściej w formacie Markdown, które uczą agenta AI jak wykonywać konkretne zadania. Dwa typy: czysto wiedzowe (dokumentują workflow i zasady) oraz zależne od CLI (wymagają zainstalowanych narzędzi wiersza poleceń). W Claude Code to pliki .claude/skills/*.md. Pokrewny sposób sterowania agentem plikiem instrukcji opisujemy w tekście o pliku CLAUDE.md z zasadami Karpathy’ego.
Innymi słowy: MCP to protokół dostępu do serwisów, natomiast Skills to instrukcje behawioralne.
Argumenty za MCP
Mohl stawia kilka mocnych punktów. Przede wszystkim MCP nie wymaga instalacji, ponieważ serwer zdalny jest po prostu dostępny. Poza tym aktualizacje propagują się automatycznie do wszystkich klientów. Uwierzytelnianie odbywa się przez OAuth zamiast tokenów zapisanych zwykłym tekstem w plikach konfiguracyjnych. Co więcej, MCP działa w ChatGPT, Perplexity i webowym Claude, gdzie CLI nie istnieje. Dodatkowo nie zaśmieca kontekstu agenta pełną dokumentacją, bo wystawia tylko sygnatury narzędzi.
Argumenty przeciw MCP
Społeczność deweloperów nie dała się jednak przekonać bezwarunkowo. Jeśli kontrolujesz środowisko (jak w Claude Code czy Cursor), to CLI plus Skills jest prostsze i tańsze. Ponadto MCP przeładowuje kontekst przy inicjalizacji, co paradoksalnie może być gorsze niż Skills. Sam protokół bywa zbyt skomplikowany. Na przykład jeden deweloper po implementacji od zera stwierdził, że “już nigdy nie użyłby MCP”. Złe implementacje (jak serwer MCP do Jira od Atlassian) dodatkowo podkopują zaufanie do całego podejścia. Skalę problemów z bezpieczeństwem w tym ekosystemie opisujemy w tekście bezpieczeństwo serwerów MCP.
Trzeci argument jest praktyczny: MCP słabo komponuje się z operacjami wsadowymi. Przetworzenie 1000 ticketów w Jira przez MCP to 1000 wywołań. Przez CLI i piping to jedna komenda.
Kiedy wybrać MCP, a kiedy Skills?
Konsensus z dyskusji jest jednak pragmatyczny: oba podejścia nie wykluczają się nawzajem.
Skills sprawdzają się lokalnie, ponieważ pracujesz w Claude Code albo Cursor i masz pełny dostęp do CLI oraz systemu plików. Potrzebujesz kontekstu behawioralnego: jak agent ma się zachowywać, jakie zasady stosować. Dlatego zależy Ci na prostocie bez dodatkowej infrastruktury.
MCP natomiast wygrywa, gdy budujesz chatbota webowego bez dostępu do CLI, potrzebujesz izolacji procesów, pracujesz z wieloma klientami (ChatGPT + Claude + Cursor) i chcesz centralnie zarządzać dostępem do serwisów. Podobnie wygląda agent zbudowany w n8n: warstwa uruchomieniowa stoi poza Twoim komputerem, a narzędzia dostaje przez serwery MCP podpięte do przepływu.
W praktyce jednak większość zaawansowanych konfiguracji łączy oba podejścia. Skills definiują zachowanie agenta i zasady pracy. Serwery MCP dostarczają mu narzędzia i dane z zewnętrznych serwisów.
Niezależnie od wybranego podejścia, automatyzacja procesów wokół agenta AI to osobny temat. Jeśli łączysz serwisy, przetwarzasz dane i reagujesz na zdarzenia, potrzebujesz narzędzia do orkiestracji przepływów pracy.
Kurs n8n 2.0 · Kodożercy
n8n + AI = automatyzacje, które naprawdę myślą
n8n pozwala podłączyć modele AI do swoich workflow – wysyłać dane do ChatGPT, analizować wyniki, reagować automatycznie. Kurs n8n 2.0 na Kodożercach pokaże Ci jak to połączyć.
Sprawdź jak to działa →
FAQ – Najczęstsze pytania o MCP i Skills
Co to jest MCP?
MCP (Model Context Protocol) to protokół stworzony przez Anthropic, który definiuje sposób łączenia agentów AI z zewnętrznymi serwisami. Agent widzi listę narzędzi i wywołuje je przez ustandaryzowany interfejs. Na rynku jest ponad 21 000 serwerów MCP.
Co to są Skills w kontekście agentów AI?
Skills to pliki instrukcyjne (najczęściej Markdown), które uczą agenta AI jak wykonywać zadania. W Claude Code to pliki w folderze .claude/skills/. Mogą zawierać wiedzę o projekcie, zasady pracy lub instrukcje korzystania z narzędzi CLI.
Czy MCP zastępuje Skills?
Nie, ponieważ oba podejścia uzupełniają się nawzajem. Skills definiują jak agent ma się zachowywać, natomiast MCP dostarcza mu narzędzia do pracy z zewnętrznymi serwisami. Dlatego zaawansowane konfiguracje łączą jedno z drugim.
{ agenci AI }Agent AI, który pracuje na danych Twojej firmy
Budujemy agentów, którzy odpowiadają klientom, czytają dokumenty i przygotowują raporty, podłączonych do Waszych systemów. Zaczynamy od jednego procesu i sprawdzamy efekt, zanim pójdziemy dalej.
Podsumowanie
Debata MCP vs Skills to nie pytanie “albo-albo”. MCP wygrywa przy zdalnym dostępie, wielu klientach i izolacji, natomiast Skills dominują lokalnie, gdzie CLI jest dostępne i zależy Ci na prostocie. W efekcie w ekosystemie z 21 000 serwerów MCP i rosnącą liczbą agentów AI pracujących w Claude Code i Cursor, realistyczna konfiguracja łączy oba podejścia.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
