Skill、Prompt、MCP 差在哪？MCP 和 Skill 不同在哪？非工程師背景的你更要懂
Skill、Prompt、MCP 差在哪？MCP 和 Skill 不同在哪？這三個 AI 名詞最近一起爆紅，卻是行銷人最常搞混的詞。Prompt 是這一次交辦什麼，MCP 是 AI 能不能連到資料與工具，Agent Skill 是拿到資料後照什麼流程做。本文用行銷團隊的會員回購任務，拆解三者分工、三個常見誤解，以及一張行銷主管導入判斷表。
Prompt 是這一次交辦什麼，MCP 是 AI 能不能連到資料與工具，Agent Skill 是拿到資料後照什麼流程做。本文用行銷團隊的會員回購任務，拆解三者分工、常見誤解與導入判斷表。
AI 週會上那個沒人接得住的問題
行銷週會上，實體電商老闆丟出兩個問題：「人家都在講 MCP，我們要不要導入？」「那 Skill 跟我們一直在用的 Prompt 又差在哪？」會議室安靜了三秒。
這個畫面最近很常見。這三個詞幾乎同時爆紅、被擺在一起討論，但許多行銷團隊在評估 AI 工具時，仍容易把它們混在一起。混在一起是有代價的：你可能花錢買了團隊還用不到的東西，也可能把早該交給工具的事，繼續用人力一次次硬扛。
Anthropic 在 2025 年 10 月推出 Claude 的 Agent Skills，並在 2025 年 12 月把它發布為跨平台開放標準；再加上 2024 年問世的 MCP，這三個詞開始頻繁被放進同一張 AI 落地藍圖裡討論。把它們分清楚，是行銷團隊用好 AI 的第一道門檻。
在 AI 評估會議裡，這題總會很快浮上檯面
在 AI 工具評估會議裡，這題通常很快就浮上檯面：Skill、Prompt、MCP 到底差在哪？我自己被行銷同事問最多次的，也是這一題。
每次我都得先在白板上畫一張圖：一邊是「這一次要做什麼」，一邊是「AI 拿不拿得到資料」，再一邊是「拿到之後照什麼流程做」。畫完，對方常會「喔」一聲，說原來我們一直只用到最左邊那一塊。這篇文章，就是那張白板圖的文字版。
三個詞，各自回答一個完全不同的問題
要分清楚這三個詞，最快的方法很簡單：看它們各自在回答哪一個問題。
一句話定義：Prompt 是單次的任務指令，MCP 是讓 AI 連到外部資料與工具的標準，Agent Skill 是讓 AI 依照固定流程完成工作的可重複技能包。
| 名詞 | 它回答的問題 | 行銷場景比喻 | 誰負責設定 | 出錯時的症狀 |
|---|---|---|---|---|
| Prompt（提示詞） | 這一次，我要 AI 做什麼 | 你當下口頭交代同事的一句話 | 每個使用者，每次對話 | 每次都要重打、品質時好時壞 |
| MCP（連接標準） | AI 能不能連到外部資料、工具或系統 | 幫 AI 開一條標準通道，連到會員資料、訂單系統、GA 或內部工具 | IT、系統商或工具設定者 | AI 想幫忙卻說「我看不到資料」或「不能操作那個系統」 |
| Agent Skill（代理技能） | 拿到資料後，該照什麼流程做 | 一本「這份工作該怎麼做」的作業手冊 | 團隊，寫一次全隊共用 | 同一件事每個人做出來的格式都不同 |
MCP 官方把它比喻成 AI 的 USB-C 埠：就像 USB-C 用同一個標準接口連接各種裝置，MCP 用一套標準，讓 AI 應用能連上外部的資料來源、工具、系統與工作流程。它管的是「接不接得上、拿不拿得到、能不能操作」。
經理人也整理過 MCP 與 Skill 的分工：MCP 解決資料進不進得來，Skill 解決資料拿到之後該怎麼處理。換成行銷團隊的工作流來看，MCP 像是資料與系統的權限，決定 AI 看不看得到會員、訂單、活動成效；Skill 像是團隊 SOP，決定看到資料後要怎麼分群、怎麼判讀、怎麼輸出。前者解決「可存取」，後者解決「可重複執行」。
如果你想看更細的格式範例，以及 Skill 跟 ChatGPT 的 GPTs、Gemini 的 Gem 差在哪，數位時代整理過一份懶人包。把這三個問題記住，你大概就贏過會議室裡多數人了。
用一個真實任務走一遍，三者各自在哪一步
光看表格還是抽象，我們用行銷團隊每個月都會做的一件事走一遍：找出最近沉睡的會員，做一份回購分析，產出一版喚醒 EDM 草稿與建議名單，最後由行銷人審核後再發送。
第一步，你開口交辦，這是 Prompt。 你跟 AI 說「幫我分析這批沉睡客，找出他們最後一次買什麼、隔多久沒回來」。這句話就是 Prompt，它定義了這一次的任務。
第二步，AI 要拿到會員資料，這靠 MCP。 AI 不會憑空知道你的會員名單。它得透過 MCP 這類接口，連上你的會員系統或資料庫，把沉睡客的購買紀錄讀進來。沒有這一層，AI 只能回你一句「請把資料貼給我」。
第三步，分析和擬信要照品牌規矩，這是 Skill。 怎麼定義「沉睡」、回購分析要看哪些指標、喚醒 EDM 的語氣和優惠規則怎麼抓，這些可以整理成一份 Skill：包含沉睡定義、分析指標、輸出格式、品牌語氣與優惠規則。有了它，AI 不只把數字整理出來，還會照你品牌一貫的章法產出草稿，最後仍由行銷人確認後再發送。
走完這一遍，三者的關係就清楚了：Prompt 起頭，MCP 供料，Skill 定流程。它們不是三選一，而是各管一段。
接著講三個行銷團隊最常踩的誤解。
第一種誤解：把超長 Prompt 當成 Skill。 很多人把一大段規則貼進對話框，以為這就是 Skill。差別在於 Prompt 主要是這次對話裡的指令，貼完就過去了；Skill 則是可保存、可版本管理、能被支援平台在任務相符時載入的技能包，它不只是一段很長的話，還可以包含流程、範本、參考資料，甚至腳本。
第二種誤解：以為裝了 MCP，AI 就會自動做事。 MCP 只解決「拿得到資料」，不解決「該怎麼做」。資料接上了，AI 還是需要 Skill 或明確指令告訴它判斷口徑與輸出格式，否則它可能看得到資料，卻每次用不同邏輯分析。
第三種誤解：以為 Skill 能取代資料權限。 Skill 寫得再好，AI 沒有透過 MCP 接到你的資料，一樣巧婦難為無米之炊。
分不清楚，買錯和用錯的代價都很實際
把這三層分清楚，不是名詞潔癖，而是省錢省力的判斷基礎。
當你在評估一套號稱有 AI 的工具時，分清楚這三層能幫你問對問題：它是只能接受我下指令（Prompt），還是接得上我的會員資料（MCP），又或者真的內建了照我品牌規矩做事的能力（Skill）。很多品牌花大錢買了一個會聊天的介面，事後才發現它接不上自家資料，也沒有可沉澱的工作流程。
Agent Skills 之所以重要，是因為它補上了過去最缺、也最難複製的那一層：把團隊腦袋裡的做事方法寫下來。Prompt 人人會用；MCP 初次接通通常需要 IT 或工具商協助，後續還要維護權限、資料範圍與安全設定；唯獨「拿到資料後該怎麼做對」這件事，過去最依賴資深同事的經驗，現在可以逐步沉澱成 Skill。
截至 2025 年底，Agent Skills 已被發布為跨平台開放標準，官方也列出多個支援這個格式的 agent 產品。對品牌來說，重點不是背平台數字，而是至少在支援的工具之間，這套方法有機會重用，避免每換一個工具就重寫一次。
三者在品牌落地時，分別對應到什麼
對零售與電商品牌來說，這三層剛好對應到 AI 落地的三個現實問題。
Prompt 對應「會不會用」，門檻最低，整個團隊很快就上手。MCP 對應「資料通不通」，這也是 CDMP 這類系統的底層價值：先把第一方會員、訂單、互動資料整理到可被使用的狀態，AI 才有機會做出穩定判斷；資料沒先打通、接得上，再聰明的 AI 都容易空轉。Skill 對應「方法穩不穩」，把會員分群邏輯、報表口徑、活動檢討的判斷標準寫下來，讓 AI 照著做。
這也呼應一個我們反覆談的立場：AI 負責大量整理與初步分析，人負責定義問題與下判斷。當品牌把資料基礎整理好、透過 MCP 這類標準讓 AI 接得上，再把方法層（Skill）沉澱下來，AI 給出的結果才會更穩定可信。當每個品牌都用得到 AI，最後拉開差距的，正是誰把這三層都鋪好了。
行銷主管的自我診斷：你的團隊現在缺哪一層
下次再被問到這題，與其急著導入什麼，先用這張表盤點團隊目前卡在哪一層。
| 你觀察到的現象 | 缺的是哪一層 | 先做什麼 | 建議週期 |
|---|---|---|---|
| 同事還在每次重打一長串指令、品質不穩 | Prompt 用得不好，也還沒有 Skill | 先把最常重複的工作寫成一支 Skill | 第 1 到 2 週 |
| AI 分析時老是要人工貼資料進去 | 缺 MCP 這類資料接口 | 盤點哪些系統能接、優先打通會員與訂單資料 | 第 1 個月 |
| 每個人做出來的報表、貼標格式都不一樣 | 缺 Skill | 把口徑與格式規則寫成 Skill，全隊共用 | 第 2 到 4 週 |
| 工具買了卻說接不上自家資料 | 當初沒分清 MCP 和 Skill | 重新檢視工具的資料接得上嗎、流程能不能客製 | 即刻檢視 |
關鍵心法是：先看團隊卡在哪一層，再補那一層。產出不穩，先整理常用 Prompt 與 Skill；資料一直靠人工貼，先處理 MCP 或其他資料接口；流程無法複製，先把口徑與格式寫成 Skill。沒有一定要從哪一層開始，但只要任務需要真實會員與訂單資料，資料權限沒打通之前，就別期待 AI 能做完整自動化。
下次再被問到，你會是接得住的那個人
如果我們正面看待 當今 AI 的高速發展，聽不懂、摸不清、猜不透本來就是非工程背景的行銷團隊必經之路。
回到那個安靜了三秒的會議室。
Prompt、MCP、Skill 不是三個要你選邊站的選項，而是 AI 幫你做事時，從交辦到供料到照規矩做的三個環節。分清楚它們，你就能判斷團隊現在該補哪一塊、哪些錢該花、哪些事還在用人力硬撐。
對台灣的零售與電商品牌來說，這三個詞的背後是一個很實在的機會：把資料接通、把方法寫下來，讓 AI 真的照你的規矩做事。能把資料接通、方法寫清楚、又把判斷權留在人手上的品牌，會比只會下 Prompt 的團隊更早把 AI 用進日常營運。
品牌最常問的 Skill、Prompt、MCP 問題
Q1：Skill、Prompt、MCP 最簡單的差別是什麼？ A1：三者各自回答一個問題。Prompt 回答「這一次要 AI 做什麼」，是當下交辦的一句話；MCP 回答「AI 能不能連到外部資料與工具」，是讓 AI 連上你系統與資料庫的標準接口；Agent Skill 回答「拿到資料後該照什麼流程做」，是寫一次就能全隊共用的工作技能包。
Q2：那我把規則寫成很長的 Prompt，不就等於 Skill 了嗎？ A2：不一樣。Prompt 主要是這次對話裡的指令，貼完就過去了；Skill 是可保存、可版本管理、能被支援平台在任務相符時載入的技能包，還能包含流程、範本、參考資料甚至腳本，方便整個團隊每次都套用同一套規則。
Q3：是不是裝了 MCP，AI 就會自動幫我做事？ A3：不會。MCP 只解決「拿得到資料」，不解決「該怎麼做」。資料接上之後，AI 還是需要 Skill 或明確指令告訴它判斷口徑與輸出格式，否則它可能看得到資料，卻每次用不同邏輯分析。
Q4：行銷團隊該先從哪一個下手？ A4：先看團隊卡在哪一層。同事還在每次重打指令、產出格式不一，先把最常重複的工作寫成 Skill；AI 老是要人工貼資料，問題在資料接口（MCP），先打通會員與訂單資料。沒有固定順序，但任務需要真實資料時，資料權限沒通就別期待完整自動化。
Q5：MCP 和 Skill 是哪一家公司的規格？只能在特定工具用嗎？ A5：兩者都是開放標準。MCP 由 Anthropic 在 2024 年提出，官方文件列出 Claude、ChatGPT、VS Code、Cursor 等支援；Agent Skills 原由 Anthropic 發展，2025 年底發布為跨平台開放標準。兩者方向都是提高跨工具可攜性，但實際支援程度仍要看各工具實作。
Q6：不懂技術的行銷人，需要搞懂這三個詞嗎？ A6：需要，但不需要會寫程式。你不必自己接 MCP，但要能判斷工具接不接得上自家資料；你不必懂底層架構，但要能把團隊的做事方法說清楚，那就是 Skill 的雛形。搞懂這三層，是為了把錢花在對的地方、把人力留給真正需要判斷的事。
延伸閱讀
- Agent AI Skill 是什麼？行銷人從 Prompt、MCP 到 Agent Skill 一次看懂
- 選 CDP AI Agent 前，先問這 4 個問題：不然你買的只是一個會聊天的介面
- Agentic Commerce 的資料困局：為什麼 CDP 升級成 CDMP 是零售品牌的下一步
想把會員分群、報表口徑與活動檢討的判斷標準整理成可重複使用的團隊方法，不妨先從一件每週都會重複的工作開始。