企业官网建设流程全解析

1. 先把场景摆出来：为什么 MCP 和 Skill 总被混着用

MCP 和 Skill 这两个词，只要你在搭 AI 工具链，几乎绕不开。MCP 全称 Model Context Protocol，是让 Agent 调用外部工具的一套标准接口；Skill 更像是给 Agent 塞进去的一本操作手册，本质是知识注入。一个往外接能力，一个往内塞思路。听起来泾渭分明，但真到项目里，很多人会把「我要让 Agent 会查数据库」和「我要让 Agent 知道怎么分析数据」当成同一件事，结果配置写了一大堆，跑起来要么工具没挂上，要么技能没触发。

这篇不空谈概念，直接给一套可复制的配置骨架。核心思路是：用 TaoToken 做统一的 Key 和 API 通道，让 Cline、CC Switch 这类工具都走同一个入口，然后分别验证一次 MCP 调用和一次 Skill 触发，确认两者互不干扰。适合正在搭 AI 工具链、手里已经有几个 MCP Server 和几个 SKILL.md 的开发者。下面所有配置你都可以直接抄，改掉路径和 Key 就能跑。

2. TaoToken 前置：统一 Key 与 API 通道

在讲 MCP 和 Skill 的配置之前，得先把通道统一了。不然你会在 Cline 里配一个 Key，在 CC Switch 里又配一个，MCP Server 那边还要再填一次，改起来到处找。TaoToken 的作用就是把这些入口收敛成一个：一个 Key，一个 API 地址，所有工具都指向它。

官网入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api ，注意 API 这个地址不带 UTM 参数，配置里填的就是它。你需要先去控制台拿一个 Key，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，Key 的管理页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。拿到之后先别急着往各个工具里塞，我们按下面的骨架来。

这里有个容易踩的坑：很多人把 API 地址写成带一堆参数的完整 URL，结果工具解析出错。记住，配置里只填https://taotoken.net/api这个干净地址，参数是给浏览器用的，不是给配置文件用的。

3. 可复制配置：settings.json 与 config.toml 骨架

3.1 Cline 的 settings.json 骨架

Cline 走的是 VS Code 扩展那套配置，核心是把模型通道指向 TaoToken。下面是一个可以直接改的骨架，重点看baseUrl和apiKey两处：

{ "cline.apiProvider": "openai", "cline.openAiBaseUrl": "https://taotoken.net/api", "cline.openAiApiKey": "sk-你的TaoTokenKey", "cline.openAiModelId": "claude-sonnet-4-20250514", "cline.mcpServers": { "docmind-kb": { "command": "npx", "args": ["-y", "@docmind/mcp-server-kb"], "env": { "KB_ENDPOINT": "http://127.0.0.1:8080" } } } }

这里cline.mcpServers就是 MCP 的挂载点。注意 MCP Server 的启动方式和模型通道是两回事：模型通道走 TaoToken，MCP Server 走它自己的 stdio 或 SSE。两者在配置里是并列的，不要混在一起写。

3.2 CC Switch 的 config.toml 骨架

CC Switch 用的是 TOML，结构更清晰。下面这份骨架把模型通道和 MCP 服务分开列：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoTokenKey" model = "claude-sonnet-4-20250514" [mcp.servers.docmind-kb] transport = "stdio" command = "npx" args = ["-y", "@docmind/mcp-server-kb"] [mcp.servers.weather] transport = "sse" url = "http://127.0.0.1:9090/sse" [skills] base_dir = "./configs/skills" selection_mode = "selected" selected = ["rag-optimizer", "doc-review"]

[skills]这一段就是 Skill 的挂载点。base_dir指向你放 SKILL.md 的目录，selection_mode支持all、selected、none三种。selected模式下只有列出来的技能会被加载，这样能避免启动时把所有技能都读一遍拖慢速度。

3.3 一个 SKILL.md 的最小结构

Skill 的载体就是文件夹里的 SKILL.md，头部用 YAML front matter 声明元信息，正文写流程。最小可用版本长这样：

--- name: rag-optimizer description: RAG 系统优化顾问，从分块、召回、重排、提示词四个层面诊断问题。 --- # RAG 优化顾问 当用户询问检索效果差、问答质量低时，按以下顺序排查： 1. 分块策略：chunk 大小是否匹配文档结构，重叠是否合理 2. 检索召回：TopK 和相似度阈值是否偏保守 3. 重排序：是否配置了 Rerank 模型 4. 提示词工程：上下文注入格式是否清晰 输出时按「问题定位 - 建议调整 - 预期收益」三段式组织。

这个文件不需要任何代码，Agent 启动时读进去，推理时就会按这个框架走。这就是 Skill 和 MCP 最直观的区别：MCP 要写 Server，Skill 只要写 Markdown。

4. 验证请求：跑通一次 MCP 调用与一次 Skill 触发

配置写完不算完，得验证两者真的互不干扰。分两步走。

4.1 验证 MCP 调用

在 Cline 里发一条明确需要外部工具的请求，比如「帮我查一下知识库里关于 MCP 协议的文档」。如果 MCP Server 挂载成功，你会在工具调用日志里看到类似mcp_docmind-kb_search的调用记录。返回结果里应该带上从知识库检索到的内容。

如果没触发，先看 MCP Server 进程有没有起来。stdio 模式下，Cline 会自己拉起子进程，你可以在输出面板里找MCP server docmind-kb started这类日志。SSE 模式下，先用 curl 探一下端口：

curl -N http://127.0.0.1:9090/sse

能持续收到事件流就说明 Server 活着，问题在配置的 URL 或 transport 类型上。

4.2 验证 Skill 触发

Skill 的验证更隐蔽，因为它不产生工具调用日志，而是改变 Agent 的输出结构。发一条「帮我评审这篇文档」，如果doc-review技能加载成功，Agent 的输出会明显按技能里定义的维度来组织，比如分成结构完整性、内容准确性、语言表达、格式规范四块。

你可以做个对照实验：先把selection_mode改成none，再发同样的请求，输出会变得松散、没有固定框架；改回selected并带上doc-review，输出立刻结构化。这个对比最能说明 Skill 到底在干什么。

4.3 确认互不干扰

最后一步，发一条同时需要工具和知识的请求：「帮我评审这篇文档，并检索相关参考资料」。理想情况下，Agent 会先用doc-review技能确定评审框架，再调mcp_docmind-kb_search去检索，最后按框架组织输出。如果这两件事都发生了，说明 MCP 和 Skill 在你的配置里各走各的通道，没有互相覆盖。

5. 本篇常见错排查

MCP Server 起不来，报 command not found。多半是npx路径问题。在配置里把command写成绝对路径，比如/usr/local/bin/npx，或者先用which npx确认一下。

Skill 不触发，Agent 完全无视 SKILL.md。先检查base_dir是不是相对路径且相对于工具的工作目录。CC Switch 里相对路径是相对于配置文件所在目录，不是相对于你当前终端。改成绝对路径最稳。

模型通道报 401。检查api_key有没有带sk-前缀，以及base_url是不是写成了https://taotoken.net/api而不是带/v1的变体。有些工具会自动补/v1，有些不会，以工具文档为准。

MCP 和 Skill 同时配置后，工具调用变慢。大概率是 Skill 的selection_mode设成了all，启动时扫描了整个技能目录。改成selected只加载需要的几个，启动速度会明显改善。

改了配置不生效。Cline 和 CC Switch 都需要重启窗口或重新加载配置。改完settings.json后按Cmd+Shift+P执行Reload Window，改完config.toml后重启 CC Switch 进程。

6. 通道与入口：按你的场景选

如果你现在卡在接入或排障阶段，建议先把 Key 和 API 通道理顺，去 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 拿 Key，再对照 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 里的接入说明逐项核对配置。

如果你只是想先验证模型通不通，不想折腾本地工具链，可以直接用模型对话页面发一条请求试试：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite 。

如果你是要长期跑编码任务或者搭 Agent，那重点应该放在 Coding Plan 上，把通道固定下来再往上叠 MCP 和 Skill：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。

回到最开始那个问题：MCP 和 Skill 分不分得清，不取决于你背了多少定义，而取决于你的配置里有没有把它们放在正确的位置。模型通道归模型通道，MCP 归 MCP，Skill 归 Skill，三层各管各的，跑一次验证请求，谁在干活一目了然。