Git自動化Agent Skill優缺點比較 MCP與Skill實作探討

用Git自動化看MCP和Agent Skill的優缺點

最近在AI領域，Agent Skill的討論度越來越高，許多開發者都開始思考，如何將Agent Skill融入到實際的開發流程中。LINE雅虎的AI Lab團隊Han Kil Ro，在最近的Orchestration Development Workshop中，以「MCP與Agent Skill的理解」為主題，分享了他對Agent Skill的看法。

事件開頭短結論：本文介紹了Agent Skill在Git自動化方面的應用，並比較了MCP和Agent Skill在實作上的優缺點。雖然Skill簡化了流程，但MCP與Skill並非互相排斥，而是可以互相輔助，以實現更強大的功能。

事件重點：

Skill的優勢： 簡化實作、輕量化架構。
Git智能釋出Skill的建構： 使用skill-creator Skill，簡化Git自動化流程，涵蓋Git Log分析、Changelog更新、版本號調整、Commit & Tagging等。
MCP的挑戰： 權限過度、中間結果的多次傳遞，可能導致成本增加。
MCP與Skill的互補： MCP適合處理與外部系統的連接，Skill適合定義複雜的工作流程。

Agent Skill：簡化開發流程的新選擇

在AI Agent的開發中，從MCP（Model Context Protocol）伺服器轉向Agent Skill的趨勢越來越明顯。Skill的優勢顯而易見，它簡化了實作，並使架構更輕量化。

實作範例：Git智能釋出Skill

為了讓讀者更了解Skill的應用，Han Kil Ro分享了一個Git智能釋出Skill的建構範例。這個Skill利用skill-creator Skill，快速建立自動化的釋出流程。其主要功能包括：

Git Log分析：讀取Git log，獲取最新的Tag之後的變更內容。
Changelog更新：整理變更內容，並新增到CHANGELOG.md檔案的開頭。
版本號調整：找出pyproject.toml中的版本號，並將其patch版本號增加1。
Commit & Tagging：將變更的檔案加入git add，並用chore: release v[新版本]的訊息進行Commit，最後建立git tag v[新版本]。

透過這樣的流程，開發者可以更輕鬆地實現Git自動化，提高開發效率。

MCP的挑戰：權限與成本

雖然MCP在AI Agent的開發中，扮演著重要的角色，但也有一些挑戰需要克服。

權限問題： LLM每次都要自行組合工具，可能會有意想不到的風險。
成本問題： 傳遞大量的中間結果會導致Token成本增加。

MCP與Skill的互補關係

MCP和Skill並非互相排斥，而是可以互相補充。MCP適合處理與外部系統的連接，Skill則適合定義複雜的工作流程。

實務導入的考量

在將Skill導入實務之前，有幾個重點需要注意：

目前Agent Skill生態系，主要在Claude Code等CLI coding agent或Claude Desktop等應用程式上運作，若要在通用伺服器環境中實作，效果可能會打折扣。
現階段，Anthropic SDK是唯一官方支援Skill功能的SDK，但其運作方式是將使用者建立的Skill一併傳送到雲端，再建立虛擬環境執行，可能會產生大量的Token消耗。

個人心得：
Agent Skill的出現，為開發者提供了更有效率的開發方式。透過Skill，我們可以將複雜的流程標準化，降低對開發者個人技能的依賴，並提升團隊協作的效率。然而，在實務導入時，我們也需要考慮到目前的技術限制，並選擇適合自己團隊的開發策略。