Skip to main content

进阶：自定义 MCP 与 Skills

把自有能力挂上 Agent：已运行的 MCP Server 注册进阿里云百炼（自定义 MCP），团队作业流程打包上传（Skills），含运行时机制与版本管理。

概述

前面几篇里，Agent 用的都是「平台给的」能力：内置工具集（入门篇）、MCP 市场服务（生产化篇）。本篇讲反方向——把已有的能力挂上 Agent：已经跑着的 MCP Server 注册进阿里云百炼（自定义 MCP），团队的作业流程打包上传（Skills）。

场景：鹿鸣出版的审读助手

「鹿鸣出版」是一家虚构的图书出版公司，内容运营部每个月要处理大量来稿。他们手里有两样现成的资产：
  1. 一套编辑规范知识库——早已建在阿里云百炼知识索引（RAG）上，对外暴露的就是一个标准的 MCP 端点。痛点：这个知识库以前只有应用侧能查，Managed Agent 用不上。
  2. 一个稿件体检流程——老编辑的「三看」经验：看标题层级、看段落长度、看绝对化用语。以前是人肉 checklist，想变成 Agent 自动执行。
诉求很清晰：知识库的 MCP 端点是现成的，让 Agent 能查它；体检流程是现成的，让 Agent 照着做。这正好对应本篇两个主题：自定义 MCP（注册已有服务）与自定义 Skills（上传自有流程）。 先明确能力分类——Agent 的外部能力分三档：
档位来源谁维护出场篇章
内置工具集 builtin_toolkit平台内置（bash / 读写文件 / web_search 等）阿里云百炼入门篇
市场 MCP type: officialMCP 市场服务阿里云百炼市场托管生产化篇、多智能体篇
自有资产 type: customer你的 MCP Server、你的 Skill 包你本篇

自定义 MCP：把已有的 MCP Server 注册进阿里云百炼

市场与自定义

阿里云百炼的 MCP 管理分两个标签页：市场（阿里云百炼托管，开箱即用，WebSearch 就在这）和自定义（接入自己的 MCP 服务器或第三方服务）。自定义支持四种接入类型：插件、脚本部署、AI 网关、阿里云 OpenAPI。 本篇的重点场景是：MCP Server 已经在跑了（鹿鸣的知识库 RAG 端点），只差「在阿里云百炼登记一笔」。这种情况选脚本部署里的 HTTP 部署（安装方式选 http）——注意，这一步只是注册（把端点地址、鉴权方式告诉阿里云百炼），不会真正部署任何东西，不产生部署费用。 进入控制台「Managed Agent → MCP」的自定义标签页，点击右上角创建MCP服务，在弹出的类型选择里选脚本部署。
选择脚本部署后，表单的安装方式有 npx / uvx / http 三种。npx / uvx 会把服务真正部署到函数计算（Function Compute），按调用时长和次数计费；http 是纯注册——只登记现成端点，表单里的部署方式、部署地域字段会收起，不产生部署费用。
安装方式选 http。

例：注册阿里云百炼 RAG 知识库的 MCP 端点

鹿鸣的编辑规范知识库建在阿里云百炼知识索引上，它的 MCP 端点是工作空间级的固定地址。填写服务名称与描述，在 MCP服务配置（JSON）里登记连接配置： 
{
  "mcpServers": {
    "rag_mcp": {
      "type": "streamableHttp",
      "url": "https://${workspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/indices/rag/mcp",
      "headers": {
        "Authorization": "Bearer ${DASHSCOPE_API_KEY}"
      }
    }
  }
}
三个字段读法：
  • type 取 streamableHttp（MCP 协议的标准 HTTP 传输类型），端点是单个 URL，无状态调用；也支持 sse；
  • url 里的 ${workspaceId} 是阿里云百炼工作空间 ID（控制台右上角可见，形如 llm-xxxx）；
  • headers 里带鉴权——RAG 端点用的是普通 API Key（Bearer）。注意：注册时填写的密钥存在阿里云百炼侧的 MCP 配置里，Agent 调用时由平台代为带上，不用在 Agent 的 system 提示词或 vault 里再放一份。
这个例子反过来也说明一件常被误解的事：「自定义 MCP」不要求从零写一个 MCP Server。任何已经在运行的、暴露了 MCP 协议端点的服务——自研的业务系统 API 网关、第三方 SaaS 的 MCP 接口、甚至另一个云产品（如阿里云百炼知识索引）——都可以这样注册进来。阿里云百炼做的是「登记 + 代理调用」，不是「托管运行」。
提交部署后，自定义列表里出现新服务；进入详情页，可在概览、工具、外部调用标签页查看服务状态与调用信息。

API 挂载：type: customer

注册完成后，到控制台 MCP 管理列表里记下该服务的服务 ID（形如 mcp-xxxxxxxx；列表卡片上 ID 一栏）。挂载时 name 填服务 ID，不填显示名称——type: customer 的 name 字段虽然叫 name，实际按 ID 解析，填显示名称会返回 AGENT_010 查询MCP详情异常。mcp_servers 字段与挂市场服务是同一个，只是 type 换成 customer： 
curl -s -X POST "$AGENTSTUDIO_URL/agents" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" -H "Content-Type: application/json" \
  -d '{
    "name": "luming-editor",
    "model": {"id": "qwen3.8-max"},
    "mcp_servers": [
      {"type": "customer", "name": "mcp-xxxxxxxx"}
    ]
  }'
$AGENTSTUDIO_URL 与 $DASHSCOPE_API_KEY 的约定见生产化篇。挂载后工具的启用方式与市场服务完全一致：tools 里加 mcp_toolkit，mcp_server_name 填同一个服务 ID（与 mcp_servers[].name 两处必须一致），configs[ ] 逐工具 enabled: true（忘了逐工具启用的话，运行时工具静默缺失——这个坑在生产化篇展开过）。 一个重要的差异——两种 type 的校验时机完全不同：
type: official（市场）type: customer（自定义）
声明时校验不校验存在性——写一个市场里不存在的名字也能创建成功强制校验——名字没注册过直接 400
失败表现运行时工具静默缺失，Agent 回复「没有可用工具」创建即报错：AGENT_010 "MCP Server 校验失败: 查询MCP详情异常"
排查难度高（无报错，仅工具缺失，不易发现）低（创建时即报错）
自定义 MCP 的接入顺序是固定的：先在控制台注册，再写进 agents 配置。顺带一提，当前自定义 MCP 的注册与增删改走控制台（API 总览里没有对应端点）。

Skills：把团队流程打包上传

MCP 解决「Agent 能调你的服务」，Skills 解决「Agent 会按你的流程干活」。一个 Skill 就是一个 zip 包：里面放着一份说明书（SKILL.md）加随包资源（脚本、模板、参考文件），打包上传、过审、挂到 Agent 上。SKILL.md 的完整编写规范见技能。

打包

zip 包不超过 10 MB，根目录必须有 SKILL.md。frontmatter 声明 name 和 description——智能体根据 description 决定何时调用这个技能。 鹿鸣的「稿件体检」技能，两个文件打包： SKILL.md（说明书）： 
---
name: manuscript-check
description: 稿件体检技能。当用户提交稿件要求"体检"、"审读"或"出版前检查"时使用：将稿件保存为文本文件后运行 manuscript_check.py，对稿件做标题层级跳跃、段落超长（>400 字）、绝对化禁用词三类检查，并将 JSON 输出整理为审读意见清单。
---

# 稿件体检

对稿件执行出版前体检时按以下流程操作：

1. 将用户提交的稿件内容保存为 `/tmp/manuscript.txt`
2. 运行 `python3 manuscript_check.py /tmp/manuscript.txt`
3. 将 JSON 输出整理为审读意见：逐项列出问题类型、所在段落与建议

## 检查项

- 标题层级跳跃（如 H1 直接到 H3）
- 段落超长（超过 400 字）
- 绝对化禁用词（"最好"、"第一"、"绝对"、"百分之百"、"史无前例"、"独一无二"）
manuscript_check.py（随包资源，节选）： 
#!/usr/bin/env python3
"""稿件体检：标题层级、段落长度、禁用词检查。输出 JSON 审读清单。"""
import json, re, sys

BANNED = ["最好", "第一", "绝对", "百分之百", "史无前例", "独一无二"]

def check(path):
    text = open(path, encoding="utf-8").read()
    issues = [ ]
    # 标题跳级：逐行扫描（相邻标题不需要空行分隔，按空行分段会漏检）
    prev_level = 0
    for lineno, line in enumerate(text.splitlines(), 1):
        m = re.match(r"^(#{1,6})\s", line)
        if m:
            level = len(m.group(1))
            if prev_level and level > prev_level + 1:
                issues.append({"issue": "HEADING_SKIP",
                               "detail": f"第 {lineno} 行标题从 H{prev_level} 跳到 H{level}"})
            prev_level = level
    # 段落长度与禁用词：按空行分段
    paras = [p for p in re.split(r"\n\s*\n", text) if p.strip()]
    for i, para in enumerate(paras, 1):
        if len(para) > 400:
            issues.append({"issue": "PARA_TOO_LONG",
                           "detail": f"第{i}段 {len(para)} 字（上限 400）"})
        for w in BANNED:
            if w in para:
                issues.append({"issue": "BANNED_WORD", "detail": f"第{i}段出现禁用词「{w}」"})
    return {"paragraphs": len(paras), "issues": issues}

if __name__ == "__main__":
    print(json.dumps(check(sys.argv[1]), ensure_ascii=False, indent=2))
打包（根目录直接是 SKILL.md，不要再套一层目录）： 
zip manuscript-check.zip SKILL.md manuscript_check.py

上传全链路（API）

第一步：先当普通文件上传（POST /files，multipart），拿 file_id： 
curl -s -X POST "$AGENTSTUDIO_URL/files" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -F "file=@manuscript-check.zip"

{"id": "file_zq9kyvmkkprtg0b32afk8rto", "filename": "manuscript-check.zip",
 "mime_type": "application/octet-stream", "size_bytes": 1695,
 "status": "checking", "created_at": "2026-09-02T12:56:45+08:00", ...}
zip 文件本身也进入审核（status: checking）。 第二步：用 file_id 创建技能（POST /skills，请求体就这一个字段）： 
curl -s -X POST "$AGENTSTUDIO_URL/skills" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" -H "Content-Type: application/json" \
  -d '{"file_id": "file_zq9kyvmkkprtg0b32afk8rto"}'

{
  "id": "skill_MWY3ZTY5ZDE3MGIzNDFkZWI2Zj",
  "name": "manuscript-check",
  "description": "稿件体检技能。当用户提交稿件要求\"体检\"、\"审读\"或\"出版前检查\"时使用：...",
  "source": "customer",
  "status": "checking",
  "latest_version": "1.0",
  "created_at": "2026-09-02T04:57:01Z",
  ...
}
两个值得注意的点：
  1. name 和 description 由服务端从 SKILL.md 解析——请求体里根本没有这两个字段。front matter 写什么，技能就叫什么；SKILL.md 的 name 就是后面沙箱里的目录名。
  2. 首个版本号自动分配为 "1.0"。
第三步：等审核。参考时间线： 
12:57:01  POST /skills         → status: checking
12:57:29 ~ 13:00:21  GET 轮询   → checking（5 次）
13:01:00  审核通过              → status: active   ← 耗时 3 分 59 秒
状态机：checking → active（可挂载）/ rejected（不可挂载，版本详情里有按文件路径列出的问题）→ deleted。 审核不是秒级的——脚本化上传时不要假设「传完立刻可挂载」，要么轮询 GET /skills/{skill_id} 等 active，要么把上传做成异步流水线（上传 → 通知 → 挂载）。 第四步：挂载到 Agent： 
curl -s -X POST "$AGENTSTUDIO_URL/agents" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" -H "Content-Type: application/json" \
  -d '{
    "name": "luming-editor",
    "model": {"id": "qwen3.8-max"},
    "system": "你是鹿鸣出版的内容审读助手。收到稿件时必须使用 manuscript-check 技能执行体检，并将检查结果整理为审读意见。",
    "tools": [{"type": "builtin_toolkit", "default_config": {"enabled": true},
      "configs": [{"name": "bash", "enabled": true}, {"name": "read", "enabled": true},
                  {"name": "write", "enabled": true}, {"name": "glob", "enabled": true},
                  {"name": "grep", "enabled": true}]}],
    "skills": [{"type": "customer", "skill_id": "skill_MWY3ZTY5ZDE3MGIzNDFkZWI2Zj", "version": "1.0"}]
  }'
skills[ ] 每项三个字段：type（customer）、skill_id、version（必须精确锁定一个存在的版本，不支持 latest）。挂载校验的错误样本：
  • 挂 checking 状态的技能 → 400 AGENT_010 "Skill 不存在或正在接受安全扫描: skill_xxx@1.0"
  • 挂 active 技能但版本号写 9.9 → 同样的 400（错误信息把 skill_id@version 拼在一起，方便定位是哪一对没对上）

运行时：技能是怎么被「用」起来的

发一篇问题稿件（标题跳级 + 禁用词 + 超长段落）给挂了技能的 Agent，事件历史里能完整看到技能的工作机制： 
[05:03:33] tool_call        activate_skill  {"name": "manuscript-check"}
[05:03:33] tool_call_output {"name": "manuscript-check", "content": "<SKILL.md 全文>"}
[05:03:44] tool_call        write           稿件写入 /tmp/manuscript.txt
[05:03:47] tool_call        bash            "cd /root/workspace/skills/manuscript-check && python3 manuscript_check.py /tmp/manuscript.txt"
[05:03:47] tool_call_output 脚本的 JSON 结果（6 处问题）
[05:04:01] message          assistant       综合审读意见
逐条解读：
  1. 技能不预注入系统提示词。Agent 收到消息后，模型自己决定调用一个隐藏工具 activate_skill，参数就是技能名——SKILL.md 全文（说明书）这时才进入对话上下文。好处显而易见：挂十个技能也不会撑爆系统提示词，按需加载。
  2. zip 包被解压到沙箱 /root/workspace/skills/<技能名>/ 目录（目录名 = SKILL.md 的 name），说明书里引用的脚本直接用 bash 跑。SKILL.md 正文里的路径要写「相对技能目录」的用法（如上例直接 manuscript_check.py），Agent 自己会先 cd 过去。
  3. 说明书决定行为，脚本决定事实。Agent 拿到脚本输出的 JSON 后做的是「整理 + 判断」：「第一章 绪论」触发了禁用词「第一」的机械匹配，Agent 的处理是——「系章节序号用词触发，建议与审校确认序号类『第一』是否属于豁免情形」。脚本管扫描，模型管裁量，这是设计技能时最值得想清楚的分界线。

版本管理

上传新版本（POST /skills/{skill_id}/versions，请求体同样只有 file_id）： 
# 改 manuscript_check.py 的 BANNED 常量（比如加"全网最低价"——检查逻辑读的是脚本里的硬编码列表，只改 SKILL.md 不会生效）→ 重新打包 → 上传
curl -s -X POST "$AGENTSTUDIO_URL/skills/skill_MWY3ZTY5ZDE3MGIzNDFkZWI2Zj/versions" \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" -H "Content-Type: application/json" \
  -d '{"file_id": "file_889syqcvxriijfzl5xe9kci9"}'

{"id": "skillver_MTRiNWIwNDNiNWZjNDc5Y2", "version": null,
 "status": "checking", "type": "skill_version", "skill_id": "skill_MWY3...", ...}
行为要点：
  • 版本号 0.1 步进自动分配：1.0 → 1.1 → 1.2……（创建响应里 version 是 null，但版本列表立即出现新版本）；
  • 新版本同样要过安全扫描（checking → active，耗时与首发同量级）；
  • 挂载锁定：新版本 1.1 变为 active 后，已挂载 1.0 的 Agent 配置纹丝不动（GET /agents 复核 skills[0].version == "1.0"）。要让 Agent 用新版，必须显式更新 Agent 配置——与 Agent 版本锁定（入门篇、进阶：提示词版本管理与回滚）同一哲学：运行中的东西不被后台变更波及；
  • 当前升级窗口的两个实际行为（新版本审核期间，实测约数分钟）：latest_version 在新版本进入 checking 时即推进到 1.1，而非审核通过后；且该窗口内新建 Agent 挂载旧的 active 版本 1.0 会被拒（400「Skill 不存在或正在接受安全扫描: ...@1.0」），已挂载的 Agent 运行也可能报错。窗口结束后不改动任何配置即可恢复。计划升级时避开这个窗口建新 Agent，或等新版本 active 后再操作；
  • 版本列表 GET /skills/{id}/versions 按新到旧排列；
  • GET /skills/{id}/versions/{version}/content 返回 OSS 预签名下载 URL——可以把当年上传的包原样拿回来（审计利器：技能内容可追溯）。
注意：技能包里混入冗余文件（比如误打包了 SKILL_v2.md）不会阻断上传，审核也会通过——上传前请自查包内容，审核不负责把关。

运维与清理 

# 状态观测：技能列表（source 过滤自建/官方）
curl -s "$AGENTSTUDIO_URL/skills?source=official&limit=10" -H "Authorization: Bearer $DASHSCOPE_API_KEY"   # 官方市场技能
curl -s "$AGENTSTUDIO_URL/skills" -H "Authorization: Bearer $DASHSCOPE_API_KEY"                            # 全部

# 删除：硬删除，不可恢复（技能只有 DELETE，没有 archive）
curl -s -X DELETE "$AGENTSTUDIO_URL/skills/skill_xxx" -H "Authorization: Bearer $DASHSCOPE_API_KEY"        # 200
  • 技能删除是硬删除——对比：Agent / Deployment 只能 archive 不能删。删除前想清楚：已挂载旧版本的 Agent 引用会失效。
  • 自定义 MCP 的增删改在控制台（无 API），技能的增删改查在 API（本篇全链路）——两类资产的管理入口正好相反，别记混。
  • GET /skills 列表里还能看到工作空间下全部技能的健康状态（含官方市场的），巡检时顺手看一眼。

小结

想要用什么关键动作
平台内置的执行能力（bash/读写文件/联网）builtin_toolkit入门篇
公网通用服务（搜索、文档处理…）市场 MCP（type: official）生产化篇
自己的 MCP Server（知识库、业务系统）自定义 MCP（type: customer）控制台注册（脚本部署 → http 安装方式，仅注册免费）→ API 挂载
团队的作业流程（清单、脚本、模板）自定义 Skill打包 zip → API 上传 → 过审（分钟级）→ 挂载锁定版本
MCP 与 Skills 的分工：MCP 给 Agent 加「手」（能调什么服务），Skill 给 Agent 加「SOP」（按什么流程干活）。鹿鸣的审读助手两个都挂上：RAG MCP 让它能查编辑规范，manuscript-check 技能让它按老编辑的三看法跑体检——手和章法齐了。 工程清单（按优先级）：SKILL.md 的 description 写清「何时用」（模型靠它路由）→ 上传流水线预留审核等待（分钟级）→ 挂载锁定具体版本（不追随 latest）→ 说明书里脚本路径写相对用法 → 删除前评估已挂载引用。

下一步

Agent 开发运行
Agent 上下文
Agent 治理与进化
Store
应用广场
实践教程
服务支持