Claude Skills или MCP: что выбрать и почему SaaS нужны оба

Выбор между Claude Skills и MCP - это выбор между обучением и доступом. Используйте Skill, когда агент уже может дотянуться до всего нужного, но продолжает делать работу неправильно: в Skill лежат ваша процедура, ваш формат вывода и любой скрипт, который должен каждый раз работать одинаково. Используйте MCP-сервер, когда агенту нужны живые данные или действие в системе, до которой иначе не дотянуться. Используйте оба, когда работа - это процедура над живой системой, а для SaaS-продукта это обычный случай. Если сомневаетесь, сначала напишите Skill: это один markdown-файл, и он покажет, какие вызовы нужны процедуре, но агенту недоступны.

Всё, что ниже, проверено 07.10.2026 по документации Anthropic и спецификации MCP (редакция 2026-07-28), а цифры по токенам - наши собственные замеры на нашем собственном сервере и наших Skills.

Что такое Claude Skill?

Skill - это папка с одним обязательным файлом. SKILL.md начинается с YAML-фронтматтера с двумя обязательными полями: name (до 64 символов, строчные буквы, цифры и дефисы, и в нём не должно быть «anthropic» или «claude») и description (до 1 024 символов). Markdown-тело под ним и есть процедура. Рядом можно положить другие markdown-файлы, справочные данные и скрипты.

Skills дешёвыми делает механизм постепенного раскрытия (progressive disclosure), и документация Anthropic об Agent Skills описывает его в три уровня. При запуске в системный промпт попадают только имя и описание каждого установленного Skill, около 100 токенов на каждый. Когда запрос совпадает с описанием, Claude читает тело SKILL.md из файловой системы; Anthropic советует держать его меньше 5 000 токенов. Всё остальное в папке загружается, только когда тело на это указывает, а скрипты выполняются через bash, поэтому в контекст попадает только их вывод, а не код.

Отсюда два следствия. Описание работает как классификатор: Claude решает, открывать ли Skill, сопоставляя запрос с этим одним абзацем, поэтому в нём должно быть сказано и что Skill делает, и когда его использовать, теми словами, которые набрал бы пользователь. И Skill может нести много материала бесплатно, потому что справочный файл, который в этот раз не нужен, так и не читается.

Skills появились в Claude 16 октября 2025 года и стали открытым стандартом 18 декабря 2025 года. Список клиентов на agentskills.io (прочитан 07.10.2026) включает Claude Code, Cursor, GitHub Copilot, VS Code, Gemini CLI, OpenAI Codex, Goose и OpenCode, так что «Claude Skills» теперь в основном название по месту, откуда формат пришёл.

Что такое MCP-сервер?

Model Context Protocol связывает AI-приложение (хост, например Claude Code или VS Code) с серверами, которые дают контекст. Хост открывает по одному клиентскому соединению на сервер, и они общаются по JSON-RPC 2.0. Сервер может предлагать три вида вещей: инструменты, которые вызывает модель, ресурсы, которые она читает, и промпты, которые пользователь вызывает как шаблоны. Клиент обнаруживает их через tools/list и родственные запросы, а хост передаёт определения инструментов модели, и та решает, когда их вызывать.

Стандартных транспортов два. Stdio запускает сервер как локальный процесс на машине пользователя и подходит для инструментов разработчика. Streamable HTTP запускает его удалённо, так что одна установка обслуживает многих клиентов; этим транспортом пользуется SaaS-продукт. Старый транспорт SSE устарел, и Claude Code так и помечает его в своей документации по настройке.

Спецификация продолжает меняться, и тому, кто строит сервер сегодня, стоит читать редакцию 2026-07-28, а не прошлогодний туториал. Она делает протокол stateless: каждый запрос несёт свою версию протокола и возможности, а серверы сообщают, что поддерживают, через обязательный запрос server/discover. Она объявляет устаревшим sampling (когда сервер просит у модели клиента сгенерировать ответ). А в спецификации авторизации отказывается от динамической регистрации клиентов в пользу OAuth Client ID Metadata Documents, оставляя DCR только для обратной совместимости.

Где на самом деле выполняется каждый?

От того, где выполняется часть системы, зависит, до чего она может дотянуться, поэтому начните с этого.

Skill выполняется там же, где агент, ровно с тем доступом, который есть у этой среды. Документация Anthropic перечисляет различия по поверхностям. В Claude API Skills выполняются внутри контейнера для выполнения кода без доступа к сети и без установки пакетов во время работы. На claude.ai доступ к сети бывает от полного до отсутствующего, в зависимости от настроек пользователя и администратора. В Claude Code у скриптов Skill тот же доступ к сети, что у любой другой программы на вашем компьютере.

MCP-сервер выполняется в своём процессе. Удалённый сервер работает на инфраструктуре вендора с собственным доступом вендора к его базе данных и API; агент отправляет запрос и получает результат. Сервер на stdio работает на машине пользователя с учётными данными пользователя из окружения.

Поэтому ответ на вопрос «может ли Skill делать то же, что мой MCP-сервер?» зависит от поверхности. В Claude Code Skill, чей скрипт вызывает ваш API с ключом из окружения, работает. В Claude API тот же Skill до вашего API вообще не дотянется. Для продукта, которым пользуются люди, которых вы не контролируете, из клиентов, которых вы не выбираете, работать в любом клиенте с поддержкой MCP будет именно MCP-сервер.

Различается и совместный доступ. Собственные Skills не синхронизируются между поверхностями Claude: загрузка на claude.ai личная для этого пользователя, загрузка через API общая для рабочего пространства, а Claude Code читает ~/.claude/skills/ или .claude/skills/ проекта. Удалённый MCP-сервер - это один URL, к которому подключается каждый клиент.

Что съедает больше контекста, Skill или MCP-сервер?

Мы замерили оба на своих артефактах эндпоинтом подсчёта токенов Anthropic 07.10.2026 (модель claude-sonnet-4-5):

• MCP-сервер видимости INITE открывает три инструмента (analyze_site, get_analysis, match_tools). Отправка их определений добавляет к запросу 998 входных токенов. Один инструмент сам по себе добавляет 660, потому что API вставляет фиксированную преамбулу для работы с инструментами, как только появляется хоть один инструмент; второй и третий добавили 103 и 235.
• Наш опубликованный Skill, который управляет тем же сервером, inite-ai-visibility-audit, стоит 69 токенов метаданных и 636 токенов за весь файл SKILL.md вместе с фронтматтером, когда загружен.
• Два наших внутренних Skill для текстов стоят 89 и 127 токенов метаданных. Их полные тела занимают 2 399 и 6 769 токенов, и второе больше рекомендации Anthropic в 5 000 токенов, а это повод вынести часть в справочный файл.

В масштабе разрыв большой. Документация Anthropic о поиске инструментов приводит около 55 000 токенов определений для набора из пяти серверов (GitHub, Slack, Sentry, Grafana и Splunk) и говорит, что выбор инструмента у Claude ухудшается, когда доступно больше 30-50 инструментов. Её решение - откладывать загрузку и давать Claude искать три-пять инструментов, нужных запросу, и, по словам Anthropic, это сокращает токены определений больше чем на 85 процентов. Документация Claude Code по MCP говорит, что поиск инструментов включён по умолчанию с версии 2.1.232.

Результаты тоже стоят контекста. На той же странице Claude Code сказано, что он предупреждает, когда один результат инструмента MCP превышает 10 000 токенов, и по умолчанию обрезает его на 25 000. Скрипт Skill возвращает только свой вывод, поэтому скрипт, который печатает «validation passed», стоит несколько токенов.

Может ли Skill заменить MCP-сервер или наоборот?

Skill может заменить MCP-сервер только там, где у среды агента уже есть доступ, а на практике это Claude Code на машине, где лежат учётные данные. Команда LlamaIndex, описывая собственный конструктор агентов, сформулировала компромисс как предсказуемое выполнение через MCP против интерпретируемых инструкций через Skills: вызов инструмента либо срабатывает, либо падает, а Skill можно понять неправильно.

MCP-сервер не может заменить Skill. Он может описать каждый инструмент, и хорошее описание говорит, когда его вызывать, но в нём нет места для «вызови это, потом то, проверь результат и оформи ответ списком дел для руководителя маркетинга». Самое чёткое правило у самой Anthropic, из её декабрьского (2025) поста о Skills и MCP: «If you're explaining how to do something, that's a skill. If you need Claude to access something, that's MCP.» («Если вы объясняете, как что-то делать, это Skill. Если Claude нужен доступ к чему-то, это MCP».) В том же посте отмечено, что один Skill может координировать несколько MCP-серверов, а один сервер может поддерживать много Skills.

Когда нужны оба?

Всегда, когда в работе есть шаги и хотя бы один шаг касается живой системы. Один пример - еженедельный отчёт: MCP подключает базу данных и хранилище документов, а Skill держит правила нормализации и шаблон. Другой - всё с фиксированной последовательностью, например «запусти прогон, подожди, прочитай результат, потом объясни его владельцу без технического опыта», где один сервер оставил бы агента угадывать порядок.

Наша собственная пара работает именно так. MCP-сервер запускает аудит и возвращает id прогона; второй инструмент читает результат примерно через минуту. Skill говорит агенту, когда аудит - правильный ответ, что два вызова идут именно в этом порядке и как пересказать оценку тому, кто спросил. Агенту, у которого есть только список инструментов, приходится выводить порядок из двух описаний; агент, у которого есть только Skill, читал бы про аудит, который ему нечем запустить.

Что SaaS-вендору выпустить, чтобы стать AI-native?

Для SaaS-продукта сравнение выше сводится к короткому списку. Большинство агентов вызывают инструменты, а не открывают ваш дашборд. На эту перемену и указывает выражение AI-native, а два стандарта делают его конкретным.

План сборки по неделям есть в плане MCP-сервера на 90 дней. Браузерная сторона той же задачи, как сделать ваш интерфейс понятным агентам, управляющим компьютером, разобрана в тексте про SaaS, готовый к браузерным агентам. Читаем ли ваш сайт для ассистентов, которые вообще могли бы порекомендовать ваш продукт, измеряет бесплатная проверка видимости в AI.

Что обычно идёт не так?

• Расплывчатые описания инструментов. Модель так и не выбирает инструмент. Пишите описания с глаголами, входными данными и фразой о том, когда его использовать.
• Неограниченный вывод. Один вызов заполняет контекст. Ставьте потолок, делите на страницы или возвращайте сводку со ссылкой.
• Слишком много инструментов. Больше 30-50 инструментов, и выбор ухудшается. Объединяйте почти одинаковые, а остальным давайте префиксы (billing_, reports_), чтобы поиск инструментов находил группу.
• API-ключи вместо OAuth. Каждая установка требует ручного похода в конфигурационный файл.
• Сервер без Skill. Вызовы идут не в том порядке, и ответ возвращается не в той форме.
• Skill, который рассчитывает на доступ к сети. В Claude Code он работает, а в API падает.
• Общее описание Skill. Skill никогда не открывается, потому что в запросе ничто с ним не совпадает.
• Установка Skills от незнакомцев. Документация Anthropic советует относиться к Skill как к устанавливаемой программе: вредоносный Skill может заставить агента выполнить код или отправить данные наружу. Проверяйте каждый файл перед использованием. Anthropic также отмечает, что на Agent Skills не распространяются договорённости о нулевом хранении данных (zero data retention).

Об управлении, то есть о том, кто утверждает, какие действия агент может совершать с вашими данными, читайте в тексте о человеке в контуре для AI-агентов; о платформенном подходе, при котором на каждый продукт выпускается свой сервер, в тексте «одно ядро, много обёрток».

Как выбрать?

Задайте два вопроса по порядку. Первый: нужно ли агенту что-то, до чего он не дотягивается оттуда, где выполняется, например живые данные, действие в другом продукте или что-то за входом в аккаунт? Если да, вам нужен MCP-сервер, и в Claude API или в клиентах, которые вы не контролируете, Skill его не заменит. Второй: есть ли в работе порядок, формат или правило, которые агент раз за разом нарушает? Если да, вам нужен Skill. Два «да» значат оба.