现代AI Agent提示词已从静态文本发展为动态组装。文章揭示三明治架构身份层定义角色能力层动态注入Tools、Skills和MCP资源上下文层包含实时对话信息。Agent通过运行时编译提示词根据用户意图动态加载相关能力实现精准高效响应避免硬编码所有技能。你有没有好奇过当你在 ChatGPT 或 Claude 里调用一个插件、或者让 AI 帮你查数据库时它是怎么知道自己能用哪些工具的难道开发者把所有工具的说明书都写死在了系统提示词里答案是并没有。现代 AI Agent 的系统提示词早已超越了静态文本的形态它会在运行时Runtime根据当前场景现场组装出来。简单来说Agent 框架比如 LangChain、AutoGen或 Anthropic 的 MCP 实现会像搭积木一样把身份设定“可用工具”当前对话等模块拼成一个完整的上下文再发给大模型。这个过程叫做动态组装Dynamic Assembly。下面我们来拆解这个组装过程特别是 MCPModel Context Protocol、Skills 和 Tools 这三类能力是如何被集成进去的。一、三明治架构Prompt 的三层结构Agent 最终发给模型的 Prompt通常像一个三明治由三层拼接而成第一层身份层这是最底层、最稳定的部分定义了 Agent 的人设。比如角色是资深软件架构师还是数据库管理员以及一些核心行为准则——像Always answer in JSON format、Be concise、Do not apologize这类指令。如果你用过 ReAct 或 Chain of Thought这里也会写上对应的思考框架要求。第二层能力层重点这是最关键的动态层。Agent 并没有提前背诵所有工具的文档框架会在运行时把工具的定义Schema注入到提示词或 API 参数中。Tools工具——在 OpenAI 或 Anthropic 的 API 中工具定义通常作为独立的tools参数传入并不会直接写在 System Prompt 文本里。但从模型的视角看它们会被渲染成类似这样的结构## Available ToolsYou have access to the following functions. Use them when necessary:-function: get_weatherdescription: Get current weatherparameters: { location: string }-function: execute_sql_querydescription: Run a read-only SQL queryparameters: { query: string }Skills技能——Skills 是比 Tools 更高一层的抽象一个 Skill 可能包含多个 Tool 的调用序列。比如数据分析这个 Skill实际上是加载数据 → 清洗数据 → 可视化这一串动作的组合。在提示词中它们通常以能力描述的形式出现skills 注入示例## Your SkillsYou are equipped with theDataAnalysisskill.When asked to analyze data, break it down into:1.Load Data2.Clean Data3.VisualizeMCPModel Context Protocol——这是 Anthropic 推出的一种标准协议用于连接 AI 和外部数据源。它通过 Client-Host-Server 架构工作在 Prompt 组装时显得更为标准化。MCP 主要提供三类东西Resources资源MCP Server 暴露的数据比如文件、数据库表。框架会把当前可用的资源 URI 列表注入 Prompt类似这样## Connected MCP Resources: - postgres://db/usersPrompts预设提示词MCP 允许 Server 提供预设的 Prompt 模板Agent 可以直接挂载这些远程定义的提示词片段ToolsMCP 工具MCP Server 提供的工具会自动转换为标准的 JSON Schema 格式合并到上面的 Tools 列表中第三层上下文层这一层随着对话实时变化包括最近几轮的对话历史短期记忆、根据用户问题检索到的知识片段RAG 结果以及当前的工作区状态——比如在 Cursor 或 Windsurf 这类 IDE Agent 中当前打开的文件、选中的代码块都会被注入进来。二、一个具体的例子说了这么多我们来看一个实际场景用户问请帮我分析一下 users 表的结构Agent 后台是怎么组装 Prompt 的首先是检索阶段框架发现用户提到了users表于是通过 MCP 协议向 Database Server 查询这张表的元信息。然后是构建阶段框架把各个模块拼起来——Header 写上You are a Database Admin Agent…Tools Block 注入execute_sql、list_tables等工具的 JSON SchemaMCP Context 注入资源描述Memory 注入之前的对话历史最后附上用户的原始问题。最后是发送阶段把这一大段拼接好的文本或 Token 序列发给 LLM等待回复。三、代码层面长什么样如果你好奇代码里是怎么实现的下面是一个简化的 Python 示例LangChain 风格defassemble_prompt(user_query, mcp_client):# 1. 静态部分system_messageYou are a helpful AI assistant.# 2. 动态获取 MCP 工具和资源mcp_toolsmcp_client.list_tools()mcp_resourcesmcp_client.read_resource(db://schema)# 3. 格式化工具描述tools_schemaformat_tools_to_openai_schema(mcp_tools)# 4. 组装最终 Payloadpayload {model: gpt-4-turbo,messages: [ {role: system, content: f{system_message}\n\nContext:\n{mcp_resources}}, {role: user, content: user_query} ],tools: tools_schema }returnpayload可以看到整个过程就是拿静态模板 → 动态查工具和资源 → 拼成一个大 JSON → 发出去。写在最后总结一下现代 Agent 的系统提示词已经从手写一段话变成了运行时编译。Tools 变成了 API 参数里的 JSON SchemaSkills 变成了 System Prompt 中的流程指导或预制工作流而 MCP 则充当了驱动程序——让 Agent 能够标准化地把外部数据和能力动态挂载到上下文中不再需要硬编码。如果你正在开发自己的 Agent有一个建议不要试图把所有 Skills 塞进一个 Prompt。更好的做法是根据用户意图通过 Router 识别动态加载相关的 Skills 和 Tools这样既能节省 Token也能提高回答的精准度。这就是所谓的动态上下文注入Dynamic Context Injection。最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念通过动态追踪大模型开发、数据标注伦理等前沿技术趋势构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**