MCP — популярный протокол. Но работает не очень хорошо. Самый важный и моментально заметный минус MCP — он может вернуть сколько угодно контента, который по умолчанию попадёт в контекстное окно LLM.
Один только список инструментов и их описание, возвращаемое MCP, может занимать несколько тысяч токенов.
А значит вы быстро столкнётесь либо с его переполнением контекстного окна, либо просто с деградацией перфоманса LLM (context rot).
К примеру, я запускаю всего один поиск по своему Обсидиану через MCP, MCP ищет не самым эффективным способом, вываливает в ответ полный контент десятка транскриптов, и всё, контекстное окно заполнено, десктопный Клод предлагает заводить новый чат.
Agent Skills предоставляет важное расширение и дополнение MCP.
Каждый Skill — это набор инструкций, готового кода и артефактов (например, шаблонов, графики).
Собрал и опубликовал свой первый навык для Claude Code — Deep Research через API OpenAI.
https://github.com/glebis/claude-skills/tree/main/deep-research
Этот навык делает запрос к модели
o4-mini-deep-research. Нужен ключ и, увы, OpenAI требует верификацию организации — то есть нужно показать им документ, чтобы пользоваться этой моделью через АПИ.Чтобы навык заработал с декстопным Клодом, нужно в настройках Capabilities добавить домен
api.openai.comПример использования навыка на картинке:
запустил навык deep research, в качестве входных данных дал со своими фокусами из Obsidian, на выходе получил markdown файл с рекомендациями.
В одной команде можно использовать сразу несколько навыков, результаты одного навыка можно передать другому — например, сконвертировать в пдф, или превратить в презентацию, или опубликовать в вебе, или закинуть в Notion.