模型并不像人类那样精确读取单词。它将文本拆分成更小的片段，称为token，然后对这些片段进行预测和推理。token可以是完整单词、单词部分、标点符号或短片段，具体取决于分词器。

这一层很重要，因为token影响成本、上下文长度、速度和输出质量。长文档、混乱的提示或不必要的重复上下文会快速消耗token。简单来说，token是构建每个AI输出的砖块。

提示告诉AI用户想要什么。它定义任务、方向、语气、约束、输出格式和成功标准。薄弱的提示会让强大的模型产生通用结果，而清晰的提示能让同一模型变成更有用的助手。

提示就像蓝图。它本身不建造房子，但指导建设。在业务工作流中，提示质量很重要，因为它决定AI是给出模糊答案、实用计划、结构化JSON对象、法律风格摘要还是生产就绪的交付物。

上下文为AI提供可靠回答所需的信息。这可以包括之前的对话、上传的文件、业务规则、客户数据、项目历史、示例、数据库记录、工具输出或品牌指南。

没有上下文，即使是强大的模型也可能产生通用或错误的答案。上下文是基础。它告诉AI它所处的环境、重要的事实、已发生的事情以及必须遵守的约束。

代理不仅仅是聊天机器人响应。它能理解目标，将其拆分为步骤，选择工具，检查结果，纠正错误并持续工作直到任务完成。这是一层AI从回答问题转向执行工作的关键。

代理就像能行动的工人。在实际产品中，这可能是修复漏洞的编码代理、收集证据的研究代理、解决工单的支持代理或检查发票记录的财务代理。代理的质量取决于规划能力、工具访问、反馈循环和安全防护。

管理器组织整个AI工作流。它控制提示、代理、工具、记忆、文件、验证、重试、人工审核和输出格式如何协同工作。没有管理器，多步骤AI系统可能变得混乱且不可预测。

管理器就像项目经理。它决定先做什么，后做什么，必须检查什么，何时调用其他代理，何时停止，何时请求人工批准。这一层对生产环境的AI应用至关重要，因为它将模型智能转化为可重复的工作流。

MCP将AI系统连接到外部工具和资源，如数据库、文件、浏览器、API、电子邮件、日历、代码仓库和业务软件。它帮助代理超越聊天窗口，与真实系统交互。

这一层很重要，因为有用的AI需要访问实时上下文和操作工具。无法访问数据或执行受控操作的AI代理仍然受限。MCP就像外部接口或连接器，让AI系统通过受控工具访问读取、检索、操作和更新资源。

技能是AI系统可以跨不同任务调用的可复用能力、工作流或经验模块。技能可能包含指令、代码、模板、示例、验证规则、领域知识或可重复的流程。

技能就像经验或操作手册。它们随着时间增强系统，因为AI不需要每次都从零开始构建相同的工作流。在生产AI系统中，技能可以将一次性提示转变为可扩展的能力。