基于 SKILL+MCP 的旅游攻略 Agent 的一种思路

此前，我曾在《[教程] 如何使用 AI 智能规划你的专属行程？》一文中分享过基于 MCP 智能生成旅游攻略的方案。当时的解决方案主要依赖 “厚重” 的提示词（Prompt）来驱动 Agent。这种方式虽然可行，但存在一个显著弊端：大量的 Context（上下文）窗口被提示词本身占用，导致实际处理任务的上下文空间被浪费，且 Token 消耗巨大。
为了解决上述问题，在深入研究了 SKILL 机制后，我调整了技术思路，采用了 SKILL + MCP 的组合架构。通过将复杂的指令逻辑封装为 SKILL，减轻了 Prompt 的负担，从而释放了更多的上下文空间给实际业务数据。
经过测试，在新架构下生成一篇简单的旅游攻略，Token 消耗成功控制在了 169.7k 左右，相比纯 Prompt 驱动方案有了显著优化。
目前该方案的 SKILL 实现已上传至 GitHub，欢迎参考： SKILL 地址: QianJue-CN/TravePlanHelper
当然，目前的 SKILL 实现尚不完善，对于上下文的精细控制和 Token 消耗的极致优化也仅仅是一个开始。本文旨在抛砖引玉，分享一次技术探索的尝试，希望能得到各位佬友的指正与认可。
杭州 - 千岛湖周末情侣游攻略.pdf