技能（Skills）扩展与 MCP 集成
Skills 与 Plugins：代理的手和脚的差异
在前面的文章设置好大脑和身份后，此时的 Agent 还只是个除了聊天什么干不了的空壳。我们需要为其装备与世界交互的“工具”。在 OpenClaw 体系里有两类基础模块概念：
- Skills（技能）：相当于给手机安装 APP 应用。它是为模型暴露的功能模块（比如收发特定邮件、控制某个网页填写表格、读取系统的 CPU 占用等），重点是让 AI 执行某项业务动作。
- Plugins（插件）：相当于手机硬件扩容。它属于对 OpenClaw 底层网关本身能力的增强（比如增加支持 Telegram 对话的收容能力、新增性能监控面板等）。
我们的核心放在：怎么装备并自定义业务层的 Skills。
安装现有海量技能：ClawHub 与 MCP
在自己动手写代码之前，先去社区寻找现成的轮子。
1. 从官方生态 ClawHub 安装
类似 Apple 的 App Store，OpenClaw 提供了统一的包管理器来方便共享技能配置。 如果你需要特定的技能，你可以运用命令行来搜索并按需获取：
# 安装 ClawHub 客户端
npm i -g clawhub
# 搜索社区技能
clawhub search "Weather"
# 获取并将其存放于工作区中
防坑机制：由于技能加载采用优先级概念，工作区 Skills （您项目夹下） > 全局系统级 Skills > 底层内置原生 Skills。
2. 当作“插排”去接入：完美支持 MCP 原则
如果你不想用 ClawHub 找东西，OpenClaw 由于高度拥抱了 Model Context Protocol (MCP) 标准，它能够直接“秒接入”整个广域 AI 社区的大量基础工具（比如 Fast.io 扩展、Composio、甚至是 Github 官方的 MCP 服务器）。
接入方式：
如果要在系统中注册第三方的 MCP 服务器，我们利用它的专用 Plugin mcp 来登记终端地址。只需将特定的执行命令写到网关配置文件里的 plugins.entries.mcp.config 中，此后，所有的底层节点将如魔法般自动识别：
“帮我创建一个 Fast.io 项目”——请求将自动路由给该 MCP 服务商。
自定义技能开发教程：把复杂的事情简单化
如果全网都没有满足你独家业务的方法，你需要开发专有的私域 Skill。开发过程异常简单。
我们以编写一个【让 AI 根据系统剩余空间情况回答】的假想技能为例。
1. 结构骨架
建立你的工作区 skills/ 目录中，并设定一个子目录名字作为该领域的唯一 ID。它包含了：
- SKILL.md：这是最重要的宪法说明，用来对大模型说话的指导方针。
- manifest.json：向系统暴露参数和安全信息。
- 脚本文件：真正要跑的 Node.js/Python 逻辑（可选）。
2. 深入理解「驱动引擎」SKILL.md
如果传统开发是写接口 Swagger，开发 Skill 就是在用自然语言向模型提供一份详尽“岗位职责描述”。在 SKILL.md 中，你需要回答大模型下面三个关键疑问：
- When (触发时机)：在用户下达什么类型命令时选用本组技能。
- What (所需数据/输入输出)：为了成功执行该工作，您强制作要求模型组织哪些特定参数发送出去。
- How (执行步骤)：如果其中有依赖关联的先序条件。
简单的示例片段：
# Server Monitor 技能职责
**触发条件**：当用户查询 "系统状态" 或 "排查卡顿" 时候调用。
**必须的工具入参格式**：无需参数，直接执行探针模块获取数据。
**重要限制**：无论数据反馈如何，务必以友好的百分比图谱在文本界面上渲染出来。
3. 数据契约与标准化响应
为了保证系统的稳定性以及在跨多 Agent 任务派发中不出大错，不论底层挂靠什么语言写的动作脚本（如 index.js），务必抛出固定的 JSON 结构体：
{
"success": true, // 让调度器知道下一步走阳关道还是独木桥
"message": "执行详情摘要",
"data": { ... } // 核心的数据投递反馈给模型
}
调试建议
由于这赋予了模型极高的自治权去运行你编写的代码，一定要遵循 SRP（单一责任原则），一个技能不该做两种截然不同的事情包包。
先在终端里执行（比如 node ./skills/monitor/test.js）确保脚本没有致命异常，再跑进 openclaw gateway restart 来把该能力赋予给智能体体系。