核心定位：统筹全局、决策方向、整合成果，不做具体执行，只负责“定战略、分任务、汇结论”。

对应产业研究场景：接到“研判新能源产业未来3年发展趋势”的需求后，主智能体不会直接去查数据、写报告，而是先拆解任务——比如拆解为“政策梳理”“市场数据采集”“技术瓶颈分析”“趋势预测”4个子任务，再决定每个子任务交给哪个“专人”（子智能体），最后汇总所有子任务结果，形成完整的研判报告，对接智库专家做最终校验。

类比：就像智库项目牵头人，只负责把控研究方向、分配研究任务，最后整合所有研究员的成果，形成可落地的决策建议，不亲自做数据录入、文献检索等基础工作。

核心定位：承接主智能体的子任务，专注单一领域，高效完成具体工作，完成后向主智能体反馈结果，不参与整体决策。

对应产业研究场景：主智能体拆解的4个子任务，分别交给4个子智能体：① 政策子智能体（专注梳理新能源相关国家政策、地方补贴）；

② 市场子智能体（专注采集光伏、风电的市场规模、渗透率数据）；

③ 技术子智能体（专注分析新能源核心技术瓶颈与突破方向）；

④ 预测子智能体（专注基于历史数据，预测未来产业趋势）。每个子智能体只做自己擅长的领域，不跨界、不越权。

核心特征：细化边界、提升精准度、可操作性强。确保执行方（厨师/AI）清晰把握核心需求

核心定位：子智能体完成任务的“具体工具”，是封装好的专业能力模块，没有Skill，子智能体就像“空有想法却没工具的研究员”，无法落地执行。

对应产业研究场景：每个子智能体，都需要搭配专属Skill才能工作：

① 政策子智能体搭配“政策检索Skill”“政策解读Skill”（能快速抓取政策原文、提炼核心要点）

② 市场子智能体搭配“数据爬取Skill”“数据清洗Skill”（能从公开平台抓取市场数据、剔除无效信息）

③ 技术子智能体搭配“文献检索Skill”“技术分析Skill”（能快速筛选核心技术文献、拆解技术原理）

④ 预测子智能体搭配“趋势建模Skill”“数据可视化Skill”（能构建预测模型、生成趋势图表）。

本质：Skill是“嵌入式的专业能力”，比如“数据清洗Skill”就封装了数据处理的最佳实践，子智能体调用它，就能快速完成数据整理，不用再重新学习数据处理逻辑，这也是AI提升智库研究效率的核心——把重复的专业操作，打包成可复用的Skill，减少人工成本。

核心定位：打通主智能体、子智能体、Skill之间的“沟通壁垒”，相当于统一的“接口和调度中枢”，让三者能高效协同，避免“各自为战”。

对应产业研究场景：没有MCP，会出现三个问题：

① 主智能体的任务无法精准下发给子智能体；

② 子智能体不知道该调用哪个Skill，或者调用时出现“接口不兼容”；

③ 子智能体的执行结果无法顺利反馈给主智能体。而MCP的作用，就是建立一套“标准化规则”：主智能体通过MCP下发任务，子智能体通过MCP调用对应的Skill，执行完成后，再通过MCP把结果反馈给主智能体，全程顺畅无阻碍。

类比：就像智库团队的“沟通规范”——牵头人（主智能体）通过规范的指令，把任务交给研究员（子智能体），研究员通过规范的流程，使用研究工具（Skill），最后通过规范的格式，把成果交给牵头人，MCP就是这套“沟通规范”，确保整个研究过程高效、有序。