Claude Code进阶教程：Subagent并行处理、MCP工具集成与Skills自动化

Claude Code 作为当下最强大的 AI 编程终端工具之一，基础用法已经能满足大部分日常需求。但如果你想真正释放它的潜力，Subagent、MCP 和 Skills 这三大进阶功能是必须掌握的。本文将逐一拆解这三个功能的原理、配置方法和实战技巧，帮助你从 Claude Code 入门用户进阶为高效玩家。

Subagent：让 Claude 开分身并行处理任务

什么场景下需要 Subagent？

想象一个真实场景：你正在做一个产品，需要同时调研三个方向——竞品分析、技术选型和用户画像。如果在一个对话里让 Claude 挨个去做，会遇到两个致命问题：

速度极慢：三个任务串行执行，时间成本成倍增加
上下文爆炸：读完第三个方向的内容时，前面的信息可能已经被压缩甚至丢失

Subagent 的本质就是让 Claude "开分身"——三个方向并行处理，互不干扰。

这一设计理念源自多Agent系统（Multi-Agent System, MAS）的经典架构思想。在大语言模型领域，每次推理调用都受限于上下文窗口（Context Window）的长度限制。Claude 的上下文窗口虽然已经扩展到 200K token，但在处理多维度复杂任务时，信息密度过高仍会导致模型注意力分散、关键信息被遗忘或压缩。Subagent 通过将任务分解为多个独立的推理实例，每个实例拥有自己的上下文空间，从根本上解决了这一瓶颈。这种模式类似于操作系统中的 fork-join 并行模型：主进程负责任务分发和结果汇总，子进程各自独立执行。

如何使用 Subagent？

使用方式非常直觉，直接用自然语言告诉 Claude 即可。例如，你可以输入这样的 Prompt：

帮我同时开三个 Subagent 并执行以下任务：

分身A：分析当前项目的目录结构

分身B：比较几个技术方案的优劣

分身C：总结项目的通用功能模块

执行后，终端会显示一个 Main（主上下文）以及多个子任务分身。三个分身并行工作，完成后将结果汇总回主上下文。

Subagent并行执行示意

Subagent 使用的三个注意事项

第一，每个子 Agent 拥有独立上下文。 它看不到主对话的历史，子 Agent 之间也互不通信。因此在分配任务时，必须把背景信息和输出格式要求写清楚，不能依赖"它应该知道"。

第二，所有 Subagent 并行执行。 它们同时调研，不用排队，速度比串行快数倍。

第三，可以在 CLAUDE.md 中主动提醒 Claude 开分身。 有时 Claude 会自己识别复杂任务并主动开 Subagent，但并非每次都会。在项目的 CLAUDE.md 配置文件中加入类似"遇到复杂任务时主动开分身"的指令，可以让这个行为更稳定可靠。

这里值得展开说一下 CLAUDE.md 的作用机制。CLAUDE.md 是 Claude Code 的项目级配置文件，本质上是一个 Markdown 格式的系统提示词（System Prompt），会在每次对话开始时自动加载到 Claude 的上下文中。它的作用类似于传统开发中的 .editorconfig 或 .eslintrc，但面向的是 AI 行为的规范化。CLAUDE.md 支持多层级配置：项目根目录的 CLAUDE.md 作用于整个项目，子目录中的 CLAUDE.md 可以覆盖或补充上级配置。此外，用户还可以在 home 目录下放置全局的 CLAUDE.md，对所有项目生效。通过在 CLAUDE.md 中写入编码规范、架构约定、常用命令等信息，开发者可以显著减少每次对话中的重复说明，让 Claude 从一开始就"了解"项目的上下文和约束条件。

Subagent执行结果汇总

MCP协议：为 Claude Code 接入外部工具

MCP 到底是什么？

MCP（Model Context Protocol，模型上下文协议）可以理解为给 Claude Code 接入各种外部工具的标准协议。通过 MCP，Claude Code 不再局限于代码编辑和终端操作，而是可以触达浏览器、数据库、第三方平台等更广阔的能力边界。

从技术角度来看，MCP 是 Anthropic 于 2024 年底正式开源的标准化协议，旨在解决大语言模型与外部工具之间的互操作性问题。在 MCP 出现之前，不同的 AI 工具接入方式各自为政——有的用 Function Calling，有的用自定义 API 封装，缺乏统一标准。MCP 采用了客户端-服务器架构：Claude Code 作为 MCP 客户端发起请求，各个工具（如 Playwright、GitHub CLI）作为 MCP 服务器提供能力。协议基于 JSON-RPC 2.0 通信，支持工具发现、参数传递和结果返回的标准化流程。这种设计使得任何开发者都可以按照 MCP 规范编写自己的工具服务器，从而让 Claude Code 的能力可以无限扩展。目前 MCP 生态已经涵盖数百个社区贡献的工具，覆盖了从文件系统操作到云服务管理的广泛场景。

常用的 MCP 工具包括：

工具	能力
Playwright	操控浏览器、截图、填写表单、执行浏览器自动化操作
GitHub	操作 PR、Issue 等 GitHub 工作流
Notion	读写 Notion 页面和数据库，自动写入文章或提取笔记
PostgreSQL	查询和操作数据库

其中 Playwright 是最常用的 MCP 工具之一，它让 Claude Code 拥有了"眼睛"和"手"，可以直接在浏览器中执行操作。

实战演示：用 Playwright MCP 截取网页

安装 MCP 工具非常简单，只需要告诉 Claude：

帮我安装 Playwright 的 MCP 工具

安装完成后就可以直接使用。例如：

用 Playwright 帮我打开 YC Combinator 的 Hacker News 网站，截图并保存到桌面

Claude 会自动启动浏览器、打开目标网页、截取屏幕截图并保存到指定位置。不仅如此，它还会读取当前页面的内容，方便后续分析。

这里补充一下 Playwright 的技术背景。Playwright 是由微软开发并开源的浏览器自动化框架，支持 Chromium、Firefox 和 WebKit 三大浏览器引擎。与早期的 Selenium 相比，Playwright 具有更快的执行速度、更稳定的等待机制和更强大的网络拦截能力。在 MCP 生态中，Playwright MCP 服务器会在本地启动一个无头浏览器（Headless Browser）实例，Claude Code 通过 MCP 协议向其发送指令（如导航到指定 URL、点击元素、截取屏幕），Playwright 执行后将结果（如截图的 base64 编码、页面 DOM 内容）返回给 Claude。这种架构意味着 Claude 不仅能"看到"网页的视觉呈现，还能获取页面的结构化数据，为后续的内容分析和决策提供双重信息源。

MCP 的使用模式可以总结为两步：

先让 Claude 帮你安装对应的 MCP 工具
然后直接用自然语言告诉它用这个工具做什么

这种模式极大地扩展了 Claude Code 的能力边界，让它从一个代码助手变成了一个全能型的自动化 Agent。

Skills：把重复工作流打包成一键命令

为什么 Skills 是最值得投入的功能？

不知道你有没有遇到这样的情况：每次让 Claude 帮你做某件事，都得把详细要求重新描述一遍。比如发公众号文章，每次都要说：

把这个 Markdown 转成公众号格式的 HTML，用简洁的风格，H2 居中，不要用某某标签……

这些重复性的提示词不仅浪费时间，还容易遗漏细节。Skills 就是把这些重复性的工作流打包成一个命令——写一次，用无数次。

Skills 的设计本质上是对 Prompt Engineering（提示词工程）最佳实践的产品化封装。在提示词工程领域，研究者早已发现：结构化的、包含明确步骤和约束条件的提示词，比模糊的自然语言指令能获得更稳定、更高质量的输出。Skills 将这一洞察固化为可复用的文件格式——每个 Skill 文件实际上就是一份经过精心设计的结构化提示词模板，包含了任务定义、执行步骤、输出格式和边界约束。这种做法与软件工程中的"基础设施即代码"（Infrastructure as Code）理念异曲同工：将隐性的操作知识显性化、版本化、可共享化。团队成员可以通过 Git 共享 Skills 文件，确保每个人使用 Claude Code 时都遵循相同的工作流标准。

如何查看和触发 Skills？

在 Claude Code 终端中输入斜杠 /，就能看到所有已安装的 Skills 列表。

Skills列表展示

触发 Skills 有两种方式：

关键词触发：直接在对话中提到触发词，比如说"发公众号"或"publish wechat article"，Claude 会自动识别并执行对应的 Skill
命令触发：输入 / 后选择对应的 Skill，回车即可执行

如何创建自定义 Skills？

创建 Skills 同样可以借助 Claude 本身来完成。关键是你自己要先把工作流想清楚，然后让 Claude 帮你整理成标准格式。例如：

我想写一个 Skill，流程是把 HTML 文章发到微信公众号。Skill 名称叫 publish-wechat-article，你帮我梳理一下流程和整体步骤。

Claude 会自动帮你生成一个完整的 Skill 配置文件。

Skills配置文件内容

Skill 的本质是一个 Markdown 文档，包含以下核心要素：

名称：Skill 的唯一标识
触发词：可以设置多个，比如"发公众号"、"publish wechat"等，甚至可以用自定义符号如 A1、A2
工作流步骤：完整的执行流程描述
注意事项：代码规范、发布方式等细节约束

高频使用场景的 Skills 推荐

以下是一些实用的 Skills 思路，可以根据自己的需求定制：

publish-article：一站式发布文章到公众号或各种内容平台
generate-cover：根据文章内容自动分析并生成封面图
insert-ai-images：在文章中自动插入 AI 生成的配图
xiaohongshu-style：生成小红书风格的图片内容
terminal-recording：操作终端录制和截屏

这些 Skills 的核心价值在于：把你的专业经验和工作流程固化下来，让 AI 每次都能以最佳方式执行，而不是靠你每次手动描述。

总结：Subagent、MCP 与 Skills 的协同价值

回顾这三个进阶功能，它们各自解决了不同层面的效率问题：

Subagent 解决的是并行处理的问题——让复杂任务不再串行等待，同时保护主上下文不被撑爆
MCP 解决的是能力边界的问题——让 Claude Code 从代码编辑器扩展为可以操作浏览器、数据库、第三方平台的全能 Agent
Skills 解决的是复用效率的问题——把重复性工作流打包成一键命令，写一次用无数次

三者结合使用时效果更加强大。比如你可以创建一个 Skill，在其中调用 MCP 工具完成浏览器操作，同时用 Subagent 并行处理多个子任务。这种组合拳才是 Claude Code 进阶用法的真正精髓。

从更宏观的视角来看，这三个功能的组合实际上构建了一个完整的 AI Agent 工作流框架：Skills 定义了"做什么"和"怎么做"，MCP 提供了"用什么工具做"，Subagent 决定了"如何高效地做"。这与当前 AI Agent 领域的发展趋势高度一致——业界正在从单一的对话式 AI 向具备规划、工具使用和并行执行能力的自主 Agent 演进。掌握这三个功能，本质上是在学习如何设计和编排 AI Agent 的工作流，这项能力的价值将远超 Claude Code 这一个工具本身。

掌握这三个功能后，Claude Code 就不再只是一个"帮你写代码的助手"，而是一个可以自动化处理复杂工作流的智能 Agent 平台。