这些工具解决的问题不在同一层。选择时先看任务，再看工具，不要因为“别人都在用”就全部安装。

一张选择表

Codex 和 Claude Code

两者都可以参与项目协作，差异主要在产品生态、登录方式、终端体验和当前版本支持的能力。第一次选择时问自己：

• 我已经登录并能正常使用哪一个？
• 我的项目规则文件和团队习惯偏向哪一个？
• 我需要桌面应用、编辑器体验还是终端工作流？
• 任务是否需要特殊模型或 API 渠道？

不要用一次回答质量就判断长期工具。更重要的是目录边界、diff 检查、验证命令和团队可维护性。

什么时候需要 MCP

只有当 AI 需要访问当前对话之外的工具或数据时，才考虑 MCP。例如读取一个受控资料目录、总结 GitHub Issue 或查询只读数据库。

如果把文件直接拖进对话就能完成任务，不需要为了“看起来高级”再配置 MCP。MCP 增加了权限和维护成本。

什么时候需要 Skills

当你已经连续多次执行同一套流程，并且步骤、输入和输出都比较稳定时，再把它写成 Skill。先手动跑通，再固化；否则只是把还没想清楚的流程藏进一个文件。

最小组合

对完全新手，推荐的最小组合是：

1. 一个能正常登录或调用的 AI 客户端；
2. 一个可删除的练习项目；
3. 一份 AGENTS.md 或项目规则；
4. 一套查看 diff 和运行验证的习惯。

MCP 和 Skills 都可以等你遇到明确需求后再添加。

选择前的五个问题

• 这件事没有工具扩展能否完成？
• 需要读什么数据，是否包含私人信息？
• 工具是否会写入、删除或执行命令？
• 出错后能否撤销？
• 团队中的其他人能否理解和维护这套配置？

下一步

如果你还没完成基础路线，回到AI 编程工具手册总入口。如果已经有明确需求，再进入MCP 入门或Skills 入门。