Agent Skills

Agent Skills son paquetes reutilizables de instrucciones, metadatos, materiales de referencia y scripts opcionales que proporcionan a un agente de IA experiencia especializada para una tarea concreta. En lugar de colocar cada procedimiento en un largo mensaje de sistema, los desarrolladores pueden empaquetar una capacidad específica —como inspeccionar productos, analizar hojas de cálculo o seguir la lista de comprobación de despliegue de una organización— y permitir que el agente la cargue solo cuando sea relevante.

Las habilidades ayudan a un AI agent de propósito general a comportarse más como un especialista en la materia, manteniendo el conocimiento modular, fácil de mantener y portable. Las "Claude Skills" son una implementación de producto de esta idea más amplia; el término Agent Skills también puede referirse al formato interoperable descrito en la open Agent Skills overview.

Cómo funcionan las Agent Skills#

Bajo la Agent Skills specification, una habilidad suele ser un directorio que contiene un archivo obligatorio SKILL.md. Este archivo comienza con metadatos YAML, incluyendo un nombre y una descripción que explican qué hace la habilidad y cuándo debe activarla el agente. Su cuerpo en Markdown proporciona procedimientos, ejemplos, restricciones y orientación para casos límite. Los directorios opcionales pueden contener scripts ejecutables, documentos de referencia, esquemas o plantillas.

Las habilidades utilizan revelación progresiva (progressive disclosure), lo que significa que la información entra en la context window del agente por fases:

1. El agente ve inicialmente nombres cortos y descripciones de las habilidades disponibles.
2. Cuando una solicitud coincide con una descripción, carga el SKILL.md relevante.
3. Lee los recursos de apoyo o ejecuta los scripts incluidos solo cuando es necesario.

Esto reduce el uso innecesario de tokens y permite que un agente acceda a muchas capacidades especializadas sin cargar cada instrucción al iniciarse. La Claude Agent Skills documentation y la Microsoft Agent Skills documentation ofrecen ejemplos de este patrón de carga en plataformas de agentes.

Agent Skills frente a conceptos relacionados#

Las Agent Skills organizan conocimientos y procedimientos, pero no reemplazan al agente, a sus herramientas ni al sistema que coordina sus acciones.

• Tools and function calling: Una herramienta realiza una operación individual, como consultar una API o ejecutar una inferencia. Una habilidad explica cuándo y cómo usar una o varias herramientas juntas, incluyendo reglas de validación y contexto de dominio.

• Agentic workflows: Una habilidad permite al agente interpretar instrucciones de forma adaptativa. Un flujo de trabajo define una ruta de ejecución más explícita, por lo que es preferible para procesos de larga duración, puntos de control, aprobaciones y acciones que deben ocurrir en un orden fijo.

• Model Context Protocol: MCP estandariza cómo los agentes descubren e invoca recursos y herramientas externos. La MCP tools specification oficial define las interfaces de las herramientas, mientras que una habilidad empaqueta experiencia procedimental que puede indicar a un agente que utilice dichas interfaces.

Un mensaje (prompt) suele escribirse para una sola conversación. Una habilidad está diseñada para ser reutilizada, versionada, probada y compartida entre entornos compatibles.

Aplicaciones en visión por computador#

Las Agent Skills son especialmente útiles cuando la percepción visual debe combinarse con reglas de negocio y acciones de seguimiento.

Inspección de fabricación: Una habilidad de control de calidad puede indicar a un agente que capture una imagen, ejecute object detection, compare las detecciones con los criterios de aceptación, guarde pruebas y solicite revisión humana cuando la confianza sea baja. El modelo de visión aporta las observaciones, mientras que la habilidad proporciona el procedimiento de inspección específico de la fábrica. Esto permite crear defect detection workflows repetibles sin necesidad de integrar cada directriz en el mensaje base del agente.

Auditoría de inventario minorista: Una habilidad de auditoría de estanterías puede guiar a un agente para procesar imágenes de tiendas, contar productos específicos, comparar los resultados con los registros de inventario y preparar una recomendación de reposición. Los equipos pueden usar Ultralytics Platform para anotar datos de estanterías, entrenar un modelo personalizado, desplegarlo y supervisar la herramienta visual a la que llama la habilidad.

En ambos casos, las habilidades conectan la percepción con el conocimiento operativo. Por sí mismas no mejoran la precisión visual del modelo subyacente; hacen que sus resultados sean más fáciles de aplicar de forma coherente.

Ejemplo de script de visión para una habilidad#

Una habilidad puede empaquetar un script determinista para inspección visual. El siguiente flujo de trabajo documentado de Ultralytics YOLO prediction workflow podría almacenarse en el directorio scripts/ de una habilidad:

from pathlib import Path

from ultralytics import YOLO

image_url = "https://ultralytics.com/images/bus.jpg"
output_path = Path("inspection_result.jpg")

# Run the skill's visual perception step
model = YOLO("yolo26n.pt")
results = model(image_url)

result = results[0]
result.save(filename=str(output_path))

print(output_path)

Aquí, YOLO26 proporciona la capacidad visual, mientras que SKILL.md explicaría cuándo ejecutar el script, cómo interpretar su salida y qué acción debe seguir.

Consideraciones de diseño y seguridad#

Las habilidades eficaces deben tener responsabilidades acotadas, descripciones claras de activación, instrucciones concisas, ejemplos realistas y dependencias documentadas. Las skill authoring best practices oficiales recomiendan adaptar el nivel de detalle de las instrucciones al riesgo de la tarea: la orientación flexible puede ser adecuada para análisis abiertos, mientras que las operaciones delicadas requieren scripts exactos y restricciones más estrictas.

Las habilidades de terceros deben tratarse como software instalado. Revisa cada instrucción, script, dependencia, llamada de red y operación de archivo antes de conceder acceso. Aplica aislamiento (sandboxing), permisos de privilegios mínimos, límites de recursos, registro de eventos y aprobación humana para acciones trascendentales. Estos controles ayudan a mitigar los riesgos descritos en la OWASP prompt injection guidance y en la OWASP excessive agency guidance. Los equipos también pueden utilizar el NIST AI Risk Management Framework Playbook para integrar la evaluación, monitorización y gobernanza de habilidades en la gestión general de riesgos de IA.