Agent Skills

Le competenze degli agenti sono cartelle contenenti istruzioni, script e file di riferimento che forniscono a un agente di IA competenze specifiche per un determinato tipo di attività, impacchettate in modo che l'agente le carichi solo quando servono. Ogni competenza ruota attorno a un file SKILL.md, la cui breve descrizione indica all'agente quando usarlo e il cui corpo spiega come. Anthropic ha introdotto le competenze degli agenti per Claude nell'ottobre 2025 e ha pubblicato il formato come standard aperto su agentskills.io nel dicembre 2025. Claude Code, OpenAI Codex, Gemini CLI, Cursor, GitHub Copilot, VS Code e decine di altri agenti ora leggono le stesse cartelle, quindi una competenza funziona con tutti.

Come funzionano gli Agent Skills#

Una skill è una directory con il nome della skill, che contiene il file obbligatorio SKILL.md e le cartelle facoltative scripts/, references/ e assets/. Il file SKILL.md inizia con un'intestazione in YAML che contiene due campi obbligatori: un name composto da non più di 64 lettere minuscole, cifre e trattini, corrispondente al nome della directory, e un description di massimo 1.024 caratteri, che specifica cosa fa la skill e quando usarla. Il corpo Markdown che segue contiene la procedura, gli esempi e i casi limite.

Gli agenti caricano le competenze tramite una divulgazione progressiva, che rende conveniente mantenere ampie librerie di competenze. All'avvio, l'agente legge solo il nome e la descrizione di ogni competenza, circa 100 token per competenza. Quando una richiesta corrisponde a una descrizione, l'agente carica l'intero SKILL.md nella propria finestra di contesto; la specifica consiglia di mantenere il corpo sotto le 500 righe e i 5.000 token. Gli script e i file di riferimento vengono caricati solo quando le istruzioni li indicano; inoltre, il codice di uno script non entra affatto nel contesto se l'agente si limita a eseguirlo e a leggerne l'output.

Anatomia di SKILL.md#

Un team del commercio al dettaglio potrebbe fornire al proprio agente questa competenza per le foto degli scaffali. La descrizione contiene le parole chiave che attivano la corrispondenza dell'agente, mentre il corpo rimanda a uno script e a una tabella di riferimento, caricati solo quando servono:

---
name: shelf-audit
description: Counts products and finds empty facings in retail shelf photos. Use when the user asks about stock levels, gaps, or planogram compliance in store images.
---

# Shelf audit

1. Run `python scripts/detect_products.py <image>` on each photo. It prints one JSON line per product with its class, confidence, and box.
2. Compare the counts with the expected facings in `references/planogram.csv`.
3. Report each empty facing with its shelf position.
4. Send detections below 0.5 confidence to a person for review instead of counting them.

L'agente vede soltanto le due righe di front matter finché qualcuno non fa una domanda sugli scaffali; apre il file della planogramma solo al passaggio 2.

Agent Skills e concetti correlati#

• Strumenti e chiamata di funzioni: Uno strumento è un'operazione che l'agente può invocare, come una query al database o un modello di rilevamento di oggetti. Una competenza insegna all'agente quando e come combinare gli strumenti per un'attività, fornendo le regole di convalida e il contesto del dominio che mancano agli strumenti.
• Model Context Protocol (MCP): Collega un agente a sistemi esterni in tempo reale tramite server. Le competenze forniscono conoscenze procedurali, quindi gli agenti usano spesso entrambi: una competenza può indicare all'agente quali strumenti MCP chiamare e in quale ordine.
• Prompt di sistema e istruzioni di progetto: File come AGENTS.md vengono caricati in ogni sessione. Il corpo di una competenza viene caricato solo per le attività corrispondenti, così un agente può disporre di centinaia di competenze senza sovraccaricare il contesto: è il principio alla base dell'ingegneria del contesto.
• Messa a punto: modifica i pesi di un modello per insegnargli un comportamento. Una skill modifica solo il contesto, quindi puoi modificarla, versionarla e revisionarla come codice, e ha effetto immediato.

Le skill nella pratica#

Le skill racchiudono conoscenze pratiche che un modello linguistico di grandi dimensioni (LLM) generico non possiede o applica in modo incoerente: le regole del marchio aziendale, la checklist di rilascio di un team o le particolarità di un formato di file. Il repository pubblico di skill di Anthropic include le skill per Word, PDF, PowerPoint ed Excel che alimentano la creazione di documenti di Claude. Le Ultralytics Agent Skills coprono l'intero ciclo di vita della computer vision: una skill router yolo inoltra ogni richiesta a una skill dedicata alla selezione del modello, ai dataset, all'addestramento, alla messa a punto, all'inferenza o all'esportazione, mentre una skill platform-cli automatizza la Ultralytics Platform tramite la riga di comando ul cloud. L'assistente Ask AI della Platform usa a sua volta la skill platform-cli, e le stesse cartelle si installano in Claude Code con claude plugin install yolo@ultralytics o in altri agenti con npx skills add ultralytics/skills, consentendo a uno strumento di programmazione agentica di addestrare ed esportare un modello YOLO26 a partire da una richiesta in linguaggio naturale.

Considerazioni sulla sicurezza#

Una skill viene eseguita con le autorizzazioni dell'agente, quindi installare una skill di terze parti è simile a installare un software. Le sue istruzioni possono contenere una prompt injection che reindirizza l'agente, e i suoi script possono leggere file o inviare dati ovunque lo consenta l'ambiente dell'agente. Prima di installare una skill, i team ne esaminano le istruzioni, gli script e le dipendenze, bloccano le versioni e avviano gli script della skill in una sandbox per agenti con accesso di rete limitato. La specifica definisce anche un campo sperimentale allowed-tools, un elenco separato da spazi come Bash(git:*) Read che indica gli strumenti che una skill può eseguire senza chiedere conferma; gli agenti che supportano il campo autorizzano preventivamente tali strumenti nel loro ambiente di esecuzione dell'agente.