Agent Skills

エージェントスキルは、AIエージェントに特定のタスクに関する専門知識を提供する、命令、メタデータ、参照資料、オプションのスクリプトをまとめた再利用可能なパッケージです。すべての手順を長いシステムプロンプトに記述する代わりに、開発者は、製品の検査、スプレッドシートの分析、組織のデプロイチェックリストへの従事など、特定の機能をまとめ、関連する場合にのみエージェントに読み込ませることができます。

スキルを使用すると、汎用的なAIエージェントがドメイン専門家に近い動作をしながら、知識をモジュール化し、保守性と可搬性を維持できます。「Claude Skills」は、この幅広い概念を実装した1つの製品です。また、Agent Skillsという用語は、オープンなAgent Skillsの概要で説明されている相互運用可能な形式を指す場合もあります。

Agent Skillsの仕組み#

Agent Skills仕様では、スキルは通常、必須のSKILL.mdファイルを含むディレクトリです。このファイルは、スキルの内容とエージェントがそれを有効化すべきタイミングを説明する名前と説明を含む、YAMLメタデータから始まります。Markdown本文には、手順、例、制約、エッジケースへの指針が記述されます。オプションのディレクトリには、実行可能なスクリプト、参照ドキュメント、スキーマ、テンプレートを含めることができます。

スキルは段階的開示を使用します。これは、情報が段階的にエージェントのコンテキストウィンドウに取り込まれることを意味します。

1. エージェントは最初に、利用可能なスキルの短い名前と説明を確認します。
2. リクエストが説明に一致すると、関連するSKILL.mdを読み込みます。
3. 必要な場合にのみ、補助リソースを読み取るか、同梱されたスクリプトを実行します。

これにより、不要なトークン使用量を削減し、起動時にすべての命令を読み込まなくても、エージェントが多数の専門的な機能にアクセスできるようになります。Claude Agent SkillsドキュメントとMicrosoft Agent Skillsドキュメントでは、エージェントプラットフォームにおけるこの読み込みパターンの例が示されています。

Agent Skillsと関連概念の比較#

Agent Skillsは知識と手順を整理しますが、エージェント、そのツール、またはエージェントのアクションを調整するシステムに取って代わるものではありません。

• ツールと関数呼び出し: ツールは、APIへの問い合わせや推論の実行など、個別の操作を実行します。スキルは、検証ルールやドメインコンテキストを含め、1つ以上のツールをいつ、どのように組み合わせて使用するかを説明します。

• エージェントワークフロー: スキルを使用すると、エージェントは命令を適応的に解釈できます。ワークフローは、より明示的な実行経路を定義するため、長時間実行されるプロセス、チェックポイント、承認、固定された順序で実行する必要があるアクションに適しています。

• Model Context Protocol: MCPは、エージェントが外部リソースやツールを検出して呼び出す方法を標準化します。公式のMCPツール仕様はツールインターフェースを定義し、スキルはエージェントにそれらのインターフェースの使用を指示する手続き上の専門知識をパッケージ化します。

プロンプトは通常、1つの会話向けに記述されます。スキルは、互換性のある環境間で再利用、バージョン管理、テスト、共有することを目的としています。

コンピュータビジョンへの応用#

エージェントスキルは、視覚的な認識をビジネスルールや後続のアクションと組み合わせる必要がある場合に、特に役立ちます。

製造業の検査: 品質管理スキルは、エージェントに画像を取得させ、物体検出を実行し、検出結果を受け入れ基準と比較し、証拠を保存し、信頼度が低い場合に人によるレビューを依頼するよう指示できます。ビジョンモデルが観測結果を提供し、スキルが工場固有の検査手順を提供します。これにより、すべてのポリシーをエージェントのベースプロンプトに組み込むことなく、再現性の高い欠陥検出ワークフローを実現できます。

小売業の在庫監査: 棚卸しスキルは、エージェントに店舗画像を処理させ、指定された製品を数え、結果を在庫記録と比較し、補充の推奨案を作成するよう指示できます。チームはUltralytics Platformを使用して棚のデータにアノテーションを付け、カスタムモデルをトレーニングしてデプロイし、スキルが呼び出すビジュアルツールを監視できます。

どちらの場合も、スキルは認識と運用上の知識を結び付けます。スキル自体が基盤モデルの視覚的な精度を向上させるわけではありませんが、出力を一貫して適用しやすくします。

スキル向けのビジョンスクリプトの例#

スキルには、ビジュアル検査用の決定論的なスクリプトを同梱できます。以下の文書化されたUltralytics YOLO予測ワークフローは、スキルのscripts/ディレクトリに保存できます。

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)

ここでは、YOLO26がビジュアル機能を提供し、SKILL.mdがスクリプトを実行するタイミング、その出力の解釈方法、続いて実行すべきアクションを説明します。

設計とセキュリティに関する考慮事項#

効果的なスキルには、限定された責務、明確な有効化の説明、簡潔な命令、現実的な例、文書化された依存関係が必要です。公式のスキル作成のベストプラクティスでは、命令の詳細度をタスクのリスクに合わせることを推奨しています。柔軟な指針は自由度の高い分析に適していますが、壊れやすい操作には正確なスクリプトとより厳格な制約が必要です。

サードパーティ製のスキルは、インストールされたソフトウェアと同様に扱う必要があります。アクセスを許可する前に、すべての命令、スクリプト、依存関係、ネットワーク呼び出し、ファイル操作を確認してください。サンドボックス化、最小権限のアクセス許可、リソース制限、ロギング、重大なアクションに対する人間の承認を適用してください。これらの制御は、OWASPプロンプトインジェクションガイダンスとOWASP過剰なエージェンシーに関するガイダンスで説明されているリスクへの対処に役立ちます。チームはNIST AI Risk Management Framework Playbookを使用して、より広範なAIリスク管理にスキルの評価、監視、ガバナンスを統合することもできます。