Agent Skills

Kỹ năng Agent là các gói hướng dẫn, metadata, tài liệu tham khảo và script tùy chọn có thể tái sử dụng, giúp một AI agent có chuyên môn cho một tác vụ cụ thể. Thay vì đưa mọi quy trình vào một system prompt dài, developer có thể đóng gói một năng lực tập trung—chẳng hạn như kiểm tra sản phẩm, phân tích bảng tính hoặc tuân thủ checklist triển khai của tổ chức—và để agent chỉ tải năng lực đó khi phù hợp.

Skills giúp một AI agent đa dụng hoạt động giống chuyên gia trong một lĩnh vực hơn, đồng thời giữ cho kiến thức có tính module, dễ bảo trì và có thể chuyển đổi. “Claude Skills” là một cách triển khai sản phẩm của ý tưởng rộng hơn này; thuật ngữ Agent Skills cũng có thể chỉ định dạng có khả năng tương tác được mô tả trong tổng quan mở về Agent Skills.

Cách Agent Skills hoạt động#

Theo đặc tả Agent Skills, một skill thường là một thư mục chứa tệp SKILL.md bắt buộc. Tệp này bắt đầu bằng metadata YAML, bao gồm tên và phần mô tả giải thích skill thực hiện việc gì và khi nào agent nên kích hoạt nó. Phần nội dung Markdown cung cấp quy trình, ví dụ, ràng buộc và hướng dẫn xử lý các trường hợp biên. Các thư mục tùy chọn có thể chứa script thực thi, tài liệu tham khảo, schema hoặc template.

Skills sử dụng cơ chế tiết lộ tăng dần, nghĩa là thông tin đi vào context window của agent theo từng giai đoạn:

1. Ban đầu, agent chỉ thấy tên ngắn và phần mô tả của các skill hiện có.
2. Khi một yêu cầu khớp với phần mô tả, agent sẽ tải SKILL.md liên quan.
3. Agent chỉ đọc các tài nguyên hỗ trợ hoặc chạy các script đi kèm khi cần.

Điều này giảm việc sử dụng token không cần thiết và cho phép agent truy cập nhiều năng lực chuyên biệt mà không phải tải mọi hướng dẫn ngay khi khởi động. Tài liệu Claude Agent Skills và Microsoft Agent Skills cung cấp các ví dụ về mô hình tải này trên những nền tảng agent.

Agent Skills và các khái niệm liên quan#

Agent Skills tổ chức kiến thức và quy trình, nhưng không thay thế agent, các tool của agent hoặc hệ thống điều phối các hành động của agent.

• Tool và function calling: Một tool thực hiện một thao tác riêng lẻ, chẳng hạn như truy vấn một API hoặc chạy inference. Một skill giải thích thời điểm và cách sử dụng một hoặc nhiều tool cùng nhau, bao gồm các quy tắc validation và context của domain.

• Workflow agentic: Một skill cho phép agent diễn giải hướng dẫn một cách thích ứng. Một workflow xác định đường dẫn thực thi rõ ràng hơn, nên phù hợp hơn với các quy trình chạy dài, checkpoint, phê duyệt và những hành động phải diễn ra theo một thứ tự cố định.

• Giao thức Ngữ cảnh Mô hình: MCP chuẩn hóa cách agent khám phá và gọi các tài nguyên và tool bên ngoài. Đặc tả tool MCP chính thức định nghĩa các interface của tool, trong khi một skill đóng gói chuyên môn về quy trình và có thể hướng dẫn agent sử dụng các interface đó.

Một prompt thường được viết cho một cuộc hội thoại. Một skill được thiết kế để tái sử dụng, quản lý version, kiểm thử và chia sẻ giữa các environment tương thích.

Ứng dụng trong Computer Vision#

Agent Skills đặc biệt hữu ích khi cần kết hợp khả năng nhận thức hình ảnh với các quy tắc nghiệp vụ và hành động tiếp theo.

Kiểm tra trong sản xuất: Một skill kiểm soát chất lượng có thể hướng dẫn agent chụp ảnh, chạy object detection, so sánh các detection với tiêu chí chấp nhận, lưu bằng chứng và yêu cầu con người xem xét khi độ tin cậy thấp. Model thị giác cung cấp các quan sát, còn skill cung cấp quy trình kiểm tra dành riêng cho nhà máy. Điều này hỗ trợ các workflow phát hiện lỗi có tính lặp lại mà không cần nhúng mọi policy vào prompt nền tảng của agent.

Kiểm kê hàng hóa bán lẻ: Một skill kiểm tra kệ hàng có thể hướng dẫn agent xử lý ảnh trong cửa hàng, đếm các sản phẩm được chỉ định, so sánh kết quả với hồ sơ tồn kho và chuẩn bị đề xuất bổ sung hàng. Các team có thể sử dụng Ultralytics Platform để annotate dữ liệu kệ hàng, train một model tùy chỉnh, deploy model đó và giám sát tool thị giác mà skill gọi.

Trong cả hai trường hợp, skills kết nối khả năng nhận thức với kiến thức vận hành. Bản thân chúng không cải thiện độ chính xác thị giác của model nền tảng; chúng giúp áp dụng các output của model một cách nhất quán dễ dàng hơn.

Ví dụ về Vision Script cho một Skill#

Một skill có thể đóng gói một script deterministic để kiểm tra hình ảnh. Workflow dự đoán Ultralytics YOLO được tài liệu hóa sau đây có thể được lưu trong thư mục scripts/ của một skill:

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)

Ở đây, YOLO26 cung cấp năng lực thị giác, còn SKILL.md sẽ giải thích khi nào chạy script, cách diễn giải output của script và hành động nào cần thực hiện tiếp theo.

Các cân nhắc về thiết kế và bảo mật#

Skills hiệu quả nên có phạm vi trách nhiệm hẹp, phần mô tả kích hoạt rõ ràng, hướng dẫn súc tích, ví dụ thực tế và các dependency được tài liệu hóa. Các phương pháp tốt nhất chính thức để xây dựng skill khuyến nghị điều chỉnh mức độ chi tiết của hướng dẫn theo rủi ro của tác vụ: hướng dẫn linh hoạt có thể phù hợp với phân tích mở, trong khi các thao tác dễ lỗi cần script chính xác và ràng buộc chặt chẽ hơn.

Các skill bên thứ ba nên được xem như phần mềm đã cài đặt. Hãy xem xét mọi hướng dẫn, script, dependency, network call và thao tác tệp trước khi cấp quyền truy cập. Áp dụng sandbox, quyền tối thiểu cần thiết, giới hạn tài nguyên, logging và phê duyệt của con người đối với các hành động có hậu quả đáng kể. Các biện pháp kiểm soát này giúp xử lý những rủi ro được mô tả trong hướng dẫn của OWASP về prompt injection và hướng dẫn của OWASP về excessive agency. Các team cũng có thể sử dụng NIST AI Risk Management Framework Playbook để tích hợp việc đánh giá, giám sát và quản trị skill vào hoạt động quản lý rủi ro AI rộng hơn.