Anthropic Agent Skills

Anthropicは、指示、スクリプト、およびリソースを整理されたフォルダ形式で提供することで、汎用エージェントにドメイン固有の専門知識を装備させることができるフレームワーク「Agent Skills」を導入しました。このシステムにより、エージェントは特定のタスクに必要な機能を動的に発見してロードすることで、汎用的な存在から専門特化したエージェントへと変貌を遂げることが可能になります。

The Architecture of Agent Skills

Agent Skillsは、ディレクトリベースの構造を利用してエージェントに追加の機能を提供します。一つのスキルは、エージェントの主要なエントリーポイントとして機能する SKILL.md ファイルを含むディレクトリで構成されます。

Progressive Disclosure of Context

コンテキストウィンドウを効率的に管理するため、Agent Skillsは「progressive disclosure（段階的開示）」と呼ばれる設計原則を採用しています。これにより、エージェントは3つの詳細レベルにわたって、現在のタスクに必要な情報のみをロードするようにします。

Metadata Level: すべての SKILL.md ファイルは、name と description を含むYAML frontmatterで始まります。これらは起動時にエージェントのシステムプロンプトに事前ロードされるため、エージェントはコンテンツ全体をロードすることなく、スキルが関連しているかどうかを判断できます。
Core Instruction Level: エージェントがスキルが関連していると判断した場合、SKILL.md ファイルの全文をコンテキストウィンドウに読み込みます。
Deep Detail Level: 複雑なスキルの場合、作成者はスキルディレクトリ内に追加のファイル（例：reference.md や forms.md）を同梱することができます。エージェントは必要に応じてのみこれらのファイルを探索・発見できるため、同梱されるコンテキストの量は実質的に無制限になります。

Integration with Code Execution

Agent Skillsには、エージェントがツールとして実行できる事前作成済みのスクリプトを含めることができます。このアプローチは、リストのソートやPDFからのフォームフィールドの抽出など、トークン生成よりも従来のコードの方が適しているタスクに対して、決定論的な信頼性と効率性を提供します。

Implementation and Best Practices

効果的なスキルを開発するには、評価とスケーラビリティに焦点を当てた反復的なアプローチが必要です。

Development Guidelines

Evaluation-First Approach: 代表的なタスクでエージェントを実行し、能力のギャップを特定することで、それらの欠点を補うためにスキルを段階的に構築していきます。
Scaling Structure: 扱いづらい SKILL.md ファイルを、トークン使用量を削減し、互いに排他的なコンテキストを分離するために、参照される個別のファイルに分割します。
Agent-Centric Design: エージェントの軌跡（trajectories）を監視し、スキルの起動トリガーとなる主要な要素である name と description メタデータを洗練させます。
Collaborative Iteration: エージェントを使用して、成功したアプローチや共通のミスを再利用可能なコンテキストやスキル内のコードとして記録するのを支援します。

Security Considerations

スキルには実行可能なコードや外部ソースへの接続指示が含まれる可能性があるため、Anthropicは信頼できるソースからのみスキルをインストールすることを推奨しています。ユーザーは、インストール前に同梱されたファイル、コードの依存関係、およびネットワークリクエストを監査する必要があります。

Availability and Future Roadmap

Agent Skillsは、現在 Claude.ai、Claude Code、Claude Agent SDK、および Claude Developer Platform でサポートされています。さらに、Agent Skillsは、クロスプラットフォームの移植性を確保するためのオープンスタンダードとして、2025年12月18日に公開されました。

Future Directions

Anthropicは、スキルの作成、編集、および共有のライフサイクルを拡大する計画です。今後の展開には以下が含まれます：

MCP Integration: スキルが Model Context Protocol (MCP) サーバーをどのように補完し、外部ソフトウェアを含む複雑なワークフローをエージェントに教えることができるかを探求します。
Autonomous Evolution: エージェントが自身のスキルを自ら作成、編集、および評価できるようにすることで、自身の行動パターンをコード化し、再利用可能な機能へと昇華させることを可能にします。