Agent Skills（智能体技能包生态）
| 分类 | 🌐 行业生态 |
| 阅读时间 | ⏱️ 17 分钟 |
| 更新时间 | 📅 2026-09-21 |
| 条目编号 | ENC-ECOSYSTEM-14-agent-skills |
关键要点 ✦
- 2025 年 10 月 16 日随 Claude 产品线发布，2025 年 12 月 18 日以独立开放标准形式释出（标准主页 agentskills.io）
- 最小形态是一个目录加一份 SKILL.md；YAML frontmatter 必填 name（≤64 字符、仅小写字母数字与连字符）与 description（≤1024 字符）
- 渐进式披露分三层：启动只加载名称与描述，命中任务后读取 SKILL.md 全文，再按需访问 references/、scripts/、assets/
- 与 MCP 互补：MCP 回答「能访问什么」，技能包回答「该怎么做」，一个技能可编排多个 MCP 工具形成工作流
- 开放标准释出后数月内被 30 余款编码智能体采纳，含 GitHub Copilot、Cursor、Gemini CLI、OpenAI Codex、Goose、OpenCode、Amp、Junie、Kiro、Roo Code
- 安全边界突出：技能可携带可执行脚本，恶意技能能诱导越权调用或外发数据，官方建议仅使用可信来源并整体审计
把流程知识放在模型之外
Agent Skills 要解决的问题在日常工作里很具体：模型知道如何处理 PDF，但不清楚这家公司的表单怎么填；模型会做财务分析，但不知道团队的对账顺序与例外规则。这类程序性知识与组织上下文既不该写进权重，也不适合全部塞进系统提示——前者更新成本高，后者会挤占上下文窗口。
据 Anthropic 官方工程博客，技能的定位被类比为「给新同事的入职指引」：与其为每个用例定制一个智能体，不如把专家知识封装成可组合的能力，让通用智能体按需特化。由此得到三个属性——可组合（多个技能叠加使用，由模型自行判断需要哪些）、可移植（同一格式在 Claude 应用、Claude Code 与 API 之间通用）、按需加载（只在相关时载入，保持运行效率）。技能目录本身可以放进 Git 仓库，团队约定随代码一起版本化，开发者不论使用哪款工具都能拿到同一套流程。
SKILL.md 与渐进式披露三层
技能的最小形态是一个目录加一份 SKILL.md。文件以 YAML frontmatter 开头，两个必填字段：name（不超过 64 字符，只允许小写字母、数字与连字符，不得含 anthropic 与 claude 等保留词）与 description（不超过 1,024 字符，需同时说明这项技能做什么、以及何时该使用）。frontmatter 之后是自由格式的 Markdown 指令正文。开放标准另定义了几个可选字段：license、compatibility（不超过 500 字符，说明环境依赖）、metadata，以及尚属实验性质的 allowed-tools。
让它可扩展的机制是渐进式披露，官方称其为核心设计原则，分为三层：发现阶段，启动时只有每个已安装技能的名称与描述进入系统提示，约 100 Token 量级，足够模型判断相关性；激活阶段，当任务与描述匹配时，智能体读取 SKILL.md 全文；执行阶段，仅在具体步骤需要时才加载技能目录内的附带文件或运行脚本。规范建议正文控制在约 500 行以内，超过 5,000 Token 的参考资料拆到独立文件。
与目录并列还有三个约定文件夹：scripts/ 存放可执行代码，references/ 存放按需查阅的文档，assets/ 存放模板、图片等资源，均以相对路径引用。脚本的价值在于把适合确定性执行的操作交给传统代码——例如排序、格式转换——而不是让模型用逐 Token 生成去完成。脚本源码不进入上下文窗口，只在被调用时执行，这既省 Token 也降低出错概率。
与 MCP 的分工
技能包经常被拿来与 MCP 比较，但两者处在不同层次。据官方与行业梳理的共识，MCP 是连接协议，回答「能访问什么」，负责把智能体接到外部工具、数据源与服务；技能包是流程知识的封装格式，回答「该怎么做」。两者互补：一个技能可以描述包含多个 MCP 工具调用的多步流程，MCP 负责其中每一步的实际连接。
这个分工也解释了发布时的行业反应。据公开报道，开发者社区在技能包发布当日就有讨论认为它可能比 MCP 影响更大，理由是格式的简单性——不需要服务端、不需要新的传输层，一个文件夹即可承载能力，而 MCP 需要实现服务端与协议握手。从采用速度看，这类判断的部分依据得到了验证：技能包在开放标准释出后数月内被 30 余款编码智能体采纳，其中不少是与 Anthropic 直接竞争的厂商产品。这使它与 MCP 一道成为智能体栈上层的相邻层次，相关综述文献通常把两者视为同一技术栈上相邻的两层。
从产品功能到开放标准
据 Anthropic 官方发布记录与公开整理，时间线大致如下。2025 年 10 月 16 日，技能随 Claude 产品线发布，同步覆盖 Claude 应用、Claude Code、Claude API 与 Claude Agent SDK，Pro、Max、Team、Enterprise 用户可用。发布时提供文档处理类预置技能（PowerPoint、Excel、Word、PDF）与 skill-creator 引导工具。API 侧技能需要 Code Execution Tool 提供运行环境，并通过 /v1/skills 接口管理版本。
2025 年 12 月 18 日，Anthropic 把格式作为独立开放标准释出，同时开放 Team 与 Enterprise 的组织级管理，并推出合作方技能目录，参与者包括 Atlassian、Canva、Cloudflare、Figma、Notion、Sentry、Vercel 与 Zapier。2026 年 3 月 31 日，该目录整合为 claude.ai/customize 统一入口，把技能、连接器与插件放在同一处管理。
授权与治理细节值得单独留意：多数示例技能采用 Apache 2.0 许可，文档类技能为源代码可见但非开源。技能的共享范围在不同载体上并不一致——claude.ai 侧为个人级、需各自上传；API 侧为工作空间级共享；Claude Code 侧为个人或项目目录级，也可通过 Plugins 分发。官方在文档中说明，自定义技能不会跨载体同步，需要按载体分别管理。
安全边界与治理
技能给智能体带来新能力，也就带来了新的信任问题。Anthropic 在文档中明确指出：恶意技能可以引导模型以不符合其声明用途的方式调用工具或执行代码；取决于技能运行时智能体拥有的权限，可能造成数据外泄、未授权系统访问等后果。官方给出的具体风险清单包括——技能内的脚本、图片等全部文件需逐一审计，关注异常网络调用与文件访问模式；从外部网址获取数据的技能风险更高，因为抓取内容本身可能携带恶意指令，且可信技能也可能因其外部依赖变化而失效；工具误用与数据暴露需要单独评估。
治理手段上，官方建议把技能视同安装软件对待，尤其谨慎接入生产系统；企业侧为其 Enterprise 版本提供了针对自定义技能的内容扫描能力，但该扫描不覆盖通过 Skills API 或控制台上传的技能。此外，官方还说明技能不在零数据保留（ZDR）安排覆盖范围内，技能定义与执行数据按标准数据保留政策处理；Skills API 操作可查审计日志。需要提醒的是，技能的跨载体不同步特性既是管理成本，也是治理盲区——同一逻辑技能在多处独立存在时，版本与审计口径容易出现分歧。
🎯 应用场景
✅ 最佳实践
- 只安装可信来源的技能，并把技能视同软件：使用前审计 SKILL.md 与全部附带文件
- 重点审查从外部网址获取内容的技能，其抓取结果可能携带指令且依赖会随时间变化
- description 同时写清「做什么」与「何时用」，它是激活判断的主要依据
- 把长参考资料拆到独立文件，正文控制在约 500 行以内，避免技能自身挤占上下文
- 适合确定性执行的操作交给 scripts/，不要用 Token 生成替代排序与格式转换
- 注意技能不会跨载体同步，按载体分别管理版本，并区分企业内容扫描的覆盖范围
🔮 未来展望
技能格式的意义在于把「智能体的流程知识」变成可版本化、可分发的资产，这类资产的治理问题会随之出现：来源可信度如何标注、能力边界如何声明、跨载体的版本一致性如何保证。Anthropic 已表示在推进更简化的技能创建流程与企业级分发能力。与此同时，多家竞争厂商共同采纳同一格式，也把一个更宏观的问题推到台面——当连接层与知识层都已出现跨厂商标准，智能体能力的可移植性会从宣传口径变成可核查的工程属性。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。