Agent Skills

Anthropic が Claude 向けに発表した機能。AIエージェントに特定タスクを実行させるための指示書・スクリプト・関連資料を一つのフォルダにまとめた「スキルセット」を、必要なタイミングで動的に読み込ませる仕組み。

概念

• 汎用 AI エージェントを特定業務に特化した「専門エージェント」へ変身させる
• Anthropic は「新入社員へのオンボーディングガイドを作成するようなもの」と表現
• 組織の暗黙知を形式知化し、再利用可能な「スキル」として Claude に与える
• Claude Code Skills と同じ SKILL.md ベースのアーキテクチャを採用

解決する課題

従来の AI エージェントには「ツールの多さ」と「性能の高さ」のトレードオフが存在した:

• 注意力の分散: ツールが増えすぎると AI がどのツールを使うかの判断に迷う
• コンテキストウィンドウの飽和: 全ツール定義を起動時に読み込むためコンテキストが圧迫される

Agent Skills はこの両課題を「抽象化」と「段階的開示」で解決する。

MCP との違い

MCP は個別ツールを「直接」追加するプロトコル。Agent Skills はその上位レイヤー。

観点	MCP	Agent Skills
役割	個別ツールを追加するプロトコル	ツール群を目的ごとにパッケージ化する上位レイヤー
比喩	職人に個別の道具を一つずつ渡す	職人に目的別の「道具箱」を渡す
関係	基盤プロトコル	MCP を補完・効率化する仕組み

重要: Agent Skills は MCP を置き換えるものではなく、MCP で定義されたツール群をより賢く利用するための仕組みである。

段階的開示（Progressive Disclosure）

Agent Skills の核心設計思想。情報を一度にすべて開示せず、必要なタイミングで段階的に AI へ渡すことでコンテキストウィンドウを効率化する。

ステップ 1 — メタデータ読み込み

起動時には各スキルの name と description だけをシステムプロンプトに読み込む。「マニュアルの目次だけを最初に読む」状態。大量のスキルがあってもコンテキストを圧迫しない。

ステップ 2 — SKILL.md 読み込み

ユーザーからタスクの指示を受け、該当スキルが必要と判断したときに初めて SKILL.md（詳細手順・ルール）を読み込む。「目次を見て該当章を初めて開く」イメージ。

ステップ 3 — 追加ファイル・コードの実行

さらに複雑な処理が必要な場合のみ、SKILL.md から参照された補助ファイル（forms.md、reference.md 等）や Python スクリプト（extract_forms.py 等）を追加で読み込む。

スキルのフォルダ構成（例）

.claude/
  skills/
    pdf-skill/
      SKILL.md           → スキル本体（手順・ルール）
      forms.md           → フォーム入力特化の指示書
      reference.md       → 参考情報
      extract_forms.py   → PDF処理スクリプト

開発ベストプラクティス（Anthropic 公式）

1. 評価駆動のアプローチ

完璧なスキルをいきなり作ろうとせず、まずエージェントを実際に動かしてつまずきポイントを観察する。その課題を解決するようにスキルを段階的に構築・改善する。

2. スケールを意識したファイル構造

• SKILL.md に全情報を詰め込まず、複雑化したら複数ファイルに分割
• 同時に使われない情報（「新規作成手順」と「データ移行手順」等）は別ファイルに分ける
• Python スクリプトは実行可能なツールとしてだけでなく「処理手順の参照用ドキュメント」としても機能する

3. AIの視点での名前・説明記述

name と description は人間だけでなく 「AI がいつ呼び出すかを判断するトリガー」。簡潔かつ具体的に記述し、意図通りに呼び出されなければまず名前と説明を見直す。

4. Claude との対話による反復改善

Claude 自身を開発パートナーとして、成功・失敗パターンを対話しながらスキルへ記録・改善していく。人間が事前に想定できない「AIが本当に必要とする情報」を発見できる。

公式 Skills の実力（第三者検証）

公式が提供するAgent Skillsを全件検証した結果（note記事, 2026-04-10）：

結果	割合
Skills ありが優位	3割
未使用の方が速くて品質が良い / 差なし	7割

示唆: 公式 Skills はそのまま使うよりも、「自分の用途に合わせてカスタムする」か「仕組みを学ぶための参考資料」として活用するのが現実的。

実践ユースケース：スライド自動生成のスキル化

Claude Opus 4.6 × Agent Skills の組み合わせで、自社ブランドスタイルのスライドを再現性高く量産できる。

ワークフロー:

1. Opus 4.6 で記事・コンテンツを PowerPoint 化（初回）
2. 完成したスライドの「スタイル・構成ルール」を Skills として保存
3. 2回目以降は Skills を呼び出すだけで同一ブランドのスライドが生成される

ポイントは初回の高品質アウトプットを Skills に昇格させること。編集可能な形式で出力される。

セキュリティ注意点

• 信頼できるソースからのみインストール: 公式・組織内で監査済みのスキルのみ使用
• コード内容を監査: Python スクリプト等の実行可能コードは必ず事前確認
• 依存関係の確認: 外部ライブラリ・API への依存関係の信頼性も検証

将来展望

• スキルを共有・販売するエコシステムの出現
• MCP ツール群を複雑なワークフローで活用する「手順書」としての機能強化
• AI エージェント自身が成功・失敗から新スキルを自動生成・改善する自己進化の可能性

関連

• Claude Code Skills — Claude Code における Skills の実装・運用
• MCP — Agent Skills の基盤となるプロトコル
• スキル作成フロー（えがく・つくる・そだてる） — 非エンジニア向けスキル作成フロー
• Agent Skills完全解説（まさお） — 本ページの主ソース