Agent Skillsとは、AIエージェントに「この仕事をどう進めるか」を再利用可能な形で持たせる仕組みです。長いプロンプトを毎回貼り直す方法とも、APIや関数を呼ぶToolとも役割が異なります。ここではSKILL.mdの構造から、Prompt・Tool・Workflow・MCPとの違い、何をSkill化すると効果が出やすいかまで、エージェント構築の判断に使える形で整理します。
まず結論：Agent Skillsは「仕事のやり方」を再利用する仕組み
Agent Skillsは、特定タスクの手順、判断基準、参照資料、必要に応じたスクリプトなどをひとまとまりにして、AIエージェントが必要なときに読み込めるようにする仕組みです。現在はオープン仕様が公開され、複数のエージェント製品やフレームワークで採用が進んでいます。
ポイントは、エージェントへ新しい知識を一度だけ教えることではなく、繰り返し発生する仕事の進め方を再利用可能な部品にすることです。たとえばコードレビューなら、確認順、重大度の判断、出力形式、最終チェックまでをSkillとして持たせられます。
用語解説：Agent Skills
AIエージェント向けの再利用可能な手順・知識・スクリプト・リソースのパッケージです。タスクに応じて必要なSkillを選び、詳しい手順を読み込んで実行します。
（AIエージェント自体の役割や全体像については『AIエージェントと2025年の未来 進化する「デジタルパートナー」の役割』をご参照ください）
Agent Skillsの中身：SKILL.mdを中心に必要な情報だけ読み込む
Agent Skillsのオープン仕様では、Skillは最低限SKILL.mdを含むディレクトリとして構成します。SKILL.mdにはnameとdescriptionなどのメタデータと、実際の手順をMarkdownで記述します。必要に応じてscripts、references、assetsなどの補助ファイルも持てます。
code-review/
├── SKILL.md # 必須: メタデータ + 手順
├── scripts/ # 任意: 実行スクリプト
├── references/ # 任意: 詳細ルール・仕様
└── assets/ # 任意: テンプレートなどすべてのSkill全文を最初からコンテキストへ入れるわけではありません。まずnameとdescriptionのような小さなメタデータで使うべきSkillかを判断し、必要になったらSKILL.md本体、さらに必要な場合だけ参照ファイルやスクリプトへ進みます。
用語解説：SKILL.md
Skillの目的、発火条件、手順、出力形式、品質チェックなどを記述する中心ファイルです。オープン仕様ではYAML frontmatterとMarkdown本文で構成します。
用語解説：Progressive Disclosure
最初は概要だけを見せ、必要になった情報を段階的に読み込む設計です。エージェントのコンテキストを必要以上に消費しないために使われます。
Skill・Prompt・Tool・Workflow・MCPの違い
Agent Skillsを理解しづらい理由の一つは、PromptやTool、Workflowなど近い言葉が同時に出てくることです。実装では「何をエージェントに与える層なのか」で分けると整理しやすくなります。
| 概念 | 主な役割 | 向いているもの |
|---|---|---|
| Prompt | その場の依頼や条件を伝える | 今回だけの質問、入力条件、追加指示 |
| Agent Skill | 再利用する仕事の進め方を持たせる | コードレビュー手順、調査手順、社内ルールに沿った成果物作成 |
| Tool | エージェントが実際に呼び出せる機能を与える | API、関数、検索、ファイル操作、データ取得 |
| Workflow | 実行順や状態遷移を明示的に制御する | 承認フロー、再開が必要な長時間処理、決められた順序の自動化 |
| MCP | 外部のToolやデータへ標準化された接続口を与える | GitHub、DB、社内SaaSなど外部システムとの接続 |
SkillとToolは競合するものではありません。Skillが「どう進めるか」を定義し、その手順の途中でToolを使う構成が自然です。同じように、SkillがMCP経由のToolをいつ使うか、どのように利用するかを指示することもできます。
（MCPサーバーの仕組みと外部ツール接続については『MCPサーバーとは？仕組みと使い方』をご参照ください）
Promptとの違いも重要です。一度きりの依頼ならPromptで十分ですが、毎回同じ前提・手順・フォーマット・品質基準を説明しているならSkill化の候補です。
（Promptそのものの指示精度を上げる考え方については『GPT指示精度を上げる方法｜ChatGPTで使える指示テンプレ7選』をご参照ください）
何をSkill化すると効果が出やすいか
Skill化に向くのは「何度も行う」「良い成果の型がある」「毎回説明すると漏れやすい」仕事です。単に文章が長いからSkillにするのではなく、再利用できる手順や判断基準があるかを見ます。
- 複数ステップを毎回ほぼ同じ考え方で進める
- 出力形式や品質チェックを一定にしたい
- チーム固有のルール、テンプレート、参照資料を毎回使う
- エージェントが同じ失敗を繰り返し、修正指示が定型化している
- 複数のToolを使うが、使う順番や判断条件にノウハウがある
たとえば「Pull Requestをレビューして」だけならPromptでも実行できます。しかし、セキュリティ、互換性、テスト、影響範囲を確認し、重大度を付け、修正案を出し、最後に見落としを再確認するところまで毎回求めるなら、その一連をSkillとして持たせる価値があります。
反対に、結果が完全に決められた定型処理や、途中状態を確実に保存・再開したい処理、重大な外部操作を厳密な順序で制御したい処理は、Skillだけに任せずWorkflowやアプリ側の制御を使う方が適しています。
Skill設計は「手順」だけでなく終了条件まで書く
実務で使うSkillは、長い説明文よりも「いつ使うか」「何を入力として受け取るか」「どの順で確認するか」「何を出すか」「どこまでできれば完了か」を明確にした方が安定します。
---
name: code-review
description: Pull Requestの変更をレビューし、重大な不具合・回帰・テスト不足を確認する。コードレビューを依頼されたときに使用する。
---
# Goal
変更による重大な欠陥を見つけ、修正可能な形で報告する。
# Steps
1. 変更目的と影響範囲を確認する
2. 不具合・互換性・例外処理を確認する
3. テストと回帰リスクを確認する
4. 指摘を重大度順に整理する
# Output
- Finding
- Evidence
- Impact
- Suggested fix
# Done
重大な未確認領域が残っていないことを確認して終了する。オープン仕様ではnameはディレクトリ名と一致させ、descriptionには何をするSkillかと、いつ使うかを書くことが推奨されています。Skillが大きくなったら、詳細な仕様や例をreferencesへ分離し、必要なときだけ読ませる方が保守しやすくなります。
最初から巨大な万能Skillを作る必要はありません。実際に繰り返している1つの仕事を選び、代表的な失敗を確認しながら小さく改善する方が、何が本当に必要な手順なのかを見極めやすくなります。
Agent Skillsを使うときの注意点
Skillには手順だけでなく、実行可能なスクリプトや外部リソースを含められます。そのため、便利なSkillを追加する行為は、単なるPrompt追加よりも強い権限につながる場合があります。由来が不明なSkillをそのまま導入しないことが重要です。
- Skillの配布元と更新履歴を確認する
- SKILL.mdだけでなくscriptsや参照先も確認する
- 実行に必要なファイル・ネットワーク・Tool権限を最小限にする
- 外部操作や機密処理では人間の承認を残す
- どのSkill・Toolを使ったか追跡できるログを用意する
また、Skillに書いた手順があるからといって、結果が自動的に正しくなるわけではありません。モデルや実行環境、利用できるToolによって挙動は変わります。代表タスクで評価し、失敗パターンをSkillへ反映し続ける運用まで含めて設計する必要があります。
よくある質問
Agent Skillsは長いPromptをファイルにしただけですか？
いいえ。指示を再利用できる点だけでなく、発火用メタデータ、参照資料、テンプレート、実行スクリプトなどをまとめ、必要なときに段階的に読み込める点が特徴です。
Agent SkillsがあればToolやMCPは不要ですか？
不要にはなりません。Skillは仕事の進め方を持たせる層で、ToolやMCPは実際の機能や外部システムへの接続を提供します。SkillからToolやMCPを使う構成が一般的です。
すべての業務をSkill化した方がよいですか？
いいえ。一度きりの簡単な依頼はPromptで十分です。固定順序や再開、厳密な状態管理が重要な処理はWorkflowの方が適する場合があります。繰り返す手順と判断基準がある仕事からSkill化するのが現実的です。
まとめ：SkillはAIエージェントに「再利用できる仕事の型」を持たせる
- Promptはその場の依頼、Skillは再利用する仕事の進め方として分ける
- Toolは実行能力、MCPは外部接続、Workflowは明示的な実行経路を担う
- 毎回長い指示を繰り返す仕事や、判断基準が定型化している仕事からSkill化する
- Skillには入力、手順、出力、品質チェック、終了条件まで持たせる
- 実行スクリプトや外部Toolを含む場合は権限・監査・承認まで設計する
Agent Skillsは、AIエージェントへ繰り返し使う手順や専門知識を持たせるための仕組みです。最初のSkill候補は、毎回長いPromptを貼っている仕事や、同じ修正指示を繰り返している仕事から探すと判断しやすくなります。
