Agent Skill小白入门蓝皮书

前言

Skill，顾名思义，就是技能的意思。在正式介绍 Skill 之前，可以想象一下骑自行车。这就是”技能（Skill）”的本质 —— 将复杂的、需要逐步推理的任务，封装成一套可以自动执行的流程。

人类其实就是一个超级 Agent。让我们用 AI 的视角重新审视这个过程：人脑 = 大语言模型（LLM）

人类大脑的工作方式，和 Agent 惊人地相似：

现在，我们可以正式定义了：Agent Skill，是一套标准化的能力封装，它将复杂的、需要多步推理和工具调用的任务，打包成一个可以直接使用的”技能包”。

一个 Skill 通常是以一个文件夹的形式存在的，文件夹的目录结构如下：

riding-skill/
├── SKILL.md # 必须：Skill 的定义、执行流程（告诉LLM，如何执行这个 Skill）
├── scripts/ # 可选：Skill 中可能用到的脚本（LLM 的“手脚”）
├── assets/ # 可选：Skill 中可能用到的静态资源（也是LLM 的“手脚”）

举个例子

为了给大家一个更直观的展示，这里给大家展示一个小示例：一个「两数相加的 Skill 」

two-numbers-sum/
├── SKILL.md
├── scripts/
    ├── add_numbers.py

SKILL.md 文件内部主要包含两部分：

1. 元信息（Metadata）：告诉 Agent 这个 Skill 是什么，何时使用

2. name：技能名称

3. description：对技能功能的描述

4. 操作流程（Steps）：告诉 Agent，如何执行这个 Skill

SKILL.md长下面这样：

---
name: two-numbers-sum
description: 两数之和计算工具，用于快速准确地计算两个数字的和。当用户需要计算两个数字的加法运算时使用，支持整数、小数和负数。输出格式："哈哈哈，我算出来了！结果是{结果}"。适用场景包括：(1) 简单的两个数字相加 (2) 需要确保计算准确性 (3) 批量的加法运算。
---

# 两数之和

## 概览

这个技能提供了一个专门用于计算两个数字之和的工具，使用Python脚本确保计算的准确性和一致性。当用户请求两个数字相加时，技能会调用优化的加法脚本并返回带有趣味性的格式化结果。

## 执行步骤

1. **提取数字**：从用户输入中识别两个数字
2. **调用脚本**：使用 `scripts/add_numbers.py` 进行计算
3. **格式化输出**：按照要求的格式返回结果

## 使用方法

### 脚本执行

# 基本用法
python3 scripts/add_numbers.py <number1> <number2>

add_numbers.py长这个样：

 """为便于大家理解，只放了部分核心代码，大家只需要知道，这是一个两数相加的脚本就好"""
def add_two_numbers(num1, num2):
    return num1 + num2

def main():
    result = add_two_numbers(args.num1, args.num2)

如果上面这个例子还不直观，你可以去 https://www.coze.cn/skills 里看看，里面有很多“skill”，你可以添加然后跟他们进行自然语言交互得到返回结果。

何时使用 Skill

当你的任务满足以下一个或多个特征时，就应该考虑使用 Skill，而不是依赖临时的长提示词或简单的脚本：

1. 需要处理本地文件：当 Agent 需要读取、分析、修改或创建本地文件时（如 PDF、Word 文档、Excel 表格、图片、代码等），Skill 可以将这些操作封装成标准流程。
2. 任务流程相对固定且可复用：例如，“将一篇 Markdown 文章进行风格优化，并转换为符合公司品牌指南的 PPT”这类任务，涉及多个固定步骤，非常适合封装成一个或多个 Skill。
3. 需要集成特定的知识或规范：比如，将公司的“品牌设计指南”、“代码审查规范”或“法务文案要求”封装成 Skill，可以让 Agent 在执行相关任务时自动遵循这些标准。
4. 非技术人员希望扩展 AI 的能力：Skill 的创建过程可以通过自然语言完成（借助 skill-creator），这极大地降低了非开发者为 Agent “赋能”的门槛。
5. 希望对 AI 的能力进行模块化管理和迭代：随着任务变得复杂，可以将不同的能力拆分成独立的 Skill（如文档读取 Skill、内容分析 Skill、图表生成 Skill），然后像乐高积木一样组合使用。当某个环节需要优化时，只需迭代对应的 Skill 即可。

skill最开始只是配合Claude网页端和ClaudeCode使用的，后来用的人多了，就像MCP一样，这个标准就变成了行业标准，各个Agent工具、IDE，例如Codex、OpenCode、Gemini Cli、Cursor都开始支持。

MCP 看上去效果跟skill差不多，但是mcp比较重，因为在“每一个连接的 MCP Server 必须在对话开始前，将其所有工具的完整定义（名称、详细描述、参数 Schema、使用示例）一次性注入 LLM 的上下文中”。每个工具消耗 500 个 Token，那只链接这一个工具就需要消耗将近 20000 Token。在真实环境下，一个 Agent 不会仅链接一个 MCP Server。假如你只问了 AI 一个非常简单的问题（1+1=？），Agent 已经烧掉了大几万的 Token，这个成本是非常恐怖的。

而 Skills 的核心机制是“渐进式披露”，不仅节省token，还能提升注意力，正确率更高。Skill 本质是把 “大模型能力 + 工程化逻辑 + 场景规则” 打包成一个可复用、可调用、可配置的功能模块，解决的是 “端到端的业务问题”，而非单点的技术问题。所以这里的重点是“可复用”，对于运维来说，无论是重复搭建环境还是查看问题，其实很多都是重复的过程，这些都建议去写成skill里，然后给全组人甚至客户使用。用 Skill 做任务，持续迭代优化。以后都用这个 Skill 来执行任务。每次完成后检查输出，哪里不满意就告诉Agent，让它改进并更新 Skill。在实战中不断打磨，这才是正确的使用姿势。

更新信息可以看claude官网：https://claude.com/blog/extending-claude-capabilities-with-skills-mcp-servers

依赖关系：一个Skill可以通过MCP来连接所需资源，但并非必须；它也可以直接调用API。MCP为Skill提供了一种更标准化、安全的资源接入方式。简而言之，MCP是用来统一工具调用的协议，Skill可以指挥Agent去调用MCP。
二者是互补的关系，而非替代关系。MCP负责连接外部世界界，提供实际的操作能力；Skill则负责指导AI如何思考和执行任务，确保输出的准确性和一致性。在实际应用中中，通常需要结合两者，才能构建出功能强大、稳定可靠的AI智能体。

这一期就是理论，下一步，我准备搞一个skill，实现一个简单的功能“采集XXX容器的火焰图并把分析结果传给我”。到时候整个过程会记录并发上来。