Навыки ИИ-агентов: что такое Agent Skills, как работает SKILL.md и зачем это бизнесу

Что такое навыки ИИ-агентов, как устроен SKILL.md, чем навык отличается от промпта, памяти, MCP и инструментов и зачем компании создавать собственные навыки для повторяющейся работы.

Если вы регулярно используете искусственный интеллект для одной и той же работы, довольно быстро возникает знакомая проблема.

В новом диалоге снова приходится объяснять:

• что нужно сделать;
• в каком порядке работать;
• какие правила учитывать;
• какие источники использовать;
• чего делать нельзя;
• как должен выглядеть результат;
• что проверить перед завершением.

Можно сохранить большой промпт и вставлять его каждый раз.
Можно держать правила в отдельном документе.
Можно создать проект с постоянными инструкциями.

Но когда искусственный интеллект начинает не просто отвечать на вопросы, а выполнять повторяющуюся работу, возникает другой вопрос:
как один раз описать способ выполнения задачи и затем использовать его снова?

Для этого появились навыки ИИ-агентов, или Agent Skills.

Навыки ИИ-агентов, или Agent Skills - это переносимые наборы инструкций и материалов, которые описывают, как ИИ должен выполнять определённую повторяющуюся работу. Основной файл такого навыка называется SKILL.md.

Это не новая нейросеть, не отдельный цифровой сотрудник и не просто ещё один длинный промпт.
По смыслу навык ближе к рабочему регламенту, который ИИ-система может подключить для подходящей задачи.

Почему одного хорошего промпта становится мало

Пока искусственный интеллект используется как собеседник, схема простая:

вопрос -> ответ.

Но реальная работа обычно состоит из нескольких шагов.
Например, задача “подготовить коммерческое предложение” может означать:

1. Изучить материалы встречи.
2. Выделить реальные задачи клиента.
3. Отделить факты от предположений.
4. Проверить актуальные услуги и условия.
5. Подобрать подходящее решение.
6. Рассчитать стоимость по установленным правилам.
7. Собрать документ в нужном формате.
8. Проверить, что в нём нет неподтверждённых обещаний.

Команда:

Подготовь коммерческое предложение.

сама по себе ничего этого не объясняет.

Поэтому результат зависит уже не только от возможностей модели.
Системе нужно знать как именно выполнять эту работу.
Сегодня такие знания часто разбросаны по разным местам:

• промптам;
• корпоративным инструкциям;
• примерам прошлых работ;
• перепискам;
• программному коду;
• голове опытного сотрудника.

Навыки позволяют вынести повторяемый способ работы в отдельный объект, который можно хранить, менять и использовать снова.

Что такое Agent Skills и откуда они появились

Формат Agent Skills разработала Anthropic.
Компания представила Agent Skills 16 октября 2025 года как способ передавать ИИ-агентам специализированные инструкции, программы и дополнительные материалы для выполнения определённых задач.

18 декабря 2025 года Anthropic объявила о публикации Agent Skills как открытого стандарта, рассчитанного на использование разными совместимыми системами.

Поэтому сегодня неправильно описывать навыки исключительно как возможность Claude.

Поддержка формата появилась и в других ИИ-средах, включая решения OpenAI, GitHub Copilot, Gemini CLI и Microsoft.

При этом открытый стандарт не означает, что любой конкретный навык гарантированно заработает без изменений в любой системе. Он может зависеть от определённых инструментов, программ, доступа в интернет или возможностей конкретной платформы.

Главная идея здесь важнее конкретного производителя:

сохраняется не готовый ответ искусственного интеллекта, а способ получения результата.

Допустим, компания каждую неделю готовит управленческий отчёт.
Можно создать навык:
“Подготовить еженедельный отчёт руководителя”

И зафиксировать в нём:

• какие данные нужны;
• какие показатели рассчитывать;
• какие отклонения считать важными;
• в каком порядке проводить анализ;
• какие выводы нельзя делать без подтверждения;
• каким должен быть итоговый документ;
• что проверить перед завершением.

Получается уже не одноразовая команда, а повторно используемый способ работы.

Что такое SKILL.md

В основе навыка находится папка, внутри которой обязательно должен быть файл SKILL.md.

Самый простой вариант выглядит так:

weekly-management-report/
- SKILL.md

Файл состоит из двух основных частей.

Сначала идёт короткий служебный блок, который сообщает системе:

• название навыка;
• что он делает;
• когда его использовать.

После него находится сама рабочая инструкция.

Минимальный пример может выглядеть так:

---
name: weekly-management-report
description: Подготавливает еженедельный управленческий отчёт. Использовать для анализа показателей компании за неделю.
---

# Еженедельный управленческий отчёт

Перед началом:
- получить данные за текущую и предыдущую неделю;
- проверить полноту данных;
- определить значимые отклонения.

Порядок работы:
1. Рассчитать показатели.
2. Сравнить их с предыдущим периодом.
3. Выделить существенные изменения.
4. Проверить возможные причины.
5. Подготовить краткий управленческий вывод.

Перед завершением:
- перепроверить цифры;
- не выдавать предположение за установленную причину;
- указать, каких данных не хватает.

Два технических поля в начале файла имеют английские названия:

• name - название навыка;
• description - описание того, что он делает и когда нужен.

Это часть спецификации Agent Skills. Сама инструкция при этом может быть написана на обычном русском языке.

Что ещё может входить в навык

Обязателен только SKILL.md.
Но рядом с ним можно хранить другие материалы.

Например:

weekly-management-report/
- SKILL.md
- scripts/
- references/
- assets/

Эти папки не обязательны. Это один из способов организовать содержимое навыка.

Программы

В папке scripts могут находиться небольшие программы, которые агент способен запускать, если его рабочая среда это поддерживает.

Например:

• пересчитать таблицу;
• проверить структуру данных;
• преобразовать файл;
• сформировать диаграмму;
• проверить готовый документ.

Справочные материалы

В references можно хранить документы, необходимые при выполнении работы.
Например:

• внутренний регламент;
• методику расчёта;
• инструкцию по продукту;
• справочник;
• требования законодательства.

Шаблоны и другие ресурсы

В assets могут находиться:

• шаблоны документов;
• изображения;
• таблицы;
• примеры;
• другие исходные материалы.

В результате навык может быть не огромным промптом, а небольшой папкой, в которой собран способ выполнения конкретной работы.

Как система понимает, какой навык использовать

Предположим, у компании есть 100 навыков.
Нет смысла перед каждым запросом полностью загружать инструкции всех ста.
Поэтому информация о навыках может подключаться постепенно.
Сначала системе достаточно знать:

• название навыка;
• его короткое описание.

Например:

Подготовка коммерческого предложения. Использовать, когда нужно собрать предложение клиенту на основании материалов встречи, действующих услуг и правил расчёта.

Пользователь пишет:

Подготовь коммерческое предложение после этой встречи.

Система может определить, что соответствующий навык подходит, и загрузить его основную инструкцию.

Если в процессе потребуется каталог услуг или шаблон документа, можно обратиться уже к конкретному дополнительному файлу.
Этот принцип называется progressive disclosure.
По-русски его проще описать как поэтапную загрузку нужной информации.

Практический смысл простой: агенту не приходится постоянно держать в рабочем контексте все инструкции и документы компании.
Он получает дополнительные материалы тогда, когда они действительно нужны.
Конкретное поведение зависит от платформы. Где-то навык выбирается автоматически, где-то пользователь также может подключить его явно.

Как это может работать в обычной компании

Вернёмся к коммерческому предложению.
Сейчас сотрудник может:

• читать расшифровку встречи;
• выписывать задачи клиента;
• смотреть перечень услуг;
• выбирать подходящие решения;
• рассчитывать стоимость;
• собирать документ;
• проверять формулировки.

Если просто передать материалы нейросети и написать:

Сделай коммерческое предложение.

результат будет сильно зависеть от того, насколько подробно человек описал правила именно в этом диалоге.
Теперь представим отдельный навык “Подготовить коммерческое предложение”.
В основной инструкции можно зафиксировать:

• какие исходные материалы обязательны;
• как анализировать встречу;
• как отделять слова клиента от предположений;
• как выбирать услуги;
• какие обещания запрещены;
• как рассчитывается стоимость;
• какой должна быть структура предложения;
• какие проверки обязательны перед завершением.

В справочные материалы добавить:

• каталог услуг;
• правила ценообразования;
• описание продуктов;
• примеры хороших предложений.

В шаблоны:

• утверждённую структуру документа.

При необходимости можно добавить программу, которая проверит наличие обязательных разделов.
Получается уже не просто “ИИ умеет писать текст”.
Мы передаём системе часть способа выполнения работы.

Но сама функция от этого ещё не становится полностью автоматизированной.
Наличие навыка не означает, что агент автоматически получил доступ к CRM, почте или внутренним документам. Для этого всё равно нужны технические подключения, разрешения и соответствующие инструменты.

Чем Agent Skills отличаются от промптов, MCP, памяти и инструментов

Здесь возникает больше всего путаницы.

Промпт

Промпт - это запрос или инструкция для конкретной ситуации.
Например:

Проверь этот договор и выдели риски.

Навык отвечает на более широкий вопрос:

Как именно у нас принято проверять договоры?

В него можно включить порядок проверки, классификацию рисков, необходимые документы, формат результата и финальные проверки.

Промпт говорит ИИ, что нужно сделать сейчас. Навык хранит повторно используемый способ выполнения такого типа работы.

Простой навык действительно может быть похож на сохранённый промпт.

Но навык может содержать не только текстовую инструкцию, а ещё справочные материалы, шаблоны и программы.

Инструмент

Инструмент даёт техническую возможность что-то сделать.
Например:

• открыть сайт;
• выполнить поиск;
• прочитать документ;
• обратиться к CRM;
• отправить письмо.

Навык описывает, как использовать доступные возможности для выполнения работы.

Инструмент отвечает на вопрос “что система умеет сделать”. Навык отвечает на вопрос “как выполнять эту работу”.

MCP

MCP, или Model Context Protocol, можно по-русски описать как протокол подключения ИИ-приложений к внешним данным и инструментам.
Например, через такое подключение агент может получить доступ:

• к базе данных;
• к файловому хранилищу;
• к корпоративному сервису;
• к другим рабочим системам.

Навык решает другую задачу. Он описывает процедуру работы.
Поэтому MCP и Agent Skills не заменяют друг друга.

MCP даёт ИИ доступ к данным и инструментам. Навык объясняет, как использовать доступные возможности для выполнения работы.

Подробнее сам протокол описан в официальной спецификации MCP.

Память

Память хранит контекст прошлого.
Например:

Клиент попросил не включать услугу внедрения.

Навык хранит способ работы:

Вот процедура подготовки коммерческого предложения.

Память хранит прошлый контекст. Навык хранит процедуру.

Для одной задачи агенту могут понадобиться и память, и навык. Отдельно про роль памяти я писал в статье «Память компании - это не только память агентов».

База знаний

База знаний содержит факты и документы:

• описание продуктов;
• инструкции;
• договоры;
• регламенты;
• действующие тарифы.

Навык описывает, что с этими знаниями делать.

База знаний помогает узнать:

Какие тарифы сейчас действуют?

Навык объясняет:

Какие данные проверить, как выбрать подходящий тариф и как использовать результат в коммерческом предложении.

ИИ-агент

Агент - более широкий рабочий контур.
Он может:

• получить задачу;
• понять контекст;
• выбрать навык;
• обратиться к памяти;
• получить данные;
• использовать инструменты;
• выполнить последовательность действий;
• проверить результат;
• передать сложный случай человеку.

Навык не является отдельным ИИ-агентом. Это одна из частей его рабочего контура.

Если сильно упростить всю архитектуру:

Данные говорят, с чем работать.
Инструменты дают возможность действовать.
Навык объясняет, как выполнять работу.
Агент связывает всё это при выполнении задачи.

Именно эта схема, на мой взгляд, лучше всего объясняет место навыков в современной ИИ-системе.

Зачем навыки ИИ нужны бизнесу

Здесь начинается уже не описание стандарта, а мой вывод из этой архитектуры.

Самое интересное в Agent Skills находится не в файле SKILL.md.
Гораздо важнее возможность постепенно переводить повторяющиеся способы работы компании в форму, которую способен использовать цифровой исполнитель.

Сегодня значительная часть рабочей экспертизы существует неформально.
Опытный сотрудник знает:

• что проверить сначала;
• какому источнику доверять;
• какое исключение считать критичным;
• какое действие нельзя выполнять без согласования;
• что руководитель считает хорошим результатом.

Часть этих правил записана в регламентах.
Часть находится в переписках.
Часть существует только в голове людей.

А иногда правила вообще становятся заметны только после ошибки:

Нет, сначала проверяем другое.
Этот источник использовать нельзя.
Здесь обязательно согласование.
Такой результат клиенту не отправляем.

Если подобные правила повторяются, их можно постепенно оформлять как рабочие навыки для ИИ.

Так внутри компании потенциально может появиться собственная библиотека:

• проверить договор;
• подготовить коммерческое предложение;
• собрать еженедельный отчёт;
• квалифицировать входящее обращение;
• проверить публикацию перед выпуском;
• исследовать конкурента;
• подготовить карточку товара;
• проверить данные перед импортом.

Это не означает, что все эти функции сразу становятся автономными.

Но появляется важный промежуточный слой:

способ выполнения работы становится отдельным управляемым цифровым объектом.

Его можно:

• хранить;
• редактировать;
• проверять;
• улучшать;
• использовать повторно;
• передавать другим агентам;
• применять всей командой;
• хранить историю изменений.

Идея корпоративной библиотеки рабочих навыков как самостоятельного цифрового актива компании пока является моим выводом, а не установленным фактом рынка.
Но именно эта перспектива кажется мне значительно интереснее коллекций в духе “50 лучших скиллов для нейросети”.

Навык не исправляет плохой процесс

Есть важное ограничение.
Если в компании никто не понимает, как правильно должна выполняться работа, навык эту проблему автоматически не решит.

Допустим, 5 сотрудников готовят один отчёт 5ю разными способами.
Непонятно:

• какие показатели действительно нужны;
• какие источники правильные;
• что считать отклонением;
• кто проверяет результат;
• для какого решения вообще нужен этот отчёт.

Технически можно создать SKILL.md.
Но тогда мы просто зафиксируем один из спорных способов работы.

Поэтому перед созданием рабочего навыка полезно ответить на обычные управленческие вопросы:

• Что за работа выполняется?
• Что приходит на вход?
• Что должно получиться на выходе?
• Какие правила обязательны?
• Какие исключения существуют?
• Как проверить результат?
• В каких случаях нужен человек?

И только после этого переводить процедуру в инструкцию для ИИ.

Что навыки не решают

Навыки легко переоценить.
Сам по себе навык не обеспечивает:

• доступ к корпоративным системам;
• необходимые разрешения;
• актуальность данных;
• постоянную память;
• правильность каждого решения;
• обработку всех исключений;
• контроль качества;
• автоматический запуск по событию;
• безопасность всей системы;
• ответственность за бизнес-результат.

Например, наличие навыка “Контролировать просроченные сделки” ещё не означает, что в компании появился работающий цифровой контролёр продаж.
Системе дополнительно могут понадобиться:

• доступ к CRM;
• запуск по расписанию или событию;
• критерии просрочки;
• необходимые данные;
• возможность отправить уведомление;
• журнал действий;
• обработка ошибок;
• правила передачи сложных случаев человеку.

Навык - часть архитектуры, но не вся архитектура.

Безопасно ли устанавливать чужие навыки

К рекомендациям в духе:

Установите 20 навыков, и ваш ИИ станет в 10 раз умнее.

я бы относился осторожно.
Некоторые навыки состоят почти только из текстовых инструкций.
Но формат позволяет включать программы и другие ресурсы. Сами инструкции также влияют на поведение агента.

Поэтому сторонний навык разумнее воспринимать не как безобидный текст из интернета, а как внешнюю программную зависимость.

Microsoft прямо рекомендует проверять сторонние навыки как сторонний код: читать SKILL.md, программы и ресурсы, оценивать источник и ограничивать ненужные доступы.

Перед использованием стоит проверить:

• кто автор;
• что написано в SKILL.md;
• какие дополнительные файлы используются;
• запускаются ли программы;
• какие зависимости требуются;
• нужен ли доступ в интернет;
• какие данные будут обрабатываться;
• какие инструменты сможет использовать агент;
• какие действия он сможет выполнить.

Чем больше полномочий у агента, тем важнее такая проверка.

Когда компании стоит создать собственный навык

Я бы использовал несколько простых критериев.

Работа повторяется

Одноразовую задачу обычно проще решить обычным запросом.

Одни и те же правила приходится объяснять снова

Если вы постоянно повторяете ИИ одинаковые инструкции, это очевидный кандидат.

Существует понятная процедура

Не обязательно иметь регламент на сто страниц.
Но должно быть понятно, какие основные шаги приводят к результату.

Результат можно проверить

Если невозможно определить, хорошо выполнена работа или плохо, передавать её агенту опасно независимо от наличия навыка.

Есть постоянные материалы

Например:

• шаблоны;
• справочники;
• правила бренда;
• инструкции;
• примеры.

Навык нужен повторно

Особенно интересны процедуры, которые используются:

• регулярно;
• несколькими сотрудниками;
• несколькими агентами;
• в разных проектах.

С чего начать

Я бы не начинал с установки сотни чужих навыков.
Лучше посмотреть на собственную работу за последнюю неделю и задать один вопрос:

Какую задачу я уже несколько раз объяснял искусственному интеллекту почти одинаковыми словами?

Например:

• подготовить статью;
• проанализировать клиента;
• проверить документ;
• собрать отчёт;
• провести исследование;
• подготовить презентацию;
• проверить код;
• оформить задачу для разработчика.

После этого выписать:

1. Когда возникает эта работа.
2. Что требуется на входе.
3. Какие шаги обычно выполняются.
4. Какие правила нельзя нарушать.
5. Какие материалы используются.
6. Как выглядит готовый результат.
7. Как результат проверяется.

Это уже основа первого собственного навыка.
И здесь, на мой взгляд, находится главная идея Agent Skills.

Не в том, что появился ещё один формат файла.

А в том, что способы выполнения повторяющейся работы, которые раньше существовали в головах людей, документах, промптах и переписках, теперь можно оформлять как отдельные инструкции и ресурсы для цифровых исполнителей.

Поэтому вопрос для бизнеса со временем может звучать не только так:

Какую модель использовать?

Но и так:

Как именно у нас принято выполнять эту работу, и можем ли мы описать этот способ достаточно хорошо, чтобы им пользовался ИИ?

Частые вопросы

Что такое Agent Skills простыми словами?

Agent Skills - это формат, который позволяет сохранить способ выполнения повторяющейся работы в виде отдельного набора инструкций и дополнительных материалов для ИИ-агента.

Что такое SKILL.md?

SKILL.md - обязательный основной файл навыка по стандарту Agent Skills. В нём находится название, описание назначения навыка и инструкции по выполнению работы. Рядом могут храниться программы, справочные материалы, шаблоны и другие ресурсы.

Навык ИИ - это просто сохранённый промпт?

Нет.
Простой навык может быть похож на сохранённую инструкцию, но формат позволяет добавлять справочные материалы, шаблоны и программы. Навык также существует как отдельный повторно используемый пакет.

Можно ли использовать один навык в разных ИИ-системах?

Agent Skills создавался как открытый переносимый формат, и его поддерживают разные продукты. Но конкретный навык может зависеть от определённой среды, программ, инструментов или сетевого доступа, поэтому совместимость нужно проверять отдельно.

Нужен ли программист для создания навыка?

Для простого навыка - нет.

Базовый вариант представляет собой текстовый SKILL.md с инструкциями. Программирование понадобится, если нужны собственные программы, интеграции или другие технические компоненты.

Может ли навык запускать программы?

Да, если конкретная агентная среда это поддерживает. В состав навыка могут входить программы, используемые при выполнении работы.

Заменяют ли Agent Skills MCP?

Нет.
MCP помогает подключать ИИ к внешним данным и инструментам. Навык описывает способ выполнения работы. Эти механизмы могут использоваться вместе.

Безопасно ли устанавливать навыки из интернета?

Не автоматически.
Перед использованием стороннего навыка стоит проверить его автора, инструкции, дополнительные файлы, программы, необходимые разрешения и доступы.

Основные источники

Фактологическая часть статьи опирается прежде всего на:

• Anthropic: Agent Skills;
• открытую спецификацию Agent Skills;
• OpenAI: Skills;
• GitHub Copilot: About agent skills;
• Gemini CLI: Agent Skills;
• Microsoft Agent Framework: Agent Skills;
• официальную спецификацию MCP.