继 MCP 之后，Anthropic 再放大招：Agent Skills 正式发布为开放标准！-洪萨配资

大家好，我是Tony Bai。

就在刚刚（美国时间2025年12月18日），Anthropic 正式宣布将Agent Skills发布为开放标准。

这是继2024年末推出MCP (Model Context Protocol)标准之后，Anthropic 在构建 AI 开放生态上的又一记重拳，彻底补齐了 AI 原生应用的“能力层”拼图。

如果说MCP是 AI 时代的“USB 接口”，解决了大模型连接外部工具与数据（如 GitHub, Google Drive）的标准化问题；

那么Agent Skills就是 AI 时代的“通用驱动程序”，它定义了 AI 该如何使用这些工具来完成复杂的业务流程。

OpenCode, Cursor, Letta 等头部开发工具已率先宣布支持。这意味着，开发者编写一套 Skill，就可以在所有支持该标准的 AI 平台（Claude Code, Cursor 等）上无缝运行。

AI 开发终于告别了“手搓 Prompt”的草莽时代，进入了“标准化封装”的工业时代。

简单来说，Skill 就是一个可移植的“能力包”。

在物理形态上，它就是一个文件夹，里面包含了让 AI 完成特定任务所需的指令（SKILL.md）、脚本（Scripts）和资源（Resources）。

你可以把它想象成给 AI 安装的一个“APP”或“岗位 SOP”。

根据agentskills.io的官方规范，Skill 拥有一个极具工程价值的特性：渐进式披露 (Progressive Disclosure)。

这意味着你可以给一个 Agent 装备 1000 个技能（从写 SQL 到查财报），但平时只占用极少的上下文（Context），只有在干活时才调用相关记忆。这完美解决了长期以来困扰开发者的Token 浪费和上下文干扰问题。

在研究了 Anthropic 的技术文档后，我整理了开发者最容易混淆的几个概念：

Q1: Skill 和 Prompt 有什么区别？

Prompt (提示词)：是反应式的、一次性的。比如“帮我润色这段代码”。它通常不跨会话持久化。
Skill (技能)：是主动式的、持久化的。比如“公司 Java 编码规范与 CR 指南”。一旦安装，AI 在任何对话中都知道应当遵守这套规范。

Q2: Skill 和 MCP 到底怎么分工？（关键）

这是一个经典的“硬件 vs 软件”的关系。

MCP (连接层)：它是管道。它让 Claude等大模型能“连上”你的 PostgreSQL 数据库等。它解决的是“能不能访问”的问题。
Skill (能力层)：它是逻辑。它教 Claude等大模型 “在查询这个数据库时，必须先检查权限，且不能使用SELECT *”。它解决的是“做得对不对”的问题。
最佳实践：用 MCP 建立连接，用 Skill 定义流程。

Q3: 我该如何开始？

Skill 的格式非常简单且开放。你只需要创建一个包含SKILL.md的目录。

--- name:code-review description:AnalyzecodebasedonOWASPtop10standards. --- # Instructions 1.CheckforSQLinjection...

这种“以文档定义能力”的轻量级模式，正是SDD (Spec-Driven Development)理念的极致体现。

随着 Agent Skills 的发布，AI 原生应用的架构分层终于清晰了。我们可以用一张图来看懂这个全新的生态栈：

对于开发者而言，“Prompt Engineering”正在消亡，而“Skill Engineering”正在兴起。

未来的高价值开发者，不再是那些会写漂亮提示词的人，而是那些能将企业隐性知识（Tacit Knowledge），封装成标准化的、可移植的 Agent Skills 的人。

Anthropic 提供了三种极简的集成路径：

Claude Apps 用户：直接在Settings > Capabilities > Skills中浏览目录并启用（类似安装 Chrome 插件）。
Claude Code 用户：将 Skill 文件夹放入项目目录，或从插件市场安装。
API 开发者：通过/v1/skills端点动态挂载技能。