Какие навыки агента помимо навыков Клода?

Как разработать и внедрить навыки агентов для пользовательских агентов вне экосистемы Claude

Делиться

Навыки агентов были представлены компанией Anthropic 16 октября 2025 года как способ расширения возможностей Claude за счет многократно используемых функций. В течение нескольких месяцев эта концепция получила распространение в сообществе ИИ и начала развиваться в более широкий шаблон проектирования для создания модульных, переносимых возможностей агентов, выходящих за рамки самого Claude.

Как специалист по искусственному интеллекту, я довольно давно использую Claude Code и видел множество руководств, объясняющих, как создавать навыки агентов в экосистеме Claude. Однако, когда я попытался реализовать ту же концепцию для нашего корпоративного решения, не полагаясь на Claude, я быстро столкнулся с другим набором вопросов проектирования. Что именно определяет «навык агента»? Как его следует структурировать? И как навыки должны запускаться и координироваться в пользовательской среде агентов?

В Claude типичный навык агента определяется как файл Markdown, содержащий имя, описание, инструкции и скрипты. Этот интерфейс на естественном языке хорошо работает во многих ситуациях, особенно когда допустима неоднозначность. Но в производственных системах точность часто важнее гибкости. Одна из повторяющихся проблем, с которой я столкнулся, — это запуск навыков: иногда навык был мощным и хорошо продуманным, но Claude не мог его активировать, потому что описание было слишком расплывчатым.

Для наших агентов мне нужны более строгие гарантии — навыки, которые срабатывают детерминированно и ведут себя последовательно каждый раз. Это требование привело меня к реализации навыков непосредственно на Python с явной логикой. Но это подняло интересный архитектурный вопрос: если навык реализован исключительно в коде, чем он отличается от инструмента, функции или просто другой функции? Даже если эти навыки многократно используются и вызываются по запросу, что на самом деле делает их навыками агентов?

В этой статье рассматриваются эти вопросы и предлагается практический взгляд на разработку и внедрение навыков агентов для создания собственных ИИ-агентов без использования алгоритма Клода.

Навыки агента против инструментов против функций

Инструмент — это примитивная способность или отдельное действие, которое может совершить субъект. Каждый инструмент выполняет одну конкретную функцию. Инструменты — это отдельные приспособления, такие как молотки, пилы и дрели.

• Например: Инструменты Клода включают в себя такие функции, как bash_tool (выполнение команды), web_search (поиск в интернете), view (чтение файла), str_replace (редактирование файла), web_fetch (получение веб-страницы), places_search , weather_fetch и так далее.

Навык — это набор инструкций о том, как эффективно использовать несколько инструментов для выполнения сложной задачи. Навык не дает мне новых возможностей. Он дает агентам экспертные знания в эффективном сочетании существующих инструментов. Навыки подобны подробному рецепту, который указывает агентам, какие инструменты использовать, в каком порядке и каких ошибок следует избегать.

• Пример: Например, навык docx указывает Клоду использовать bash_tool для выполнения команды npm install docx , затем написать код JavaScript, используя определенные шаблоны, затем снова запустить bash_tool для проверки результата, а затем использовать present_files для его отправки.

Функция — это концепция на уровне продукта, или то, что пользователь видит и может включать или выключать. Функция активируется путем предоставления агенту доступа к определенным инструментам и навыкам.

• Примеры: «Выполнение кода и создание файлов», «Веб-поиск» и «Артефакты» — это функции. Таким образом, функция «создание файлов» обеспечивается инструментом bash, инструментом создания файлов, различными навыками работы с документами и инструментом present_files, которые работают вместе.

Навыки — это то, что заполняет пробел между простым доступом к инструменту и высококачественным результатом. Без навыка работы с docx Клод технически все еще мог бы создать документ Word, но при этом мог бы упустить такие моменты, как «всегда явно указывайте размер страницы, поскольку docx-js по умолчанию использует формат A4» или «никогда не используйте маркеры Unicode».

Обязательно ли навыки агентов должны быть в формате файлов Markdown?

Не обязательно. Понятие «навыки агента» шире, чем просто формат.

Навык — это, по сути, кодифицированное экспертное знание того, как хорошо выполнить задачу . Это экспертное знание может принимать множество форм:

• Файл в формате Markdown с инструкциями (типичный навык агента Клода).
• Скрипт на Python, который выполняет эту работу напрямую.
• Файл конфигурации или JSON-схема
• Набор примеров входных и выходных данных.
• Сочетание всего вышеперечисленного

В моем случае скрипт на Python кажется подходящим, потому что мне нужно детерминированное и надежное выполнение каждый раз без каких-либо отклонений. Это быстрее, дешевле и предсказуемее для процедурного процесса. Подход с использованием инструкций Markdown становится ценным, когда задача связана с неоднозначностью или необходимостью принятия решений. Иногда нам нужны инструкции по чтению и рассуждения о том, что делать дальше, чтобы повысить эффективность по сравнению с жестким скриптом.

Также распространен гибридный подход. Я могу сохранить свой код на Python и преобразовать его в инструментальную реализацию, но добавить файл навыка в формате Markdown, который поможет агентам понять, когда следует вызывать мой навык и как интерпретировать результаты. Типичная итерация продукта может начаться с реализации на Python и постепенно включать инструкции в формате Markdown, в конечном итоге формируя гибридную архитектуру навыка.

Навыки агента против MCP? Навыки агента + MCP!

Наши агенты уже подключаются к источникам данных через серверы MCP, но многие из навыков наших агентов также включают возможность прямого чтения из баз данных. Это поднимает практический архитектурный вопрос: когда агенту следует использовать MCP, а когда эта возможность должна быть встроена в навык?

В книге «Антропик» это различие объясняется наглядно с помощью полезной кухонной аналогии:

MCP предоставляет Клоду доступ к данным; Skills учит Клода, что делать с этими данными.

• MCP предоставляет профессиональную кухню – доступ к инструментам, ингредиентам и оборудованию.
• Навыки предоставляют рецепты — инструкции, которые указывают агенту, как использовать эти ресурсы для создания чего-то ценного.

В своей разработке я рассматриваю соединения MCP как инфраструктуру , а навыки — как инструменты организации использования данных .

Серверы MCP отвечают за предоставление доступа к внешним источникам данных и сервисам. Например, они могут обеспечивать структурированный доступ к базам данных, журналам, API или внутренним системам. Их роль заключается в том, чтобы сделать эти ресурсы доступными для агента стандартизированным способом.

С другой стороны, навыки агента определяют, как агент должен использовать данные с серверов MCP и других баз данных для выполнения задачи.

По этой причине я обычно реализую следующее:

• Доступ к базам данных, API и извлечение данных как инструменты (или возможности MCP)
• Логика принятия решений и рабочие процессы как навыки агента.

Навыки в рамках программы «Agent RAG»

В идеале, навыки агента динамически загружают информацию из инструментов при их выполнении. Это делает данную модель очень похожей на агентное генерацию с расширенным поиском (RAG) .

Вместо предварительной загрузки всего контекста в подсказку, навык может:

1. Определите, какая информация ему необходима.
2. Получите необходимые данные с помощью инструмента или сервера MCP.
3. Обработайте эти данные в соответствии с инструкциями.
4. Создайте конечный результат.

Такой подход позволяет сохранить легковесность агентов, одновременно предоставляя навыкам доступ к большим или изменяющимся наборам данных по запросу.

Заключение

Anthropic внесла важный сдвиг парадигмы, и реализация навыков агентов Клода служит ценным источником вдохновения для создания собственных систем агентов. Пока наши навыки отражают основную цель, для которой они предназначены, а именно — инкапсуляцию многократно используемых возможностей по запросу для агента, конкретный формат и детали реализации могут различаться. В конечном итоге, решения о том, когда и как использовать навыки, должны определяться потребностями и ограничениями создаваемого нами продукта.

Спасибо за прочтение! Надеюсь, это было вам полезно.

Элисон Юхан Яо Посмотреть все от Элисон Юхан Яо

Источник: towardsdatascience.com