Agent Skillsは何が革新的？｜AnthropicのAAIF寄贈で変わるAIの使い方

Agent Skillsの仕組みとAAIF寄贈を、人とAIの共同作業で表したアイキャッチ AIを知る

「前に直したところを、次の仕事でも反映してほしい」。AIで文章や資料を作っていると、同じ説明を繰り返す場面があります。うまく仕上がった成果物は残っても、そこに至るまでの確認手順や判断基準が、会話の中に埋もれてしまうからです。

その「仕事のやり方」を、AIが使える形で残す仕組みが Agent Skills（エージェント・スキル） です。2026年10月22日、Anthropicはこのオープン標準を、Linux Foundation傘下のAgentic AI Foundation（AAIF）へ寄贈すると発表しました。財団側も同日、受け入れを公表しています。12

今回のニュースは、AIに教えた手順を複数の製品で使いやすくする規格が、より中立的な共同運営へ進むという話です。普段のAI活用にどうつながるのか、発表の意味から実践まで順番に見ていきます。

同じ説明を繰り返す状態から、再利用できる手順書へ整理する導入の場面
  1. 今回の発表で変わったこと
    1. 1社の機能から、複数社で支える共通基盤へ
    2. 「70超・100万・2.8億」は何を数えた数字か
  2. Agent Skillsとは？仕組みを理解する
    1. 中心にあるのは「SKILL.md」というテキスト
    2. 必要なときに、必要な深さまで読む
  3. 何が革新的なのか、3つの実務上の変化
    1. 「よい回答の見本」から、再利用できる作業手順へ
    2. 毎回の手直しを、手順そのものの改善につなげられる
    3. AIの判断と、決まった処理を組み合わせられる
  4. プロンプト・メモリ・MCPとの違い
  5. 別のAIへ、どこまで持ち運べるのか
  6. ニュース・集計・議事録で考える活用法
    1. ニュース記事や社内ニュースレター
    2. 月次レポートや表計算データの整理
    3. 議事録や引き継ぎ文書
  7. 最初の1つを作り、改善する手順
    1. まず仕事を仕上げ、その後で共通部分を取り出す
    2. SKILL.mdの中身は、このくらいから始められる
    3. 「動いたか」だけでなく、使わない場合とも比較する
  8. トークン削減と安全性を正しく判断する
    1. 「98％削減」は、作業全体の料金が98％減る意味ではない
    2. 第三者のスキルは、実行させる指示として確認する
  9. まず残すべきは、いつも直しているポイント
  10. 参考資料

今回の発表で変わったこと

共有の手順書を共同で育て、環境ごとの違いを確かめて再利用する概念図

今回の新しさを理解するには、「規格を公開すること」と「誰が規格の将来を決めるか」を分けると分かりやすくなります。Agent Skillsのオープン標準化は、今回より前に進んでいました。13

時期 出来事 意味
2025年10月16日 AnthropicがAgent Skillsを紹介 手順・資料・コードをまとめてAIに渡す仕組みが登場
2025年12月18日 オープン標準として公開 他社製品も採用できる共通形式として展開
2026年10月22日 AAIFへの寄贈を発表 規格を育てる運営体制の中立性を強化

最初の2つの日付はAnthropicの技術記事、今回の寄贈日は公式発表で確認できます。13

1社の機能から、複数社で支える共通基盤へ

AAIFは、AIエージェントに関する共通規格や基盤を、特定企業に偏らない形で育てる財団です。Agent Skillsは、すでに同財団が扱うMCPやAGENTS.mdなどとともに、その枠組みに加わりました。2

寄贈対象には、Agent Skillsの名称・ロゴ、GitHubの組織、公式ドメインが含まれます。Anthropic、Google、OpenAIなどの技術者が個人の立場で保守に参加し、AAIFに加盟しなくても利用や貢献を続けられます。1

利用者にとっての意義は、今後作り込む業務手順を、特定のAIサービスだけに結びつけずに済む可能性が広がることです。企業側も、部署ごとに違うAIを使いながら、仕事の進め方を共通化しやすくなります。これは中立的な運営と共通形式から期待できる効果であり、すべての製品で同じ動作を保証するものではありません。4

なお、バージョンを明示したリリース、正式な仕様変更の提案手続き、作成者・導入者向けのセキュリティ指針は、今後のロードマップとして提案された項目です。今回すべてが整備済みになったという発表ではありません。1

「70超・100万・2.8億」は何を数えた数字か

Anthropicの発表では、対応プラットフォームは70を超え、ChatGPT、Cursor、GitHub Copilot、VS Codeなどが例示されています。1

一方、公開スキル約100万件・インストール約2.8億回という数字は、AAIFが参照するVercelの調査をたどると、スキル配布サービス「skills.sh」の集計です。2026年9月25日公表の調査で、登録項目数と累積インストールのカウンターを示しています。世界全体の利用者数や、安全性を審査済みのスキル数ではありません。45

Agent Skillsとは？仕組みを理解する

SKILL.mdを必要な段階で読み、資料と道具を使う仕組み。モデルの再学習とは区別する

Agent Skillsは、特定の仕事を進めるための手順、判断基準、参考資料、必要に応じたプログラムを、ひとまとまりにする仕組みです。ここでいうAIエージェントは、依頼に応じて情報を読み、道具を使い、作業を進めるAIを指します。複数のAIでチームを組むことは必須ではありません。618

中心にあるのは「SKILL.md」というテキスト

最小構成は、フォルダの中に置いた SKILL.md というファイルです。冒頭にはスキルの名前と用途を書き、その下に作業手順を記載します。Markdownは、見出しや箇条書きを付けて文章を整理できる書式です。7

たとえば「毎週のニュース原稿を作るスキル」なら、次のような内容をまとめられます。

  • 手順書： 対象期間の確認、情報収集、既報との比較、執筆、事実確認。
  • 参考資料： 編集方針、用語集、完成した記事の見本。
  • ひな形： タイトル・導入・本文・出典を並べる形式。
  • 補助プログラム： 必要であれば、URLの重複除去や集計などの処理。

プログラムは必須ではありません。まずは文章で書いた手順だけでも始められます。ただし、文章に「表計算ファイルを編集する」と書くだけで、その操作に必要な道具まで追加されるわけではありません。実行能力は、利用するAIの環境に左右されます。710

必要なときに、必要な深さまで読む

Agent Skillsの特徴が、段階的開示（Progressive Disclosure）です。基本的には次の流れで読み込まれます。6

  1. 名前と説明を把握する。 どんな仕事に使えるスキルがあるかを知る。
  2. 該当する手順書を読む。 今回の依頼に必要な SKILL.md を読み込む。
  3. 追加資料を使う。 必要になった参考文書やひな形を開き、必要に応じて付属プログラムを実行する。

すべての仕事の詳細を最初から読ませず、今回の作業に関係する部分へ進める設計です。

また、この仕組みは、保存した手順をその都度参照するものです。スキルを追加しただけでAIモデル自体が再学習されるわけではなく、会話中の修正も、ファイルに反映されていなければ次回の手順には残りません。「育てる」とは、こうした手順や資料を改善していくことだと捉えると正確です。36

何が革新的なのか、3つの実務上の変化

判断基準と手順を残して改善し、AIの判断と決まった処理を組み合わせる概念図

指示文の保存や業務マニュアルは、以前からありました。Agent Skillsは、それらにAIが見つけて読み込む共通の形式と、関連資料・処理コードを一緒に扱う仕組みを組み合わせています。67

実務上の価値は、次の3点に整理できます。

「よい回答の見本」から、再利用できる作業手順へ

完成した記事を見本として渡すだけでは、「なぜその情報を採用したのか」「どの情報を落としたのか」までは伝わりません。スキルには、その前段階の判断も書けます。

ここで資産になるのは、見栄えのよい文章だけではありません。何を確認すれば、読者に出せる品質になるかという判断基準です。公式の作成指針も、一般論だけから作るより、実際の仕事での修正や入出力、固有の知識を取り込むことを勧めています。13

毎回の手直しを、手順そのものの改善につなげられる

月次レポートで、欠損値を勝手にゼロ扱いするミスが出たとします。そのレポートだけを直せば、次回も同じ確認が必要です。スキルへ「欠損値はゼロと区別し、集計前に一覧化する」と追加すれば、以後の作業にも使えるルールになります。

もちろん、記載しただけで遵守が保証されるわけではありません。それでも、直す対象が明確になり、変更前後を比較できる点は大きな違いです。チームで同じスキルを管理すれば、1人が見つけた改善を、ほかの担当者にも配布できます。414

AIの判断と、決まった処理を組み合わせられる

文章の論点を整理する作業と、数千行のデータを合計する作業では、適した方法が違います。スキルに処理用のプログラムを含めれば、計算や変換は定めた処理で行い、AIは結果の説明や例外の確認に集中できます。3

たとえば、売上の合計は集計プログラムで求め、数字の変化については元データを確かめながらAIが説明する構成です。毎回コードをゼロから書かせる代わりに、確認した処理を再利用できるため、業務のどこを安定させたいかに合わせて設計できます。

この組み合わせは、すべてを自然言語の指示だけで済ませるより、確認すべき箇所を切り分けやすくするという意味でも有用です。

プロンプト・メモリ・MCPとの違い

プロンプト、メモリ、Agent Skills、MCPが担当する4つの役割を組み合わせる概念図

似た機能が多いので、まず「何を担当する仕組みか」で整理します。以下は各公式説明を踏まえた使い分けです。8917

仕組み 主な役割 例
プロンプト 今回の依頼を伝える 「この会議メモから議事録を作って」
共通指示・プロジェクト指示 継続的に使う方針を伝える 表記ルール、作業範囲、基本の確認事項
メモリ 過去から引き継ぐ情報や好みを扱う 文体の好み、継続中の仕事の背景
Agent Skills 特定業務の手順一式を再利用する 議事録の分類、整形、抜け漏れ確認
MCP 外部のデータや道具との接続を共通化する 社内データベースや業務ツールにアクセスする

AGENTS.md や CLAUDE.md は、共通指示をファイルで伝える仕組みの例です。仕事全体の基本方針を置き、長い個別作業の手順をSkillsへ分けると、役割を整理しやすくなります。読み込み範囲などの詳細は製品ごとに異なります。911

特にMCPとは補完関係です。顧客管理システムへ接続できても、どの情報を確認し、どの条件で報告をまとめるかは別に決めなければなりません。その業務手順をSkillsにまとめ、接続にはMCPを使う、といった組み合わせができます。817

プラグインは、スキルや接続機能などをまとめて導入・配布する単位として使われます。また、「毎朝7時に実行する」といった開始時刻の管理には、別途スケジュール機能が必要です。Skillsそのものが、常時動く予約実行サービスというわけではありません。912

別のAIへ、どこまで持ち運べるのか

手順書を別のAIへ持ち運ぶ際に、移行先の道具・資料・接続・権限を確認する概念図

共通形式の利点は、仕事の手順を別の対応製品でも再利用しやすいことです。ただし、形式の互換性と、実行環境の互換性は分けて確認します。

たとえば「議事録を決定事項・未決事項・担当者別の作業に分ける」という文章中心のスキルは、比較的移しやすい部類です。一方、特定の外部サービスやプログラムを使うスキルでは、移行先にも必要な機能と権限があるかを確かめます。710

確認したいのは、主に次の点です。

  • 導入方法： どこへ置く、またはどう登録すれば、そのAIがスキルを認識するか。
  • 参照資料： 手順書が指定するひな形や参考ファイルも利用できるか。
  • 実行環境： 検索、ファイル操作、必要なプログラムの実行が可能か。
  • 接続と権限： 外部サービスへアクセスできるか。製品独自の設定に依存していないか。

実際、標準仕様はスキルの中身を定義していますが、全製品に同じ保存場所を義務づけてはいません。また、Claude Codeのように、共通仕様へ独自の実行制御などを加えている製品もあります。1011

2026年10月26日時点では、OpenAIの公式資料にもChatGPT・Codex双方のSkills対応が説明されています。ただし、単独のスキルと、プラグインに含めたスキルでは利用できる環境が異なります。対応製品名だけで判断せず、自分が使う画面・利用形態の導入方法を確認するのが確実です。12

オープン標準という言葉も、個々のスキルがすべて無料・公開であることを意味しません。自社用の手順を非公開で管理することもでき、配布されているスキルにはそれぞれの利用条件があります。7

ニュース・集計・議事録で考える活用法

ニュース、集計、議事録で、仕事固有の手順と確認基準を残す活用例

スキル化を検討しやすいのは、繰り返す仕事で、固有の手順があり、結果の良し悪しを判断できるものです。以下は使い方を説明するための設計例で、時短効果を実測した事例ではありません。

ニュース記事や社内ニュースレター

「最新ニュースをまとめて」だけでは、古い話題の再掲載や、発表時刻の時差、提供地域の違いを見落とすことがあります。スキルに残すのは、調べるサイトの名前だけでなく、情報を採用する条件です。

たとえば「対象期間は日本時間で判定する」「発表日と実際の提供開始日を分ける」「一次資料で裏付ける」「既報一覧があれば照合する」「未確認の機能は断定しない」といった手順を決めます。毎回渡すのは、今回の対象期間、テーマ、読者層などです。

確認する基準も具体化できます。期間外の情報が混じっていないか、記事中の数値を出典で確認できるか、発表された予定を提供済みとして書いていないか。この基準があれば、「読みやすいが事実は怪しい原稿」を見抜きやすくなります。

月次レポートや表計算データの整理

集計では、計算式以前に「何を数えるか」を揃えることが大切です。返品・取消をどう扱うか、欠損値をどう表示するか、どの期間と比較するかをスキルに記録します。

毎回渡すものは対象月のデータ。スキル側には列の意味、集計手順、必要なら処理プログラム、報告書のひな形を置きます。完成時は、合計が元データと一致するか、比較期間が揃っているか、数値の変化と説明が矛盾していないかを確認します。

ここでも、データから確認できない売上増減の理由をAIに断定させない、といった判断基準が役立ちます。

議事録や引き継ぎ文書

議事録なら、「決定事項」「検討中のこと」「次の作業」を分け、担当者と期限を原文から抽出する手順をまとめられます。担当者が書かれていなければ未確認とし、会話の雰囲気だけで合意を作らないルールも加えます。

単に毎回同じ見出しで出すだけでなく、記録に存在しない決定を足していないかまで確認する設計です。引き継ぎ文書なら、完了・未完了・未決定を分ける基準へ応用できます。

一度限りの質問は、通常のプロンプトで十分なこともあります。また、処理内容が完全に固定された計算や変換なら、表計算の関数や既存のプログラムの方が扱いやすい場合があります。すべてをSkillsに置き換える必要はありません。

最初の1つを作り、改善する手順

用途、入力、手順、出力、確認基準を整理し、別の入力で試して改善する流れ

初心者が始めるなら、いつも修正を加えている仕事を1つ選び、その修正を手順に変える方法が取り組みやすいでしょう。いきなり万能のスキルを作るより、完成条件がはっきりした仕事から始めます。13

まず仕事を仕上げ、その後で共通部分を取り出す

基本の流れは次のとおりです。

  1. AIと実際の仕事を1回完成させる。 必要な資料を渡し、納得できる状態まで修正する。
  2. 今回だけの条件と、次回も使う手順を分ける。 日付や題材を、そのまま固定ルールにしない。
  3. 用途・入力・手順・出力・確認基準を整理する。 使わない場面も明確にする。
  4. 利用環境に登録し、別の入力で試す。 前の会話がない状態でも通用するか確かめる。
  5. 修正点をスキルへ反映する。 変更履歴を残し、問題が出たら戻せるようにする。

作成をAIに頼むときは、たとえば次のように伝えられます。

いま完了した作業を、次回も使えるAgent Skillとして整理してください。今回だけの題材・日付・数値と、毎回使う手順を分け、使う場面、必要な入力、作業順序、出力形式、確認項目を明記してください。不明点を推測で固定せず、まず内容を確認できる形で提示してください。

「スキル化して」と頼んだあとも、保存先や登録状態、内容を確認します。文章が出力されたことと、次回のAIがそのスキルを見つけられることは別です。10

SKILL.mdの中身は、このくらいから始められる

以下は、ニュース原稿用に本記事で作った最小限の例です。公式スキルの転載ではありません。news-brief というフォルダの中へ SKILL.md として保存する想定で、導入場所は利用製品の案内に従います。710

 ---
 name: news-brief
 description: ニュースを調査し、出典付きの日本語記事の下書きを作るときに使う。調査を伴わない雑談や文章校正だけの依頼には使わない。
 ---

 # ニュース原稿を作る

 1. 対象期間、基準のタイムゾーン、テーマ、読者を確認する。
 2. 公式発表などの一次情報を優先し、発表日と提供開始日を区別する。
 3. 既報一覧が渡されている場合は、重複と続報を確認する。
 4. 確認できた事実、推測、未確認事項を分ける。情報不足を創作で補わない。
 5. タイトル、導入、見出し付き本文、参考資料の順にまとめる。
 6. 日付、数値、固有名詞、出典との対応を確認する。

 ## 完成条件
 - 各章に役割があり、同じ説明を繰り返していない。
 - 読者が使える条件や、確認が必要な点が分かる。
 - 下書きを出力し、公開や送信は依頼範囲に従う。

description に「何ができるか」と「いつ使うか」を書くのは、AIが適切なスキルを選ぶ手掛かりになるためです。本文が充実していても、用途が曖昧だと別の仕事で選ばれたり、必要なときに選ばれなかったりします。712

「動いたか」だけでなく、使わない場合とも比較する

最初の試し方として、通常の入力、情報が不足した入力、対象外の依頼を用意すると、手順と適用範囲の両方を確認できます。スキルを使わない場合と比べて、見落としや手直しが減ったかも見ます。

評価するのは見た目だけではありません。必要な確認が行われたか、数値が一致したか、人の修正時間が減ったかを見れば、実際に役立っているか判断できます。スキルの変更後や利用モデルの更新後にも、代表的な入力で再確認すると劣化を見つけやすくなります。1415

なお、スキルを増やしすぎると、用途の重複で選択が難しくなることがあります。関連する仕事をむやみに細分化せず、「これを使えば1つの仕事が完結する」というまとまりを意識します。1315

トークン削減と安全性を正しく判断する

情報量、仕事全体の効果、第三者スキルのアクセス範囲を別々に確認する概念図

Skillsを導入する価値は、実際の仕事で判断します。「使えば必ず速くなる」「標準化されているから安全」といった理解では、かえって使いどころを見誤ります。

「98％削減」は、作業全体の料金が98％減る意味ではない

トークンは、AIが文章を処理するときの単位です。必要になるまで詳細な手順を読み込まない仕組みは、最初に抱える文章量を抑える助けになります。

Anthropicの公式Cookbookに登場する「98％削減」は、初期コンテキスト、つまり最初に読み込む情報に関する説明です。スキルを使う段階では手順書の本文が読み込まれます。仕事全体のトークン、利用料金、所要時間が一律に98％減るという意味ではありません。16

調査回数や処理手順が増えれば、全体の負担が増えることもあります。導入前後で、完成までの時間、費用、修正回数を比較し、「自分の仕事で得をしたか」を確かめるのが実用的です。

第三者のスキルは、実行させる指示として確認する

スキルには、文章だけでなく実行コードや外部への接続指示が含まれる場合があります。悪意ある内容があれば、意図しない情報の送信や操作につながり得るため、公式文書も配布元と内容の確認を求めています。19

導入前には、少なくとも次を確認します。

  • 配布元と中身： 手順書、参照先、同梱コード、外部通信先が何をするものか。
  • アクセス範囲： その仕事に不要なファイルやサービスまで扱おうとしていないか。
  • 秘密情報： APIキーやパスワードをスキル本文や配布フォルダへ埋め込んでいないか。
  • 試す環境： まず検証用データで試し、送信・公開・削除などは業務に応じた確認を挟めるか。

人気や星の数、AIによる簡易レビューだけで安全性を保証することはできません。また、規格を財団が管理することと、公開されている個々のスキルを審査済みであることも別です。更新で内容が変わるため、仕事に組み込む際は、確認した版を把握しておきます。1519

まず残すべきは、いつも直しているポイント

AIモデルの性能が上がれば、不得意な処理を補うためのスキルは、役目が小さくなることもあります。それでも、自分の仕事で何を確認し、何を合格とするかという基準は、引き続き明示する価値があります。14

最初の1つには、繰り返している仕事を選び、「いつもAIに言い直していること」を書き出すとよいでしょう。それを手順に変え、別の入力で試す。今回の共通基盤づくりが支えようとしているのは、そうして蓄積したノウハウを、AIの選択が変わっても活かしやすくすることです。

AIエージェントの基本はチャット型AIとの違いを整理した記事、読み込む情報量の見直しはトークンの無駄を減らす方法も参考にしてください。

仕事で得た修正ポイントを手順書に残し、新しい仕事で使い始めるまとめの場面

参考資料

情報確認日：2026年10月26日。本文の仕組み・対応状況は下記の一次情報を確認し、活用例と導入手順の提案はそれらを踏まえて本記事で構成しています。日付の記載がないドキュメントは確認時点の内容です。

  1. Anthropic「Donating Agent Skills to the Agentic AI Foundation」（2026年10月22日）。寄贈の対象、70超の対応例、保守体制、ロードマップ案。
  2. Linux Foundation「Agentic AI Foundation Announces Four New Projects: Agent Skills, Open Responses, OpenEnv, and OpenSandbox」（2026年10月22日）。財団側の受け入れ発表。
  3. Anthropic「Equipping agents for the real world with Agent Skills」（2025年10月16日、2025年12月18日に標準公開の追記）。登場時期、設計思想、処理コード、改善方法。
  4. AAIF「Agent Skills: Sharing Team Expertise Across AI Agents」（2026年10月22日）。共同運営、業務知識の共有、普及統計の参照元。
  5. Vercel「State of agent skills」（2026年9月25日）。skills.shの登録・インストール集計と測定上の注記。
  6. Agent Skills「Overview」。定義と3段階の読み込み。
  7. Agent Skills「Specification」。必須項目、任意の資料・コード、互換性、ライセンス。
  8. Model Context Protocol「What is the Model Context Protocol (MCP)?」。外部システムとの接続規格。
  9. OpenAI「Customization」。共通指示、メモリ、スキル、外部接続などの役割。
  10. Agent Skills「How to add skills support to your agent」。発見・導入場所、読み込み、実行環境による差異。
  11. Anthropic「Extend Claude with skills」。Claude Codeの対応と独自拡張。
  12. OpenAI「Build skills」。ChatGPT・Codexでの対応、単独スキルとプラグイン、適用条件。
  13. Agent Skills「Best practices for skill creators」。実務からの抽出、適切な粒度、反復改善。
  14. Anthropic「Improving skill-creator: Test, measure, and refine Agent Skills」（2026年3月3日）。比較評価、モデル更新、スキルの種類と寿命。
  15. Anthropic「Skills for enterprise」。評価、スキルの競合、版管理、運用。
  16. Anthropic「Introduction to Claude Skills」。98％削減が初期コンテキストの説明である旨。
  17. Anthropic「Skills explained: How Skills compares to prompts, Projects, MCP, and subagents」（2026年3月5日）。各機能の補完関係。
  18. Anthropic「Building effective agents」（2024年12月19日）。エージェントの基本概念。
  19. Anthropic「Agent Skills」。アーキテクチャとセキュリティ上の確認事項。

ハッシュタグ

#AI #生成AI #AgentSkills #AI活用 #AITryLab

コメント

タイトルとURLをコピーしました