Agent开发-Agent Skills是什么

Skills一开始是由Claude发布的一种**为跨平台可移植性的开放标准。**它是指一个包含指令、脚本和资源的有序文件夹，代理可以动态发现并加载这些文件夹，从而更好地完成特定任务。

一般来说，一个完整的Skill，包含以下文件：

为什么它能解决 Context 膨胀？

因为它采用了渐进式披露 (Progressive Disclosure) 的机制：

Discovery (扫描)：Agent 启动时，只读取 SKILL.md 里的 name 和 description。内存占用极小，只为了“知道有什么”。
Activation (激活)：只有当你的任务匹配到某个简介时（比如“处理 PDF”），Agent 才会动态加载完整的 SKILL.md 正文到 Context 中。
Execution (执行)：根据指令，按需调用 scripts 里的代码或读取 references 里的文档。

Skills有三个核心特点，也是它火起来的原因。

可组合。多个Skills可以协同工作，AI自动判断需要哪些，形成可复用的能力链。

可移植。同一个skill，Claude Code、Codex、Cursor、OpenCode都能用，不用改一行代码。

高效。只加载需要的，不浪费token和上下文长度。把上下文留给当下任务，而不是反复解释规则。

Agent Skills最大的改变就在于渐进式披露，其本质依然是行业中大家都在不断优化的提示词工程和上下文工程，其对提示词做了标准化拆分，通过在本地创建相关文件并控制文件的读取，只在Agent需要时自主且自动加载内容。

就单拿提示词来说，我们在调用MCP时总要描述很多的工具提示词，在没有执行前，工具描述先把 Context 占满了。

反观Skills，Agent 最初只加载多个 Skills 的元数据（每个 Skill 占用几百 token），当 Agent 认为需要使用某个具体的 Skill，就会读取这个 Skill.md 说明（几千 token）

Skill 里还可以无限嵌套下去，告诉 Agent，想要深入了解某个具体问题，还可以继续读取哪份文件。