2025年10月16日，Anthropic推出了Skills的概念。起初Anthropic官方对它的定位还仅仅是用来提升Claude在某些特定任务的表现。但一经推出受到了人们的强烈推崇，行业内很快也都跟进了脚本，像VS code、Cursor、Codex也都很快支持了Agent Skills。
在这样的背景下，Anthropic在2025年12月18日发布为开放标准，实现了跨平台、可移植性的开放标准。
这意味着Agent Skills已经超越了单一Claude上的应用，正在演变成为AI Agent领域的一个通用设计模式。
Agent Skills 是什么
为了彻底给大家讲清楚Agent Skills，下面的内容会按照如下顺序介绍：
- 概念
- 基本用法
- 高级用法
- Reference
- Script
- 与MCP对比
那么，Agent Skills到底是做什么的呢？我们可以理解为：Agent Skills就是大模型（LLM）可以随时翻阅的一份说明文档或帮助文档。简单来说，Agent Skills可以提前让大模型提前根据说明书学会相应的技能。
举例来说：
| 智能客服Skill | 会议总结Skill | |
|---|---|---|
| 回答时请注意： | 请将会议内容总结为如下几点： | |
| 1、必须先安抚客户 | 1、参会人员 | |
| 2、不得随意承诺 | 2、议题 | |
| ... ... | 3、决定 |
那么我们就以【会议总结Skill】为示例，带着大家看下Skill到底是如何使用的。
Agent Skills 使用方法
我们以Claude Code为例，Claude Code想要使用Skills，就需要在项目路径下.claude/skills文件夹下放置自己的Skills文档。
接着，我们创建一个名称为meeting-summarizer的Skill文件夹，用vs code打开。接着我们放置一个SKILL.md，这个文件就是我们编写的Skill文档。
Skill文档分为两部分，一部分叫"元数据"，这一部分只写了name和description两个属性，name是Angent Skill的名称，必须和文件夹的名称相同；description表示这个Agent Skill的描述，主要就是给大模型说明这个Agent Skill是干什么的。
另一部分叫"指令"，也就是告诉大模型在相应的场景下应该采取什么对应的方式并按照我们的要求输出相应的内容。
好的，到这里我们的会议总结助手就可以试试用了。是不是很简单？我们先来看下Claude Code有没有读取到我们的会议总结助手；
可以看到，Claude Code已经知道了我们的Skill。输入一段会议内容，让Claude Code总结一下。
总结一下，用户使用Skill进行交互如下图所示： 
Agent Skills 高级用法（Reference）
到这里，相信大家已经明白的Agent Skill的基本用法，那么我们也会面临一些复杂的场景。当我们有一些特定场景时，需要大模型参考另外的说明文档，那么如果这样的文档很多的情况下，就会消耗很多的token，这也就有点违背Skills的初衷。例如，当我们有一份公司财务手册，我们希望在总结会议内容时，如果有提到费用、报销等内容时，才需要大模型读取公司财务手册。那么就要用到Reference了。
我们在Skill中已经写明了财务提醒这一项规则：
接着我们再用一段会议内容测试下： 
可以看到，大模型根据我们的要求读取了相关的文档并给出了更为详细的结论，这完美的符合我们的需求。在Agent Skill体系里，Company-Financial-Manual.md就是典型的Reference，它有一个典型特性，按条件触发。这就说明，如果没有条件触发，那么这个md文件只会躺在硬盘里，不会占用一丁点token。
Agent Skills 高级用法（Script）
说完了Reference，我们再来说说如何让Agent Skill跑代码执行逻辑，毕竟查资料只是第一步，后续也有很多场景会涉及逻辑的交互，能真正帮我们把活儿干到位了，这才是真正的自动化。
这就是Agent Skill的另一大能力------Script。
我们可以先创建一个python脚本，这个脚本用来模拟上传总结好的会议内容：
接着，我们在Skill文档中说明规则：
我们再来测试下效果： 
可以看到，我们这次给出的会议内容没有涉及到财务相关，大模型也就没有"理"那一份财务文档，给出的最终结果也没有相应的财务提醒相关内容。这再次说明印证了Reference是按需加载的。
如果用户没有提及与Reference相关的内容，Claude Code是不会读取相关Reference的，这样也就达到了节省token的目的。Claude Code只关心脚本的运行方法和结果，至于脚本的内容可以说毫不在意，所以也不会占用token的消耗。
总结一下，Reference是读，它会加载到上下文，所以会按需消耗token；而Script是跑，它只会按规则执行对应的脚本，不会消耗token。
Agent Skills 渐进式披露机制
Agent Skill的设计其实是一个精密的渐进式披露结构（Progressive Disclosure），这一结构一共有三层，每一层的加载机制都不太一样。
| 层级 | 组成 | 加载 |
|---|---|---|
| 元数据层（Metadata） | 名称（name）、描述（description） | 始终加载 |
| 指令层（Instruction） | SKILL.md除name和description之外的内容 | 按需加载 |
| 资源层（Resource） | Reference、Script | 按规则触发 |
Agent Skills 与 MCP 的区别
最后，Agent Skill与MCP有什么区别呢？其实这两者可以相辅相成，一起配合使用，从而达到让大模型更为精准的给出我们想要的结果。
如果我们用厨房来举例：
- MCP是"硬件"（厨房），Skills是"软件"（菜谱）；
- 有厨房没菜谱→不知道做什么、怎么做；
- 有菜谱没厨房→空有想法，无法做出美物的食物；
- 两者结合，才能做出一道好菜（创造出价值）。
总结一下，以Claude Code为背景：
| MCP（连接能力） | Skills（知识） |
|---|---|
| 将Claude连接到你的各种服务（比如Notion、天气服务等） | 教会Claude如何有效使用你的服务 |
| 提供实时数据访问和工具调用能力 | 捕捉工作流程和最佳实践 |
| Claude能做什么（What） | Claude应该怎么做（How） |
附件为示例的工程。