Agent Skills - 技术栈

别再给Agent写if-else了！Anthropic Skills + Spring AI才是Java开发者的正确姿势

搞了半年AI Agent，我最大的感触是：大部分人把Agent做复杂了。恨不得把所有逻辑都塞进一个类里，if-else套if-else，跟2015年写Servlet有啥区别？

直到上个月Anthropic发布了Agent Skills规范，Spring AI紧跟着推出Agentic Patterns系列，我才反应过来------Agent的能力不该靠代码逻辑驱动，应该靠文件驱动。

先说问题：你的Agent为什么越做越乱

很多人做Agent的路径是这样的：

写个ChatService，调大模型API
觉得不够用，加Function Calling
函数越来越多，开始写if-else判断该调哪个
加MCP协议，连接外部工具
发现MCP连接的工具也需要编排，继续加代码
最后代码变成屎山，改一个功能牵一发动全身

说白了，你在用OOP的思维做Agent，但Agent需要的是声明式的能力描述。

Anthropic Skills：文件夹就是技能

Anthropic对Skills的定义极其简洁：一个Skill就是一个文件夹，核心只有一个SKILL.md文件。

复制代码

code-review/
  SKILL.md          # 必需：元数据 + 操作指南
  references/       # 可选：参考资料
  scripts/          # 可选：执行脚本
  examples/         # 可选：示例

看起来简单对吧？但这里有个范式转移------代码不再是Agent的全部，Markdown才是。

SKILL.md里面写什么？写的是AI执行这个技能的完整指南。比如一个代码审查Skill，SKILL.md里会写：

这个Skill做什么（审查Java代码）
审查哪些维度（安全、性能、可维护性）
输出格式是什么（Markdown报告）
参考规范（放在references/目录）

Agent运行时，读取SKILL.md，理解任务要求，调用scripts/下的脚本执行操作，然后按格式输出结果。整个过程，Agent不需要你硬编码任何逻辑。

Spring AI怎么接上这趟车

Spring AI在2026年初推出了Agentic Patterns，直接把Anthropic的Skills规范融入了Spring生态。这对Java开发者来说太重要了。

核心思路是：用Spring的方式管理Skill生命周期。

java 复制代码

@Service
public class CodeReviewSkill implements AgentSkill {

    @Override
    public String getName() { return "code-review"; }

    @Override
    public String getDescription() { return "审查Java代码的安全性和性能"; }

    @Override
    public SkillResult execute(SkillContext context) {
        // Agent自动读取SKILL.md并执行
        // 你只需要提供执行环境和数据
        return skillExecutor.run(this, context);
    }
}

不过说实话，我觉得最香的不是代码层面，而是Skill的即插即用。你的同事写了个自动生成周报的Skill？扔个文件夹过来就能用。线上需要加个Bug分析Skill？加个目录、写个SKILL.md，重启都不用。

Skills和MCP、A2A的关系

这块很多人搞混，我理一下：

MCP：Agent连工具的管道。比如Agent要查数据库、调API，走MCP协议
A2A：Agent之间对话的协议。Google推的，让不同Agent能互相发现、协作
Skills：Agent能力的描述和执行方式。一个Skill可以调用MCP连接的工具，也可以通过A2A委派任务给其他Agent

划重点：MCP是手，A2A是嘴，Skills是脑子。

一个完整的Agent架构应该是这样的：Skill告诉Agent该干什么，MCP提供干活的工具，A2A让Agent能在搞不定时找帮手。

踩坑：三个我走过的弯路

坑1：把Skill当微服务写

一开始我给每个Skill写了完整的Controller、Service、Repository，部署到独立端口。结果Skill之间通信比微服务还复杂。后来发现，Skill就是一个文件夹，Agent运行时直接读文件就行，别搞那么重。

坑2：SKILL.md写得太抽象

"请审查代码质量"------这种描述Agent根本不知道该做什么。要具体："检查SQL注入风险、空指针异常、线程安全问题，输出Markdown格式的审查报告"。越具体，Agent执行越靠谱。

坑3：忽略Skill的版本管理

Skill改了逻辑但没记录版本，线上Agent行为突然变了还找不到原因。建议SKILL.md里加版本号，用Git管理Skill文件夹。

写在最后

2026年做AI Agent，别再从零搭框架了。Anthropic的Skills规范 + Spring AI的Agentic Patterns，已经给出了一条清晰的路径：

声明式定义能力，文件驱动执行，Spring管理生命周期。

如果你还在给Agent写if-else，建议花一个下午看看Spring AI的Skill实现。就算不用Spring AI，Anthropic的Skills设计思路也值得借鉴。

有问题评论区聊～

相关链接：