Agent Skills 标准详解：统一 AI Agent 技能包实现流程复用

Agent Skills 是面向 AI Agent 的开放标准，旨在让不同的 Agent 通过统一的“技能包”快速获取特定领域的知识、流程和工具能力。它把一次性写好的 Prompt 升级为可复用、可版本控制的资产，让团队经验可以像代码一样被管理和共享。下面带你快速了解它的工作原理、与 MCP 的区别以及实际使用场景。

工作机制

官方采用 Progressive Disclosure（渐进加载） 的方式：

Discovery（发现）

启动时只读取：

1
2

name: code-review
description: Review pull requests

Agent 知道有这个技能存在。

Activation（激活）

当用户提出：

帮我 Review PR

Agent 发现与该 Skill 匹配，随后加载完整的 SKILL.md。

Execution（执行）

按照 Skill 中定义的步骤执行：

• 分析代码；
• 运行测试；
• 输出审查报告。

必要时调用 Skill 附带的脚本。

为什么会出现这个项目？

当前大模型 Agent 能力强大，却缺少组织化的知识。例如，同样让 Claude、Codex、Cursor 帮你开发项目时，往往会遇到：

• 不知道团队编码规范；
• 不清楚 Git Flow；
• 不了解测试要求；
• 不了解公司内部流程。

每次都需要重新 Prompt。Agent Skills 的目标是：

把 Prompt Engineering 升级为可复用、可版本控制的能力包。

官方的口号是：

Write once, use everywhere（写一次，到处用）。

与 MCP 的区别

举例说明，一个代码审查 Agent：

MCP 提供的能力

1
2
3
4

GitHub
Git
Terminal
Browser

Skill 提供的内容

1
2
3
4
5

审查步骤
编码规范
安全检查清单
测试要求
输出模板

因此：

1
2

MCP = Hands
Skill = Brain

这已成为当前 Agent 生态中流行的组合方式。

当前支持情况

已有多款 Agent 产品原生支持 Agent Skills：

• Claude Code；
• Cursor；
• GitHub Copilot；
• VS Code；
• Amp；
• OpenCode。

社区资料显示，越来越多的 Agent 框架开始兼容该标准。

GitHub 项目概况

官方仓库地址：agentskills/agentskills

截至 2026 年：

• Star 约 19.5 k+；
• Fork 约 1.2 k+；
• 采用 Apache 2.0 开源协议；
• 提供规范、示例和参考实现 SDK。

一个实际例子

假设你维护一个 React 项目，可创建如下 Skill 目录：

1

react-team-skill/

目录中放置 skill.yaml：

1
2

name: react-team
description: React team workflow

并在 Skill 中定义团队约定：

• 必须使用 TypeScript；
• 必须编写单元测试；
• 使用 ESLint；
• Commit Message 规范；
• PR 模板。

以后无论是 Claude Code、Cursor、Codex 还是 Copilot，只要支持 Agent Skills，都会自动遵循这套开发流程。

我的评价

如果你经常使用 Claude Code、OpenAI Codex、Cursor、Gemini CLI 或其他 AI Coding Agent，Agent Skills 值得关注。它可能会像 MCP 一样成为 Agent 生态的基础标准：

• MCP 标准化工具接入；
• Agent Skills 标准化知识与流程复用。

未来很多开源项目可能会同时提供：

1
2

mcp/
skills/

两个目录。对开发者而言，Agent Skills 本质上是把“优秀 Prompt”升级为“可维护的软件资产”，这也是它在 AI Agent 社区迅速流行的关键原因。