Agent skill আসলে কী এবং MCP থেকে কীভাবে আলাদা

একটি agent skill আসলে কী

একটি agent skill হলো disk-এ থাকা একটি folder, যার ভেতরে SKILL.md নামের একটি file থাকে। ওই file-এ plain markdown-এ লেখা একটি নাম, সংক্ষিপ্ত description এবং instructions থাকে। Agent startup-এর সময় description load করে। আপনার request-এর সঙ্গে ওই description মিলে গেলে, অথবা আপনি skill-টির নাম ধরে invoke করলে, তবেই agent instructions পড়ে। Skill সম্পর্কে প্রায় সব বিষয়ই এই দুটি বাক্য থেকে বোঝা যায়।

Folder-এ শুধু ওই একটি file-ই থাকতে হবে এমন নয়। Agent Skills specification-এ তিনটি optional directory-এর নাম দেওয়া আছে: agent যে code চালায় তার জন্য scripts/, প্রয়োজনে যে documents পড়ে তার জন্য references/, এবং templates ও data-এর জন্য assets/। এগুলোর কোনোটিই required নয়। শুধু একটি SKILL.md থাকা folder-ই সম্পূর্ণ skill হতে পারে।

restore-drill/
  SKILL.md
  references/retention-policy.md
  scripts/verify_snapshot.sh

Description-কে মানুষ প্রায়ই অবমূল্যায়ন করে। Agent skill খুলবে কি না তা সিদ্ধান্ত নেওয়ার আগে agent যে একমাত্র text দেখে, এটি সেটিই। তাই description-এ skill কী করে এবং কখন এটি ব্যবহার করতে হবে, তা এমন ভাষায় লিখতে হবে যা মানুষ বাস্তবে type করবে।

একটি skill ব্যবহার না করা পর্যন্ত এর খরচ প্রায় নেই কেন

এই যুক্তিটিই format বোঝার প্রয়োজনীয়তা দেখায়। বিষয়টি feature নয়, context। Loading ধাপে ধাপে হয়, যাকে specification-এ progressive disclosure বলা হয়েছে।

Startup-এর সময় agent প্রতিটি installed skill-এর name এবং description লোড করে, আর কিছু নয়। Agent Skills specification অনুযায়ী এর পরিমাণ প্রতি skill-এ প্রায় 100 tokens (October 2026 অনুযায়ী প্রকাশিত নির্দেশনা)। এক ডজন skill install করলে আপনি প্রায় একটি দীর্ঘ paragraph-এর সমান context ব্যবহার করেন।

কোনো request-এর সঙ্গে একটি description মিলে গেলে agent সেই একটি SKILL.md-এর body পড়ে। Specification-এ body 5,000 tokens-এর মধ্যে এবং file 500 lines-এর মধ্যে রাখার পরামর্শ দেওয়া হয়েছে। references/ এবং scripts/-এর file এই পর্যায়ে কোনো খরচ তৈরি করে না। কোনো reference file কেবল তখনই load হয়, যখন instructions agent-কে সেখানে পাঠায়। Bundled script আবার আলাদা: agent এটি shell-এর মাধ্যমে চালায়, তাই script-এর source context window-এ ঢোকে না; শুধু এর output ঢোকে।

এবার মানুষের প্রথমে ব্যবহার করতে চাওয়া পদ্ধতির সঙ্গে তুলনা করুন: একটি বিশাল prompt। System prompt বা সবসময় সক্রিয় instructions file-এর প্রতিটি line প্রতিটি request-এ, প্রতিটি session-এ ব্যবহার হয়, task-এর প্রয়োজন থাকুক বা না থাকুক। এগুলো আসল question-এর সঙ্গে attention-এর জন্য প্রতিযোগিতা করে। 10,000 tokens-এর স্থায়ী instructions এমন একটি bill, যা শুধু এখন কত বাজে জিজ্ঞেস করলেও দিতে হয়। এক ডজন skill স্থির অবস্থায় প্রায় 1,200 tokens ব্যবহার করে এবং কেবল যে task-এর প্রয়োজন, তার সময়ই বড় হয়। Skills ব্যবহারের পক্ষে এটাই মূল যুক্তি, এবং এ কারণেই একটি ছোট library দীর্ঘ prompt-এর চেয়ে কার্যকর।

একটি গুরুত্বপূর্ণ সীমাবদ্ধতা অনেকেই শুরুতে বুঝতে পারেন না। কোনো skill load হওয়ার পর তার body session-এর বাকি সময়জুড়ে context-এ থেকে যায়। তাই দীর্ঘ SKILL.md একবারের খরচ নয়, বারবারের খরচ। বিস্তারিত বিষয় references/-এ সরানো শুধু গোছানোর কাজ নয়। এটি এই ব্যবস্থার পরিকল্পিত কার্যপ্রণালী।

একটি agent skill tool call নয়

Tool, যাকে function call-ও বলা হয়, এমন কিছু যা model invoke করতে পারে। Harness model-কে একটি schema পাঠায়: একটি name, একটি description এবং arguments-এর গঠন। Model একটি call তৈরি করে, আপনার code সেটি চালায়, এবং ফলাফল message হিসেবে ফিরে আসে। Tool কাজ সম্পাদন করে। এই আদানপ্রদানের উভয় অংশের মালিক harness, অর্থাৎ model-কে ঘিরে loop চালানো program। Startup-এর সময় skill description পড়ে এবং কখন কোনো skill খুলতে হবে তা নির্ধারণও harness-ই করে।

Skill নিজে থেকে কিছু execute করে না। Agent এটি পড়ে, তারপর আগে থেকেই থাকা tool ব্যবহার করে কাজ করে। Model যেভাবে tool-এ arguments পাঠায়, সেভাবে skill-এ arguments পাঠাতে পারে না। Skill যা করতে পারে, তা হলো model-কে কোন tool কোন ক্রমে ব্যবহার করতে হবে এবং পরে কী পরীক্ষা করতে হবে তা জানানো। কাজ দ্বিতীয় agent-এর কাছে পাঠানো এর সবচেয়ে স্পষ্ট উদাহরণ: একটি Claude Code session ইতিমধ্যেই অন্য একটি session-কে message পাঠাতে পারে, আর কখন তা করা যুক্তিযুক্ত এবং কী পাঠাতে হবে, তা skill-এ লিখে রাখা হয়।

সংক্ষেপে: একটি tool agent-কে নতুন capability দেয়, আর একটি skill মূলত আগে থেকেই থাকা capability ব্যবহারের বিষয়ে judgment দেয়। Skill যদি কোনো capability যোগ করেও, তা bundled script-এর মাধ্যমে করে; agent সেই script আগে থেকেই থাকা shell দিয়ে চালায়। কোনো ধাপকে প্রতিবার exact এবং validated result দিতে হলে tool বা script ব্যবহার করুন। কোনো ধাপে একই ধরনের চিন্তাভাবনা ধারাবাহিকভাবে প্রয়োগ করতে হলে skill ব্যবহার করুন। Skill শুধু judgment-ও হতে পারে, তবু সেটিই আপনার সবচেয়ে বেশি ব্যবহারযোগ্য skill হতে পারে। Ponytail, যা coding agent-কে কাজ করা সবচেয়ে ছোট পরিবর্তনটি করতে নির্দেশ দেয়, তার উদাহরণ: এটি কোনো নতুন capability যোগ করে না; শুধু agent কীভাবে আগে থেকেই থাকা capability ব্যবহার করবে তা পরিবর্তন করে। এই judgment উল্টো দিকেও নির্দেশ করতে পারে। unlazy skill, যা একটি Depth Tree অনুসরণ করে agent-কে কোনো কাজ আগেভাগে সম্পন্ন ঘোষণা করা থেকে বিরত রাখে, একই কৌশল restraint-এর বদলে thoroughness-এর জন্য ব্যবহার করে।

একটি agent skill MCP server নয়

MCP (model context protocol) হলো কোনো agent-কে বাইরের system-এর সঙ্গে সংযুক্ত করার protocol। MCP server হলো এমন একটি process, যা ওই protocol ব্যবহার করে এবং agent-এর জন্য tools প্রকাশ করে। সাধারণত এর জন্য configuration, credentials এবং একটি local command অথবা network endpoint প্রয়োজন হয়। skill হলো একটি folder, যার মধ্যে একটি markdown file থাকে। এতে কোনো process, port বা protocol নেই।

Context cost-ও একইভাবে ভিন্ন। একটি MCP server যে প্রতিটি tool প্রকাশ করে, তার সঙ্গে একটি name, description এবং argument schema থাকে। যে client এগুলো শুরুতেই load করে, সেখানে ব্যবহৃত হোক বা না হোক, পুরো session জুড়ে এগুলো request-এর অংশ হয়ে থাকে। Claude Code এখন আর defaultভাবে এভাবে কাজ করে না: October 2026 থেকে এর tool search out of the box চালু থাকে। তাই session শুরুর সময় শুধু tool name এবং server instruction load হয়, আর Claude সেগুলো search করলে সম্পূর্ণ definition load হয়। স্থির অবস্থায় একটি skill হলো এক লাইন text।

দুটিই পরস্পরের পরিপূরক, এবং সবচেয়ে কার্যকর setup-গুলো দুটিই ব্যবহার করে। MCP server access দেয়। skill procedure দেয়: আপনার team-এর বাস্তব workflow-এর জন্য ওই tools-এর কোনগুলো কখন call করতে হবে, কী ক্রমে করতে হবে এবং ভালো result কেমন হওয়া উচিত। আপনি নিজে host করলে, VPS-এ MCP server চালানো বিষয়টি সেই দিকটি ব্যাখ্যা করে।

একটি agent skill system prompt বা AGENTS.md নয়

দুটিই Markdown-এ লেখা নির্দেশনা, তাই এই বিভ্রান্তি স্বাভাবিক। পার্থক্য হলো এগুলো কখন লোড হয়। AGENTS.md, CLAUDE.md এবং system prompt সব সময় সক্রিয় থাকে। একটি skill প্রয়োজন অনুযায়ী সক্রিয় হয়। Claude Code-এর output styles সব সময় সক্রিয় থাকার দিকের চূড়ান্ত উদাহরণ, কারণ একটি style বেছে নিলে system prompt-ই পরিবর্তিত হয়। তাই এটি session-এর প্রতিটি উত্তরে প্রভাব ফেলে, এমন উত্তরেও যেগুলোর সঙ্গে কোনো skill-এর সম্পর্ক নেই।

পরীক্ষাটি একটি প্রশ্নে করা যায়: এই অনুচ্ছেদটি উপেক্ষা করলে, এর সঙ্গে কোনো সম্পর্ক নেই এমন task-এ কি ভুল হবে? House style, build command এবং branch naming rule প্রতিটি task-এর ক্ষেত্রে প্রযোজ্য। তাই এগুলো always-on file-এ থাকা উচিত, কারণ প্রতিবার লোড হওয়াই এর উদ্দেশ্য। মাসে দুবার চালানো release checklist প্রতিটি task-এর ক্ষেত্রে প্রযোজ্য নয়। তাই এটি একটি skill-এ থাকা উচিত। always-on file-এর কোনো section যদি numbered procedure-এ পরিণত হয়, সেটি সরিয়ে নেওয়ার সংকেত।

এই file-গুলোর নিজেদেরও কিছু convention আছে, যা সঠিকভাবে অনুসরণ করা উচিত। আমরা যে দুটি ব্যবহার করি, সেগুলোর জন্য AGENTS.md-এ কী থাকবে এবং human file-এ কী থাকবে এবং codebase-এর কাঠামো ব্যাখ্যা করা একটি design.md দেখুন।

একটি ন্যূনতম skill কেমন হয়

Claude Code-এ ব্যক্তিগত skill থাকে ~/.claude/skills/<name>/SKILL.md-এ এবং আপনার সব project-এ প্রযোজ্য হয়। Project skill থাকে .claude/skills/<name>/SKILL.md-এ এবং git-এ commit করা হয়, তাই ওই repository-তে কাজ করা প্রতিটি ব্যক্তি ও agent-এর কাছে এগুলো থাকে। GitHub Copilot এবং VS Code .github/skills/ ও .agents/skills/ থেকে, পাশাপাশি .claude/skills/ থেকেও project skill পড়ে। ভেতরের file-টি একই।

mkdir -p ~/.claude/skills/restore-drill

---
name: restore-drill
description: Run a restic restore drill and report what was recovered. Use when the user asks to test backups, verify a restore, or check that a snapshot is readable.
---

# Restore drill

1. Run `restic snapshots` and pick the newest snapshot for the host in question.
2. Restore it into a scratch directory under `/tmp`, never over live data.
3. Compare the restored file count and total size against the snapshot summary.
4. Report the snapshot ID and anything that failed to restore.

If `restic snapshots` prints `Fatal: unable to open config file`, the repository path or the password is wrong. Stop and report that instead of guessing.

এটিই একটি সম্পূর্ণ skill। Directory-এর নামই আপনি যে command লিখবেন, সেটি হয়ে যায়; তাই এইটির নাম /restore-drill। Claude Code-এ /skills menu-তে ইনস্টল করা skill-এর তালিকা দেখা যায়। File-টি পাওয়া গেছে কি না নিশ্চিত করার এটি দ্রুততম উপায়। তালিকায় না থাকলে প্রথমে নামগুলো পরীক্ষা করুন: file-এর নাম অবশ্যই SKILL.md হতে হবে, এবং Agent Skills specification অনুযায়ী name-এ lowercase letter, digit এবং single hyphen থাকতে হবে; name-টি directory-এর সঙ্গে মিলতে হবে। একই কাজ এমন একটি procedure হিসেবে লিখে রাখা, যা আপনার agent আবার চালাতে পারে, একটি VPS-এ scheduled restic backup-এর স্বাভাবিক সহায়ক। কারণ backup চলা এবং backup restore হওয়া একই বিষয় নয়।

কখন একটি skill-এর বদলে script ব্যবহার করবেন

প্রতিবার একই সঠিক ফল দেয় এমন যেকোনো ধাপ script হওয়া উচিত। skill-এ শুধু কখন এটি চালাতে হবে এবং output কীভাবে পড়তে হবে, তা কয়েকটি লাইনে লিখুন। এর দুটি কারণ আছে, এবং দুটিই ব্যবহারিক।

প্রথমত, script-এর source কখনো context window-এ প্রবেশ করে না। 300 line-এর একটি parser শুধু তার output-এর জন্য context ব্যবহার করে। একই logic markdown নির্দেশনা হিসেবে লিখলে skill load হওয়ার প্রতিবার এর সম্পূর্ণ দৈর্ঘ্য context-এ যোগ হয়।

দ্বিতীয়ত, script একই input-এর জন্য একই answer দেয়। প্রতিবার একই log parsing rule নতুন করে নির্ধারণ করতে বলা হলে খারাপ দিনে model সামান্য ভিন্ন ফল দিতে পারে। দুইটি সংখ্যা অসঙ্গত না হওয়া পর্যন্ত আপনি বিষয়টি বুঝতেও নাও পারেন।

তাই কাজের ধরন অনুযায়ী বিভাজন করুন। “CSV parse করে যেসব row-তে total line item-এর সঙ্গে মেলে না, সেগুলো print করুন”—এটি একটি script। “script যে row-গুলো print করেছে, সেগুলো দেখে কোনগুলো data entry mistake বলে মনে হচ্ছে তা ব্যাখ্যা করুন”—এটি একটি skill নির্দেশনা। judgment markdown-এ এবং determinism code-এ রাখা হলো একই discipline, যেমন আপনার নজরদারি ছাড়াই agent যে loop চালাতে পারে তা তৈরি করা।

আমার skill কেন কখনও trigger হয় না?

কারণ এর description-এ skill কী করে তা বলা আছে, কিন্তু কখন ব্যবহার করতে হবে তা বলা নেই। আপনার অনুরোধের সঙ্গে agent-কে মিলিয়ে দেখার জন্য ওই একটিমাত্র লাইনই থাকে। “Database নিয়ে কাজ করতে সাহায্য করে” কোনো নির্দিষ্ট কিছুর সঙ্গে মেলে না। “Staging database-এ schema migration চালায়। ব্যবহার করুন যখন user কোনো table migrate করতে, column যোগ করতে বা schema পরিবর্তন করতে বলেন”—এতে মানুষ বাস্তবে যে শব্দগুলো লেখে, সেগুলো থাকে। তাই এটি trigger হয়।

এর বিপরীত সমস্যাটি হলো এমন skill, যা সব সময় trigger হয়। “এই repository-তে যেকোনো code change-এর জন্য ব্যবহার করুন”—এমন description সবকিছুর সঙ্গে মিলে যায়। ফলে প্রতিটি task-এ body load হয় এবং বাকি session জুড়ে context-এ থেকে যায়। আপনি যে নির্দিষ্ট পরিস্থিতি বোঝাতে চেয়েছেন, description-টি সেটিতে সীমাবদ্ধ করুন। Claude Code-এ frontmatter-এ disable-model-invocation: true সেট করতে পারেন। এতে automatic loading বন্ধ হয় এবং আপনি skill-এর নাম লিখলে এটি ব্যবহার করা যায়।

তৃতীয় সমস্যা হলো এমন skill, যা কোনো tool-এর কাজ নকল করে। Agent-কে এমন API curl করতে বলা, যা তার MCP server ইতিমধ্যে প্রকাশ করে, অথবা harness-এ search tool থাকা সত্ত্বেও file-এ grep করতে বলা—এতে ধীর একটি পদ্ধতি তৈরি হয় এবং পরস্পরবিরোধী হতে পারে এমন দুটি instruction set থাকে। নকল অংশটি মুছে ফেলুন এবং তার বদলে উদ্দেশ্যটি বর্ণনা করুন।

আপনার ক্ষেত্রে তিনটির কোনটি ঘটেছে, তা অনুমান করবেন না। একই prompt fresh session-এ দুবার চালান—একবার skill available রেখে এবং একবার এটি বন্ধ করে। এরপর উত্তর দুটি তুলনা করুন। Fresh session গুরুত্বপূর্ণ। কারণ skill লেখার সময় যে session-এ ছিলেন, সেখানে skill যা বলে তার সবই আগে থেকেই থাকে। ফলে লিখিত version-এর ঘাটতিগুলো আড়াল হয়। Anthropic-এর skill-creator plugin Claude Code-এর ভেতর এই তুলনাটি স্বয়ংক্রিয় করে। এটি এমন prompt-ও তৈরি করে, যেগুলো skill-টি trigger করা উচিত এবং করা উচিত নয়। পাশাপাশি প্রতিটি ক্ষেত্রে skill কতবার trigger হয়, সেটিও মাপে। Skill load হওয়ার পরও agent যদি তার নির্দেশনা অনুযায়ী কাজ না করে, তাহলে সমস্যা description-এ নয়। পরবর্তী তদন্তের জন্য agent ইতিমধ্যে পড়া instruction উপেক্ষা করে কেন এগিয়ে যায়—এই বিষয়টি দেখুন।

এটি কি কোনো একটি vendor-এর format, নাকি একটি standard?

Anthropic 2025 সালের শেষদিকে formatটি প্রকাশ করে। পরে তারা এটিকে agentskills.io-তে hosted একটি open standard হিসেবে প্রকাশ করে। October 2026 অনুযায়ী, specification-এ প্রয়োজনীয় name এবং description field, ঐচ্ছিক license, compatibility, metadata এবং allowed-tools field, তিনটি ঐচ্ছিক directory এবং staged loading behaviour সংজ্ঞায়িত করা হয়েছে। এটির সঙ্গে একটি reference validator-ও রয়েছে। তাই শেয়ার করার আগে skills-ref validate ./my-skill একটি folder-কে specification-এর সঙ্গে মিলিয়ে পরীক্ষা করে।

Client-এর তালিকাটিই প্রকৃত signal। একই folder Claude Code, Cursor, OpenAI Codex, Gemini CLI, GitHub Copilot, VS Code, Goose, OpenHands এবং opencode-সহ আরও অনেক client পড়তে পারে। Microsoft এই format-এ নিজেদের skills github.com/microsoft/skills-এ প্রকাশ করে। তারা Skill Recorder নামে একটি desktop tool-ও প্রকাশ করে। এটি আপনাকে একটি task একবার করতে দেখে, সেটিকে একটি intent এবং ক্রমানুসারে সাজানো step হিসেবে পুনর্গঠন করে, তারপর ফলাফলকে skill হিসেবে লিখে দেয়। কোনো vendor এমন recorder তৈরি করলে, যার output format অন্য কোনো প্রতিষ্ঠানের specification-এর অধীন, সেটি ভালোভাবে নির্দেশ করে যে formatটি আর শুধু একটি product-এর feature নেই।

প্রথমে কী লিখবেন

একটি library আগে থেকে পরিকল্পনা করবেন না। একই নির্দেশনা তৃতীয়বার chat-এ paste করতে গিয়ে নিজেকে ধরে ফেললে তবেই সেটিকে একটি SKILL.md-এ সরিয়ে paste করা লেখাটি মুছে দিন। আপনি ইতিমধ্যে যে পুনরাবৃত্তি অনুভব করেছেন, সেটিই রাখার মতো কোনো skill-এর একমাত্র নির্ভরযোগ্য সংকেত। একটি search procedure দিয়ে শুরু করা ভালো, এবং নিজের SearXNG instance ব্যবহার করে তৈরি একটি search skill এর কাঠামো দেখায়।

দুটি অভ্যাস library-কে সুশৃঙ্খল রাখে। আপনি নিজে লেখেননি এমন প্রতিটি skill install করার আগে সেটি পড়ুন, scripts-সহ। কারণ skill হলো এমন নির্দেশনা যা আপনার agent অনুসরণ করবে এবং এমন code যা agent চালাতে পারে। তাই এটিকে অপরিচিত কারও কাছ থেকে software install করার মতো বিবেচনা করুন। Credentials folder-এর বাইরে রাখুন, কারণ skill হলো এমন একটি text file যা commit এবং share করা হয়। আপনার agent-দের কাছ থেকে secrets দূরে রাখা-এ এই values কোথায় রাখা উচিত তা ব্যাখ্যা করা হয়েছে। আর এই বছরে agents শেখার road map setup-এর বাকি অংশের সঙ্গে skills-কে সঠিক ক্রমে সাজায়।

FAQ

একটি agent skill এবং একটি MCP server-এর মধ্যে পার্থক্য কী?

একটি MCP (model context protocol) server হলো চলমান process, যা protocol-এর মাধ্যমে agent-এর কাছে tools প্রকাশ করে। তাই এর configuration এবং credentials প্রয়োজন হয়। এর সম্পূর্ণ tool definition পুরো session জুড়ে context দখল করে থাকে, যদি না client সেগুলোর loading স্থগিত রাখে, যেমন Claude Code এখন default হিসেবে করে। একটি agent skill হলো এমন একটি folder, যাতে একটি SKILL.md file থাকে। এতে কোনো process বা protocol নেই। Agent সেটি পড়ার সিদ্ধান্ত নেওয়া পর্যন্ত এর খরচ প্রায় 100 tokens। Agent-কে কোনো system-এ access দিতে MCP server ব্যবহার করুন। সেই access সঠিকভাবে কীভাবে ব্যবহার করতে হবে তা জানাতে skill ব্যবহার করুন। অনেক setup-এ দুটিই চালানো হয়।

Agent skill কি শুধু Claude Code-এর সঙ্গেই কাজ করে?

না। Anthropic এই format তৈরি করে পরে agentskills.io-তে open standard হিসেবে প্রকাশ করেছে। একই folder Cursor, OpenAI Codex, Gemini CLI, GitHub Copilot, VS Code, Goose, OpenHands এবং অন্যান্য client পড়তে পারে। পার্থক্য হলো প্রতিটি client কোথায় খোঁজ করে এবং কোন অতিরিক্ত frontmatter field বোঝে। Claude Code ~/.claude/skills/ এবং .claude/skills/ পড়ে। GitHub Copilot এবং VS Code repository-তে .github/skills/, .claude/skills/ অথবা .agents/skills/ পড়ে। SKILL.md file-টি নিজে কোনো পরিবর্তন ছাড়াই client-গুলোর মধ্যে সরানো যায়।

ধীর হয়ে যাওয়ার আগে কতগুলো skill install করা যায়?

এখানে সীমাবদ্ধতা সংখ্যার চেয়ে startup budget-নির্ভর। প্রতিটি installed skill তার name এবং description যোগ করে। Specification-এ প্রকাশিত নির্দেশনা অনুযায়ী এর পরিমাণ প্রায় 100 tokens। তাই কোনো skill ব্যবহার করার আগেই 30টি skill প্রায় 3,000 tokens খরচ করে। প্রথমে যে বিষয়টি খারাপ হয় তা speed নয়, matching। একই ধরনের description-সহ অনেক skill থাকলে model-এর পক্ষে সঠিক skill বেছে নেওয়া কঠিন হয়। পরস্পরের সঙ্গে overlap করে না এমন description লিখুন। যেসব skill আর ব্যবহার করেন না, সেগুলো delete করুন।

এই instruction কি skill-এ, নাকি AGENTS.md-তে রাখা উচিত?

এটি repository-র প্রতিটি task-এর ক্ষেত্রে প্রযোজ্য কি না, তা বিবেচনা করুন। Build command, house style এবং naming rule সব task-এর ক্ষেত্রে প্রযোজ্য। তাই এগুলো always-on file-এ রাখা উচিত, কারণ প্রতিবার loading করাই এর উদ্দেশ্য। Release checklist বা restore drill-এর মতো মাঝে মাঝে চালানো procedure skill হওয়া উচিত। এতে যেসব task-এ এটি প্রয়োজন নেই, সেসব task-এ শুধু এর এক লাইনের description-এর খরচ হয়। AGENTS.md-এর কোনো section numbered step-এ বড় হয়ে গেলে, সেটি সাধারণত এমন একটি skill, যেটি আলাদা করে নেওয়ার অপেক্ষায় আছে।