Agent skill என்றால் என்ன? அதன் செயல்பாடுகள் என்ன?

ஏஜென்ட் திறன் (Agent skill) என்றால் என்ன

ஒரு ஏஜென்ட் திறன் என்பது வட்டில் உள்ள ஒரு கோப்புறை (folder) ஆகும், அதற்குள் SKILL.md என்ற கோப்பு இருக்கும். அந்தக் கோப்பில் ஒரு பெயர், சுருக்கமான விளக்கம் மற்றும் எளிய markdown வடிவில் எழுதப்பட்ட அறிவுறுத்தல்கள் இருக்கும். ஏஜென்ட் தொடங்கும்போதே அந்த விளக்கத்தை ஏற்றிக்கொள்ளும்; உங்கள் கோரிக்கை அந்த விளக்கத்துடன் பொருந்தும்போது மட்டுமே அறிவுறுத்தல்களைப் படிக்கும். திறன்களைப் பற்றிய மற்ற அனைத்து விஷயங்களும் இந்த இரண்டு வாக்கியங்களிலிருந்தே பெறப்படுகின்றன.

அந்தக் கோப்புறையில் ஒரு கோப்பைத் தாண்டி கூடுதல் கோப்புகளும் இருக்கலாம். ஏஜென்ட் திறன் விவரக்குறிப்பு (Agent Skills specification) மூன்று விருப்பத்தேர்வு கோப்பகங்களைக் குறிப்பிடுகிறது: ஏஜென்ட் இயக்கும் குறியீட்டிற்காக scripts/, தேவைப்படும்போது படிப்பதற்கான ஆவணங்களுக்காக references/, மற்றும் வார்ப்புருக்கள் (templates) மற்றும் தரவுகளுக்காக assets/. இவை எதுவும் கட்டாயமில்லை. SKILL.md கோப்பை மட்டும் கொண்ட ஒரு கோப்புறையே முழுமையான திறனாகக் கருதப்படும்.

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

விளக்கம் என்பது மக்கள் குறைவாக மதிப்பிடும் ஒரு பகுதியாகும். ஒரு திறனைத் திறப்பதா வேண்டாமா என்று ஏஜென்ட் முடிவெடுப்பதற்கு முன்பு அது பார்க்கும் ஒரே உரை இதுதான். எனவே, ஒரு பயனர் உண்மையில் தட்டச்சு செய்யும் சொற்களைப் பயன்படுத்தி, அந்தத் திறன் என்ன செய்கிறது மற்றும் அதை எப்போது பயன்படுத்த வேண்டும் என்பதை அது தெளிவாகக் கூற வேண்டும்.

ஒரு திறன் பயன்படுத்தப்படும் வரை ஏன் கிட்டத்தட்ட எந்தச் செலவும் ஏற்படுவதில்லை

இந்த வாதமே இந்த வடிவமைப்பைப் புரிந்துகொள்வதை மதிப்புமிக்கதாக மாற்றுகிறது. இது அம்சங்களைப் பற்றியது அல்ல, சூழலைப் (context) பற்றியது. ஏற்றுதல் (loading) நிலைகளாக நடைபெறுகிறது; இதை விவரக்குறிப்பு (specification) முற்போக்கான வெளிப்பாடு (progressive disclosure) என்று அழைக்கிறது.

தொடக்கத்தில், முகவர் (agent) நிறுவப்பட்ட ஒவ்வொரு திறனின் name மற்றும் description-ஐ மட்டுமே ஏற்றுகிறது, மற்ற எதையும் அல்ல. Agent Skills விவரக்குறிப்பின்படி, ஒரு திறனுக்கு சுமார் 100 tokens செலவாகிறது (ஆகஸ்ட் 2026 நிலவரப்படி வெளியிடப்பட்ட வழிகாட்டுதல்). ஒரு டஜன் திறன்களை நிறுவினால், ஒரு நீண்ட பத்தியின் சூழலுக்கு இணையான செலவு மட்டுமே ஏற்படும்.

ஒரு கோரிக்கை (request) விளக்கத்துடன் பொருந்தும்போது, முகவர் அந்த ஒரு SKILL.md-ன் உள்ளடக்கத்தைப் படிக்கிறது. விவரக்குறிப்பு, உள்ளடக்கத்தை 5,000 tokens-க்கு கீழும், கோப்பை 500 வரிகளுக்கு கீழும் வைத்திருக்கப் பரிந்துரைக்கிறது. references/ மற்றும் scripts/-ல் உள்ள கோப்புகள் இந்த நிலையில் எந்தச் செலவையும் ஏற்படுத்தாது. அறிவுறுத்தல்கள் முகவரை ஒரு கோப்பிற்கு அனுப்பினால் மட்டுமே அது ஏற்றப்படும். தொகுக்கப்பட்ட script (bundled script) வேறுபட்டது: முகவர் அதை shell மூலம் இயக்குகிறது, எனவே script-ன் source குறியீடு சூழல் சாளரத்திற்குள் (context window) நுழையாது, அதன் வெளியீடு (output) மட்டுமே நுழையும்.

இதை மக்கள் முதலில் பயன்படுத்தும் ஒரு மிகப்பெரிய prompt-உடன் ஒப்பிட்டுப் பாருங்கள். ஒரு system prompt அல்லது எப்போதும் இயங்கும் அறிவுறுத்தல் கோப்பில் உள்ள ஒவ்வொரு வரியும் ஒவ்வொரு கோரிக்கையின் போதும், ஒவ்வொரு அமர்விலும் கட்டணம் வசூலிக்கப்படுகிறது; அந்தப் பணிக்கு அது தேவைப்பட்டாலும் இல்லாவிட்டாலும் இது நடக்கும். இது உண்மையான கேள்வியுடன் கவனத்திற்காகப் போட்டியிடுகிறது. பத்தாயிரம் tokens கொண்ட நிலையான அறிவுறுத்தல்கள் என்பது, மணி என்ன என்று கேட்பதற்குக்கூட நீங்கள் செலுத்தும் கட்டணமாகும். ஒரு டஜன் திறன்கள் ஓய்வு நிலையில் சுமார் 1,200 tokens மட்டுமே செலவாகும், மேலும் அவை தேவைப்படும் பணிக்கு மட்டுமே விரிவடையும். இதுவே திறன்களுக்கான முழுமையான வாதம், இதனால்தான் ஒரு நீண்ட prompt-ஐ விடச் சிறிய நூலகம் (library) சிறந்தது.

ஒரு எச்சரிக்கை மக்களைச் சிக்க வைக்கிறது. ஒரு திறன் ஏற்றப்பட்டவுடன், அதன் உள்ளடக்கம் அந்த அமர்வு முடியும் வரை சூழலில் இருக்கும். எனவே, ஒரு நீண்ட SKILL.md என்பது ஒருமுறை மட்டும் ஏற்படும் செலவு அல்ல, அது மீண்டும் மீண்டும் ஏற்படும் செலவாகும். விவரங்களை references/-க்கு நகர்த்துவது என்பது நேர்த்திக்காகச் செய்வது அல்ல. இது வடிவமைக்கப்பட்டபடி செயல்படும் ஒரு நுட்பமாகும்.

Agent skill என்பது tool call அல்ல

Tool அல்லது function call என்பது model-ஆல் இயக்கக்கூடிய ஒரு செயல்பாடு ஆகும். Harness, model-க்கு ஒரு schema-வை அனுப்புகிறது: அதில் பெயர், விளக்கம் மற்றும் arguments-ன் வடிவம் ஆகியவை இருக்கும். Model ஒரு call-ஐ வெளியிடுகிறது, உங்கள் code அதை இயக்குகிறது, அதன் முடிவு ஒரு message-ஆகத் திரும்ப வருகிறது. Tools செயல்களைச் செய்கின்றன.

Skill என்பது தானாக எதையும் இயக்குவதில்லை. Agent அதை வாசிக்கிறது, பின்னர் ஏற்கனவே உள்ள tools-ஐப் பயன்படுத்திச் செயல்படுகிறது. ஒரு tool-க்கு arguments-ஐ அனுப்புவது போல, model-ஆல் ஒரு skill-க்கு arguments-ஐ அனுப்ப முடியாது. ஒரு skill என்ன செய்ய முடியும் என்றால், எந்தெந்த tools-ஐப் பயன்படுத்த வேண்டும், எந்த வரிசையில் பயன்படுத்த வேண்டும், மற்றும் எதைச் சரிபார்க்க வேண்டும் என்று model-க்கு அறிவுறுத்தும்.

சுருக்கமாகச் சொன்னால்: ஒரு tool, agent-க்கு ஒரு புதிய திறனை வழங்குகிறது; ஒரு skill, ஏற்கனவே உள்ள திறனைப் பயன்படுத்துவதற்கான முடிவெடுக்கும் ஆற்றலை வழங்குகிறது. ஒரு படிநிலை ஒவ்வொரு முறையும் துல்லியமான, சரிபார்க்கப்பட்ட முடிவைத் தர வேண்டும் என்றால், உங்களுக்கு ஒரு tool அல்லது script தேவை. ஒரு படிநிலைக்குத் தொடர்ந்து ஒரே மாதிரியான சிந்தனை முறை தேவைப்பட்டால், உங்களுக்கு ஒரு skill தேவை. ஒரு skill என்பது முடிவெடுக்கும் திறனாக மட்டுமே இருந்தாலும், அதுவே நீங்கள் அடிக்கடி பயன்படுத்தும் ஒன்றாக இருக்கலாம். Ponytail, இது ஒரு coding agent-ஐ மிகச்சிறிய மாற்றத்தைச் செய்யத் தூண்டுகிறது காட்டுவது போல: இது புதிய திறனை எதையும் சேர்ப்பதில்லை, மாறாக ஏற்கனவே உள்ள திறன்களை agent எவ்வாறு பயன்படுத்துகிறது என்பதை மட்டுமே மாற்றுகிறது.

Agent skill என்பது MCP server அல்ல

MCP (model context protocol) என்பது ஒரு agent-ஐ வெளிப்புற அமைப்புடன் இணைப்பதற்கான protocol ஆகும். MCP server என்பது ஒரு process; இது அந்த protocol-ல் இயங்கி, agent-க்குத் தேவையான tools-ஐ வழங்குகிறது. இதற்கு வழக்கமாக configuration, credentials மற்றும் local command அல்லது network endpoint தேவைப்படும். ஆனால், skill என்பது ஒரு markdown கோப்பைக் கொண்ட folder மட்டுமே. இதில் process, port அல்லது protocol எதுவும் இல்லை.

Context cost-ம் இதேபோல் வேறுபடுகிறது. MCP server வழங்கும் ஒவ்வொரு tool-க்கும் ஒரு பெயர், விளக்கம் மற்றும் argument schema இருக்கும். இவை பயன்படுத்தப்பட்டாலும் இல்லாவிட்டாலும், session முழுவதும் request-ல் இருக்கும். சில clients இப்போது தேவைப்படும்போது மட்டும் tool schema-க்களைப் பெறுகின்றன, ஆனால் அவற்றை ஆரம்பத்திலேயே ஏற்றுவதே பொதுவான நடைமுறை. ஒரு skill என்பது சேமிக்கப்படும்போது வெறும் ஒரு வரி உரை மட்டுமே.

இவை இரண்டும் ஒன்றையொன்று பூர்த்தி செய்பவை; சிறந்த அமைப்புகள் இரண்டையும் பயன்படுத்தும். MCP server அணுகலை வழங்குகிறது. Skill அந்தச் செயல்பாட்டை வழங்குகிறது: உங்கள் குழுவின் உண்மையான பணிப்பாய்வுக்கு (workflow) எந்தெந்த tools-ஐ, எந்த வரிசையில் அழைக்க வேண்டும் மற்றும் ஒரு சிறந்த முடிவு எப்படி இருக்க வேண்டும் என்பதை அது தீர்மானிக்கிறது. நீங்கள் சொந்தமாக host செய்கிறீர்கள் என்றால், running MCP servers on a VPS அந்தப் பகுதியை விளக்குகிறது.

Agent skill என்பது system prompt அல்லது AGENTS.md அல்ல

இவை இரண்டுமே markdown வடிவிலான அறிவுறுத்தல்கள் என்பதால், இந்த குழப்பம் ஏற்படுவது இயல்பானது. இவை ஏற்றப்படும் நேரமே இவற்றுக்கு இடையேயான வேறுபாடு. AGENTS.md, CLAUDE.md மற்றும் system prompt ஆகியவை எப்போதும் செயல்பாட்டில் இருக்கும். Skill என்பது தேவைப்படும்போது மட்டுமே பயன்படுத்தப்படும்.

இதனைப் புரிந்துகொள்ள ஒரு கேள்வி போதும்: ஒரு பணியில் இந்த பத்திக்குத் தொடர்பில்லை எனில், இதைப் புறக்கணிப்பது தவறாகுமா? House style, build command மற்றும் branch naming விதிமுறைகள் அனைத்துப் பணிகளுக்கும் பொருந்தும். எனவே, இவை எப்போதும் செயல்பாட்டில் இருக்கும் கோப்பில் இருக்க வேண்டும்; ஒவ்வொரு முறையும் இவை ஏற்றப்படுவதுதான் இதன் நோக்கம். நீங்கள் மாதத்திற்கு இருமுறை செய்யும் release checklist அனைத்துப் பணிகளுக்கும் பொருந்தாது, எனவே அது ஒரு skill-ல் இருக்க வேண்டும். எப்போதும் செயல்பாட்டில் இருக்கும் கோப்பின் ஒரு பகுதி, வரிசைப்படுத்தப்பட்ட நடைமுறையாக (numbered procedure) வளர்ந்துவிட்டால், அதை நகர்த்த வேண்டிய நேரம் வந்துவிட்டது என்று அர்த்தம்.

இந்தக் கோப்புகளுக்கு என்று சில தனித்துவமான மரபுகள் உள்ளன, அவற்றைச் சரியாகப் பின்பற்றுவது அவசியம். AGENTS.md-ல் எவை இருக்க வேண்டும் மற்றும் human கோப்பில் எவை இருக்க வேண்டும் மற்றும் codebase-ன் அமைப்பை விளக்கும் design.md ஆகிய இரண்டையும் பார்க்கவும்.

குறைந்தபட்ச திறன் (minimal skill) எவ்வாறு இருக்கும்

Claude Code-ல், தனிப்பட்ட திறன்கள் ~/.claude/skills/<name>/SKILL.md-ல் சேமிக்கப்படுகின்றன மற்றும் அவை உங்கள் அனைத்து திட்டங்களுக்கும் பொருந்தும். திட்டத்திற்கான திறன்கள் (Project skills) .claude/skills/<name>/SKILL.md-ல் சேமிக்கப்பட்டு git-ல் commit செய்யப்படுகின்றன, எனவே அந்த repository-ல் பணிபுரியும் ஒவ்வொரு நபருக்கும் மற்றும் ஒவ்வொரு agent-க்கும் அவை கிடைக்கும். GitHub Copilot மற்றும் VS Code ஆகியவை workspace திறன்களை .github/skills/-லிருந்து படிக்கின்றன. உள்ளே இருக்கும் கோப்பு ஒரே கோப்புதான்.

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.

இது ஒரு முழுமையான திறன் ஆகும். கோப்பகத்தின் (directory) பெயரே நீங்கள் தட்டச்சு செய்யும் கட்டளையாக மாறும், எனவே இது /restore-drill ஆகும். Claude Code-ல், /skills மெனு நிறுவப்பட்டவற்றை பட்டியலிடுகிறது, இது கோப்பு கண்டறியப்பட்டதை உறுதிப்படுத்த விரைவான வழியாகும். அந்த மெனுவில் அது இல்லை என்றால், பெயர் தவறாக இருக்கலாம்: கோப்பு SKILL.md என்று பெயரிடப்பட வேண்டும், மேலும் கோப்பகத்தின் பெயர் சிறிய எழுத்துக்கள், எண்கள் மற்றும் ஒற்றை hyphen-களைக் கொண்டிருக்க வேண்டும். உங்கள் agent மீண்டும் இயக்கக்கூடிய ஒரு செயல்முறையாக எழுதப்பட்ட அதே பயிற்சி, VPS-ல் திட்டமிடப்பட்ட restic backups என்பதற்கு ஒரு இயல்பான துணையாகும், அங்கு backup இயங்குவது என்பது backup-ஐ மீட்டெடுப்பது (restoring) ஒன்றல்ல.

எப்போது ஒரு திறனை script-ஆக மாற்ற வேண்டும்

ஒவ்வொரு முறையும் ஒரே சரியான விடையைத் தரும் எந்தவொரு செயலும் ஒரு script-ஆக இருக்க வேண்டும். அந்தத் திறனை, அதை எப்போது இயக்க வேண்டும் மற்றும் அதன் வெளியீட்டை எவ்வாறு வாசிக்க வேண்டும் என்று விளக்கும் சில வரிகளாகக் குறைத்துவிடலாம். இதற்கு இரண்டு நடைமுறை காரணங்கள் உள்ளன.

முதலாவதாக, ஒரு script-ன் source code, context window-க்குள் நுழையாது. 300 வரிகளைக் கொண்ட ஒரு parser, அதன் வெளியீட்டை மட்டுமே உங்களுக்குத் தரும். ஆனால், அதே தர்க்கத்தை markdown வழிமுறைகளாக எழுதினால், அந்தத் திறன் ஒவ்வொரு முறை ஏற்றப்படும்போதும் அதன் முழு நீளமும் context window-ஐ ஆக்கிரமிக்கும்.

இரண்டாவதாக, ஒரு script ஒவ்வொரு முறையும் ஒரே விடையைத் தரும். ஒவ்வொரு முறையும் log parsing விதியை மீண்டும் உருவாக்கச் சொல்லும்போது, ஒரு model ஏதேனும் ஒரு நாளில் சிறிய மாற்றங்களைச் செய்யக்கூடும். இரண்டு எண்கள் மாறுபடும் வரை நீங்கள் அதைக் கவனிக்க மாட்டீர்கள்.

எனவே, பணியின் தன்மையைப் பொறுத்து பிரிக்கவும். "CSV-ஐ parse செய்து, total மற்றும் line items பொருந்தாத ஒவ்வொரு வரிசையையும் அச்சிடு" என்பது ஒரு script. "script அச்சிட்ட வரிசைகளைப் பார்த்து, அவற்றில் எது தரவு உள்ளீட்டுப் பிழை (data entry mistake) போலத் தெரிகிறது என்பதை விளக்கு" என்பது ஒரு திறன் சார்ந்த அறிவுறுத்தல். தீர்ப்புகளை (judgment) markdown-லும், துல்லியத்தன்மையை (determinism) code-லும் வைத்திருப்பது, நீங்கள் கவனிக்காமலேயே ஒரு agent இயக்கக்கூடிய loop-ஐ உருவாக்குதல் போன்ற அதே ஒழுக்கமுறையாகும்.

எனது skill ஏன் ஒருபோதும் செயல்படுவதில்லை?

ஏனெனில் அதன் description அந்த skill என்ன செய்கிறது என்பதை மட்டுமே கூறுகிறது, அதை எப்போது பயன்படுத்த வேண்டும் என்று கூறவில்லை. அந்த ஒரு வரியை வைத்துதான், உங்கள் கோரிக்கையை அந்த agent ஒப்பிட்டுப் பார்க்கிறது. "database பணிகளுக்கு உதவுகிறது" என்பது எதனுடனும் சரியாகப் பொருந்தாது. "staging database-ல் schema migration-ஐ இயக்குகிறது. பயனர் ஒரு table-ஐ migrate செய்யவோ, column-ஐச் சேர்க்கவோ அல்லது schema-வை மாற்றவோ கோரும்போது இதைப் பயன்படுத்தவும்" என்பதில் ஒரு பயனர் உண்மையில் தட்டச்சு செய்யும் சொற்கள் இருப்பதால், அது செயல்படுகிறது.

இதற்கு நேர்மாறான தோல்வி, அடிக்கடி செயல்படும் skill ஆகும். "இந்த repository-ல் உள்ள எந்தவொரு code மாற்றத்திற்கும் இதைப் பயன்படுத்தவும்" போன்ற விளக்கம் எல்லாவற்றிற்கும் பொருந்தும். இதனால் ஒவ்வொரு பணியின் போதும் அதன் body load ஆகி, session முழுவதும் context-ல் தங்கிவிடும். நீங்கள் குறிப்பிட்ட பயன்பாட்டிற்கு மட்டும் அதன் விளக்கத்தைச் சுருக்கவும். Claude Code-ல் நீங்கள் frontmatter-ல் disable-model-invocation: true-ஐ அமைக்கலாம்; இது தானாகவே load ஆவதைத் தடுத்து, நீங்கள் அதன் பெயரைத் தட்டச்சு செய்யும்போது மட்டும் அந்த skill-ஐக் கிடைக்கச் செய்யும்.

மூன்றாவது தோல்வி, ஒரு tool-ஐ நகலெடுக்கும் skill ஆகும். அதன் MCP server ஏற்கனவே வெளிப்படுத்தும் ஒரு API-ஐ curl செய்யுமாறு agent-க்கு அறிவுறுத்துவது, அல்லது harness-ல் search tool இருக்கும்போது கோப்புகளை grep செய்யச் சொல்வது, மெதுவான பாதையையும் முரண்படக்கூடிய இரண்டு தொகுப்பு அறிவுறுத்தல்களையும் உங்களுக்குத் தரும். நகலை நீக்கிவிட்டு, அதற்குப் பதிலாக நோக்கத்தை விவரிக்கவும்.

இவற்றில் எது உங்கள் பிரச்சனை என்று யூகிக்க வேண்டாம். புதிய session-ல் ஒரே prompt-ஐ இரண்டு முறை இயக்கவும்; ஒருமுறை skill-ஐச் செயல்படுத்தியும், மறுமுறை அதை நிறுத்தியும் இயக்கவும். பிறகு பதில்களை ஒப்பிடவும். புதிய session முக்கியமானது, ஏனெனில் நீங்கள் skill-ஐ எழுதிய session-ல் ஏற்கனவே அந்த skill கூறும் அனைத்தும் இருப்பதால், அது எழுத்துப்பூர்வமான பதிப்பில் உள்ள இடைவெளிகளை மறைத்துவிடும். Anthropic-ன் skill-creator plugin, Claude Code-க்குள் அந்த ஒப்பீட்டைத் தானியக்கமாக்குகிறது. இதில், skill-ஐச் செயல்படுத்த வேண்டிய மற்றும் செயல்படுத்தக் கூடாத prompt-களை உருவாக்குவதும், ஒவ்வொன்றும் எவ்வளவு அடிக்கடி செயல்படுகிறது என்பதை அளவிடுவதும் அடங்கும்.

இது ஒரு குறிப்பிட்ட விற்பனையாளரின் வடிவமா அல்லது தரநிலையா?

Anthropic இந்த வடிவத்தை 2025-ன் இறுதியில் வெளியிட்டது, பின்னர் அதை agentskills.io தளத்தில் ஒரு திறந்தநிலை தரநிலையாக வெளியிட்டது. ஆகஸ்ட் 2026 நிலவரப்படி, அந்த விவரக்குறிப்பு (specification) தேவையான name மற்றும் description புலங்களையும், விருப்பத்தேர்வுக்குரிய license, compatibility, metadata மற்றும் allowed-tools புலங்களையும், மூன்று விருப்பத்தேர்வுக்குரிய கோப்பகங்களையும் (directories), மற்றும் படிப்படியான ஏற்றுதல் (staged loading) செயல்பாட்டையும் வரையறுக்கிறது. இது ஒரு குறிப்பு சரிபார்ப்புக் கருவியையும் (reference validator) வழங்குகிறது, எனவே நீங்கள் ஒரு கோப்புறையைப் பகிர்வதற்கு முன்பு skills-ref validate ./my-skill மூலம் அதை விவரக்குறிப்பிற்கு எதிராகச் சரிபார்க்கலாம்.

கிளையன்ட் பட்டியல் தான் இதற்கான உண்மையான சான்று. Claude Code, Cursor, OpenAI Codex, Gemini CLI, GitHub Copilot, VS Code, Goose, OpenHands மற்றும் opencode உள்ளிட்ட பல கருவிகள் ஒரே கோப்புறையை வாசிக்கின்றன. மைக்ரோசாப்ட் தனது சொந்த திறன்களை (skills) இந்த வடிவத்தில் github.com/microsoft/skills தளத்தில் வெளியிடுகிறது. மேலும், Skill Recorder என்ற டெஸ்க்டாப் கருவியையும் வழங்குகிறது; இது நீங்கள் ஒரு பணியைச் செய்வதைக் கவனித்து, அதை ஒரு நோக்கம் மற்றும் வரிசைப்படுத்தப்பட்ட படிகளாக மறுசீரமைத்து, முடிவை ஒரு திறனாக (skill) எழுதுகிறது. ஒரு விற்பனையாளர் தனது கருவியின் வெளியீட்டு வடிவத்தை வேறொருவரின் விவரக்குறிப்பிற்கு உட்பட்டு உருவாக்குகிறார் என்பது, அந்த வடிவம் ஒரு தயாரிப்பின் அம்சமாக மட்டும் இல்லாமல், பொதுவான தரநிலையாக மாறிவிட்டது என்பதற்கான நல்ல அறிகுறியாகும்.

முதலில் எதை எழுத வேண்டும்

ஒரு library-ஐத் திட்டமிட வேண்டாம். ஒரே அறிவுறுத்தல்களை மூன்றாவது முறையாக chat-ல் நகலெடுத்து ஒட்டுவதை நீங்கள் கவனிக்கும் வரை காத்திருங்கள், பிறகு அந்த உரையை ஒரு SKILL.md-க்கு மாற்றிவிட்டு, நகலெடுத்த உரையை நீக்கிவிடுங்கள். நீங்கள் ஏற்கனவே உணர்ந்த அந்தத் திரும்பத் திரும்பச் செய்யும் செயலே, ஒரு திறனைப் பாதுகாத்து வைப்பதற்கான நம்பகமான அறிகுறியாகும். ஒரு தேடல் செயல்முறை (search procedure) இதற்கான நல்ல தொடக்கமாகும், மேலும் உங்கள் சொந்த SearXNG instance மூலம் ஆதரிக்கப்படும் ஒரு தேடல் திறன் அதன் வடிவத்தைக் காட்டுகிறது.

இரண்டு பழக்கங்கள் இந்த library-ஐ ஆரோக்கியமாக வைத்திருக்கும். நீங்கள் எழுதாத ஒவ்வொரு திறனையும் நிறுவுவதற்கு முன்பு, அதில் உள்ள scripts உட்பட அனைத்தையும் படியுங்கள். ஏனெனில், ஒரு திறன் என்பது உங்கள் agent பின்பற்றும் அறிவுறுத்தல்கள் மற்றும் அது இயக்கும் code ஆகும்: இதை ஒரு அந்நியரிடமிருந்து software-ஐ நிறுவுவது போலக் கருதுங்கள். மேலும், credentials-ஐ அந்த folder-க்கு வெளியே வைத்திருங்கள், ஏனெனில் ஒரு திறன் என்பது commit செய்யப்பட்டு பகிரப்படும் ஒரு text file ஆகும். ரகசியங்களை உங்கள் agent-களிடமிருந்து விலக்கி வைத்தல் என்ற பகுதி அந்த மதிப்புகள் எங்கே இருக்க வேண்டும் என்பதை விளக்குகிறது, மேலும் இந்த ஆண்டு agent-களைக் கற்றுக்கொள்வதற்கான வரைபடம் மற்ற அமைப்புகளுடன் சேர்த்து திறன்களை வரிசைப்படுத்துகிறது.

FAQ

agent skill மற்றும் MCP server-க்கு இடையே உள்ள வேறுபாடு என்ன?

MCP (model context protocol) server என்பது ஒரு protocol வழியாக agent-க்கு கருவிகளை (tools) வழங்கும் ஒரு இயங்கும் process ஆகும். இதற்கு configuration மற்றும் credentials தேவை; மேலும், இவை பயன்படுத்தப்பட்டாலும் இல்லாவிட்டாலும், அந்த session முழுவதும் tool-களின் வரையறைகள் context-ஐ ஆக்கிரமிக்கும். agent skill என்பது SKILL.md கோப்பைக் கொண்ட ஒரு கோப்புறை (folder) ஆகும். இதற்கு தனி process அல்லது protocol தேவையில்லை. agent அதைப் படிக்கும் வரை, இது சுமார் 100 tokens மட்டுமே செலவாகும். ஒரு system-ஐ agent அணுக வேண்டுமென்றால் MCP server-ஐப் பயன்படுத்தவும். அந்த அணுகலைச் சரியாகப் பயன்படுத்துவதற்கான வழிமுறைகளை agent-க்குக் கற்பிக்க skill-ஐப் பயன்படுத்தவும். பல அமைப்புகளில் இவை இரண்டும் இணைந்து செயல்படுகின்றன.

agent skills, Claude Code-ல் மட்டுமே செயல்படுமா?

இல்லை. Anthropic இந்த வடிவமைப்பை உருவாக்கி, பின்னர் அதை agentskills.io தளத்தில் ஒரு திறந்தநிலை தரநிலையாக (open standard) வெளியிட்டது. அதே கோப்புறையை Cursor, OpenAI Codex, Gemini CLI, GitHub Copilot, VS Code, Goose, OpenHands மற்றும் பிற clients படிக்க முடியும். ஒவ்வொரு client-ம் எந்த இடத்தில் தேடுகிறது மற்றும் எந்த கூடுதல் frontmatter புலங்களைப் புரிந்துகொள்கிறது என்பதில் மட்டுமே வேறுபாடுகள் உள்ளன. Claude Code ~/.claude/skills/ மற்றும் .claude/skills/ ஆகியவற்றைப் படிக்கிறது, அதே சமயம் GitHub Copilot மற்றும் VS Code களஞ்சியத்தில் (repository) உள்ள .github/skills/-ஐப் படிக்கின்றன. SKILL.md கோப்பு எந்த மாற்றமும் இன்றி இவற்றுக்கு இடையே பயன்படுத்தப்படலாம்.

எத்தனை skills-களை நிறுவினால் வேகம் குறையும்?

இங்கு எண்ணிக்கையை விட, தொடக்கநிலை (startup) budget-தான் முக்கியக் காரணி. நிறுவப்பட்ட ஒவ்வொரு skill-ம் அதன் பெயர் மற்றும் விளக்கத்தை உள்ளடக்கியிருக்கும். வெளியிடப்பட்ட வழிகாட்டுதலின்படி, இது தோராயமாக 100 tokens ஆகும். எனவே, முப்பது skills இருந்தால், அவை பயன்படுத்தப்படுவதற்கு முன்பே சுமார் 3,000 tokens செலவாகும். இதில் முதலில் வேகம் குறையாது, மாறாக பொருத்துதல் (matching) திறன் குறையும்: ஒன்றுடன் ஒன்று தொடர்புடைய விளக்கங்களைக் கொண்ட பல skills இருந்தால், சரியானதைத் தேர்ந்தெடுப்பது model-க்கு கடினமாகிவிடும். ஒன்றுடன் ஒன்று இணையாத விளக்கங்களை எழுதவும், நீங்கள் பயன்படுத்தாத skills-களை நீக்கிவிடவும்.

இந்த அறிவுறுத்தலை ஒரு skill-ல் வைக்க வேண்டுமா அல்லது AGENTS.md-ல் வைக்க வேண்டுமா?

இது களஞ்சியத்தில் உள்ள அனைத்துப் பணிகளுக்கும் பொருந்துமா என்று பார்க்கவும். build commands, house style மற்றும் பெயரிடும் விதிகள் (naming rules) அனைத்துக்கும் பொருந்தும் என்பதால், அவை எப்போதும் இயங்கும் கோப்பில் (always-on file) இருக்க வேண்டும்; அங்கு ஒவ்வொரு முறையும் அதை ஏற்றுவதுதான் நோக்கம். எப்போதாவது மட்டும் செய்யும் ஒரு செயல்முறை, உதாரணமாக release checklist அல்லது restore drill, ஒரு skill-ஆக இருக்க வேண்டும். அப்போதுதான், அதற்குத் தேவையில்லாத பணிகளுக்கு அது எந்தச் செலவையும் ஏற்படுத்தாது. AGENTS.md-ன் ஒரு பகுதி, வரிசைப்படுத்தப்பட்ட படிகளாக வளர்ந்துவிட்டால், அது பெரும்பாலும் ஒரு skill-ஆக மாற்றப்பட வேண்டிய நிலையில்தான் உள்ளது என்று அர்த்தம்.