Claudeエージェントスキルの習得 - AIスーパーパワーの武器庫を構築する完全ガイド

スキルが本当は何なのかを理解した瞬間

ある話をさせてください。あなたが職場で優秀な新入社員のメンターを頼まれたと想像してください。その人は信じられないほど賢く — これまで見た中で最も飲み込みが早く、説明したことはほとんどすべて理解でき、どんな話題についても雄弁に話せます。しかし、1つだけ問題があります：彼らはあなたの会社のルールを知りません。

毎朝、あなたは彼らと一緒に座り、同じことを説明します。「これがレポートのフォーマット方法です。これがコーディングスタイルです。これがどのメールに誰をCCに入れるかです。これがクライアントへの提案書のテンプレートです。」そして毎朝、昼食後には、彼らはなぜかそれをすべて忘れてしまっています。彼らが愚かだからではありません — 彼らは天才です。しかし、彼らにはあなたの会社の運営方法に関する永続的な記憶がありません。

これが、以前のAIとの作業がどのような感じだったかです。

プロンプトは、その新入社員の隣に立って、その場で口頭で指示を出すようなものです。「このメールをもっとフォーマルに書いて。」「ここでは箇条書きを使って。」「このコードのエラーをチェックして。」それは機能します。しかし、会話を閉じた瞬間、すべてが消えます。新しいチャットは毎回ゼロから始まります。

スキル（Skills）は、社内SOPマニュアルを手渡すようなものです — 仕様、スクリプト、テンプレート、参考資料が含まれたナレッジベースのフォルダです。エージェントは必要なときに必要なものを調べます。そして重要なことに、このマニュアルはすべての会話を通じて持続します。

ここに画期的な洞察があります：スキルは単なる高級なプロンプトではありません。それらは完全に異なるパラダイムです。プロンプトは反応的（Reactive）です — 指示を与え、応答を得ます。スキルは能動的（Proactive）です — それはそこにあって、関連性があるときに発見され適用されるのを待っており、毎回同じように機能します。

スキルが実際に含んでいるもの

各スキルはフォルダであり、単なるテキストファイルではありません。これは理解する上で非常に重要です。そのフォルダの中には、以下のものを含めることができます：

私が最初にこの構造を見たとき、私は思いました：「待てよ、これは小さなアプリを作るようなものだ。」そして、それはまさにその通りです。各スキルは自己完結型の能力モジュールです。校正ルールが書かれたマークダウンファイルだけのシンプルなものもあれば、データを処理し、サーバーにアップロードし、レポートを生成するPythonスクリプトを備えた複雑なものもあります。

スキルはいつ登場したのか？

Anthropicは2025年10月にClaude Code向けにSkillsをリリースしました。最初は、単なる機能アップデートの1つだと思っていました。しかし、2025年12月に何かが起こりました — 彼らはagentskills.ioを通じてSkillsを標準として公開したのです。突然、スキルはClaudeだけのものじゃなくなりました。OpenAIのCodex CLIも同じアーキテクチャを採用しました。Cursor、Codebuddy、OpenCode — すべてが互換性の構築を始めました。

MCPが外部接続のための全員のプロトコルに急速になったのと同じように、スキルはAIエージェントの能力を拡張するための事実上の標準となりました。

そして人気は？ こう言いましょう：50以上のClaudeスキルを含むリポジトリは、GitHubで18,000スターに達しました。「Skills」という言葉は今や、2023年の「Prompt」と同じくらいAI界隈で一般的になっています。

プログレッシブ・ディスクロージャー - なぜこの設計が天才的なのか

プログレッシブ・ディスクロージャー（段階的開示）を理解する前、私には切実な懸念がありました：「50個のスキルをインストールしたら、Claudeのコンテキストが爆発しないか？スキルの説明をロードするだけで数千トークンを消費しないか？」

ここでAnthropicの設計の素晴らしさが光ります。彼らはUXデザインから概念 — プログレッシブ・ディスクロージャー — を借りて、それをAIコンテキスト管理に完璧に適用しました。

3層ローディングシステム

プログレッシブ・ディスクロージャーは、段階的かつオンデマンドでのローディングを意味します。Claudeは起動時にすべてをコンテキストに放り込むわけではありません。代わりに、3層システムを使用します：

計算してみましょう

これが私がこの設計を評価するに至った比較です：

これはトークン消費量の75%削減です。 そしてこれはスクリプトの利点さえ計算に入れていません。

スクリプトの魔法

ここでスキルはプロンプトを置き去りにします。スキルがスクリプトを含む場合、驚くべきことが起こります：

1. Claudeがコマンドを生成：python scripts/upload_image.py image.png
2. スクリプトがあなたのマシンでローカルに実行される
3. 出力（画像のURLなど）だけがClaudeに返される

スクリプトコード自体は決してコンテキストに入りません。

これが何を意味するか考えてみてください。あらゆるエッジケースを処理し、堅牢なエラー処理、ロギング、再試行を備えた500行のPythonスクリプトを書くことができます — プロンプトを不可能に肥大化させるようなすべてのことです。Claudeは単に「このスクリプトを実行する」ことを知っていればいいのです。複雑さはカプセル化されています。

モバイルメニューの例え

モバイルアプリをデザインしたことがあるなら、プログレッシブ・ディスクロージャーをよく知っているはずです。だからこそハンバーガーメニューがあるのです — ユーザーに47個のオプションを一度に見せたりはしません。メニューアイコンを見せます。タップします。カテゴリを見ます。もう一度タップします。求めている設定にたどり着きます。

目的は？ 情報で圧倒しないこと。消化可能な塊に分解すること。ユーザー（この場合はAI）が最小限の認知的負荷で現在のタスクに集中できるようにすること。

人間はワーキングメモリに約7±2個の情報を保持できます。トークンコンテキストによって制限されるAIも、本質的に同じ制限を持っています。プログレッシブ・ディスクロージャーは、どちらの場合もこの制限を尊重します。

Skills vs MCP vs Subagent - ついに解明

この質問は数週間私を悩ませました。MCP、Skills、Subagent — これらはすべて「Claudeの能力を拡張する」もののように見えます。本当の違いは何なのか？ 3つすべてを使って構築した後、ようやく納得のいく答えが見つかりました。

一文での違い

MCPはClaudeに外部システムを触らせることを許可します。SkillsはClaudeに触ったものをどう使うかを教えます。Subagentは他の誰かを派遣して仕事をさせます。

私が実際に理解するのに役立った例えで説明させてください：

比較表

いつ何を使うべきか

以下の場合にMCPを使用します：外部システムに接続する必要があるとき

• データベースへのクエリ
• サードパーティAPIの呼び出し
• Notion、Jira、GitHub、Salesforceの読み書き
• 認証を必要とするあらゆるサービスへのアクセス

以下の場合にSkillsを使用します：反復的なワークフローがあるとき

• 特定のチェックリストを持つコードレビュープロセス
• 一貫したスタイルルールでの記事校正
• 標準化されたフォーマットでのレポート生成
• 頻繁に入力するあらゆる指示

以下の場合にSubagentを使用します：タスクが複雑で並列化可能なとき

• コードベース全体のレビュー（時間がかかる）
• 複数の独立したタスクを同時に処理する
• 無関係なジョブ間でのコンテキスト汚染を防ぐ

一緒に働く

これが素晴らしい部分です：これらは競合する技術ではありません。補完的なレイヤーです。

複雑なワークフローは3つすべてを使用するかもしれません：

1. MCPがSalesforceに接続して売上データを取得
2. Skillsがデータ分析プロセスを定義 — 指標の計算方法、レポート生成
3. Subagentが異なる地域の分析を並列処理

私自身の執筆ワークフローでは：

• Skillsが校正ルールとスタイルガイドを定義
• スクリプト（スキルに同梱）が画像をホスティングサービスにアップロード
• 素材データベースに接続するためにMCPを追加する予定

なぜSimon WillisonはスキルがMCPよりも重要になるかもしれないと言うのか

Simon WillisonはAI開発者コミュニティで最も尊敬されている声の一人です。彼が「SkillsはMCPよりも大きなことになるかもしれない」と書いたとき、人々は注目しました。両方を数ヶ月使用した後、私は彼がそう言った理由を正確に理解しました。

理由 1：トークン効率

MCPには根本的な問題があります：トークンの肥大化です。

MCPサーバーを接続すると、Claudeはそのサーバーに何ができるかを理解する必要があります。利用可能なすべての関数、すべてのパラメータ、すべての戻り値の型 — すべてがコンテキスト内になければなりません。Simonは、公式のGitHub MCPサーバーだけで数万トークンを消費することに気づきました。

Skillsはこれをエレガントに回避します。メタデータ（各100トークン）のみをロードし、アクティブ化されたときにのみ完全な指示をロードします。効率の違いは驚異的です。

理由 2：シンプルさの利点

MCPサーバーを構築するには、以下が必要です：

• プロトコル仕様の理解
• サーバーサイドコードの記述
• JSONの正しい設定
• 通信とエラー状態の処理

スキルを構築するには？

ただMarkdownを書くだけです。

ドキュメントが書ければ、スキルも書けます。敷居の違いは巨大です。そしてテクノロジーにおいて、創造への障壁が低いことは常に爆発的な成長につながります。

理由 3：クロスプラットフォーム互換性

MCPサーバーはしばしばホスト固有です。Claude Code用に構築されたものは、変更なしでは他の場所で動作しないかもしれません。

Skillsは単なるMarkdownとオプションのスクリプトが入ったフォルダです。Anthropic独自の技術に依存していません。Simonは、同じSkillフォルダをCodex CLIやGemini CLIに向けることができると指摘しました — ネイティブなSkillsサポートがなくても動作します。なぜなら、スキルの核心は単なるよく構造化された指示だからです。

この移植性は、OpenAIがCodex CLIで本質的に同じアーキテクチャを採用した理由です。スキルは普遍的な標準になりつつあります。

理由 4：カンブリア爆発の予測

"私は、Skillsが昨年のMCPブームよりも壮観なカンブリア爆発をもたらすと予測しています。"

なぜか？ 作成の敷居が十分に下がると、コミュニティの貢献が爆発するからです。MCPサーバーを書くにはバックエンド開発スキルが必要です。スキルを書くにはドキュメント作成の知識が必要です。

この予測が実現するのをすでに見ています。スキルマーケットプレイスがいたるところに出現しています。GitHubリポジトリはコミュニティの貢献で溢れています。エコシステムは誰もが予想したよりも速く成長しています。

私自身の観察

両方の技術を数ヶ月使用して、私はSimonの評価に同意します。SkillsはLLMが自然にどのように機能するか — テキストの理解、指示への従順、コンテキストに応じた知識の適用 — により合致しているように感じられます。

MCPは従来のソフトウェアエンジニアリング的思考を表しています：インターフェースの定義、サービスの実装、プロトコルの処理。

SkillsはLLMネイティブな思考を表しています：何かを行う方法を明確に書き、いつどのように適用するかをモデルに任せる。

両方に場所があります。しかし、Skillsはより深いパラダイムシフトになるかもしれません。

完璧なスキルの解剖学

よく作られたスキルの構造をご案内しましょう。これは単なる理論ではありません — この解剖学を理解することで、このガイドの他のすべてが理解できるようになります。

フォルダ構造

my-skill/
├── SKILL.md                 # コア指示（必須）
├── scripts/
│   └── process.py           # 実行可能スクリプト
├── references/
│   └── DETAILED_GUIDE.md    # 詳細な参照ドキュメント
└── assets/
    └── template.md          # テンプレートリソース

SKILL.mdファイル

これがあなたのスキルの心臓部です。2つの部分があります：

---
name: my-awesome-skill
description: このスキルが何をするか、いつ使用するかについての短い説明。トリガーキーワードを含めてください。
---

# 私のすごいスキル

## Instructions

このスキルが呼び出されたときにClaudeが従うべきステップバイステップのガイド。

## Examples

具体的な入力/出力のデモンストレーションや使用パターン。

## Guidelines

従うべきルール、制限、またはベストプラクティス。

YAML Frontmatter

--- マーカーの間のセクションは重要です。Claudeはここを読んで、あなたのスキルを使用するかどうかを決定します。

高度なFrontmatterオプション

名前と説明に加えて、Skillsは強力な設定オプションをサポートしています：

黄金律：500行

命名規則

フォルダ名は重要です。小文字 + ハイフンでなければなりません。スペースなし。大文字なし。

• 良い： hotspot-collector, code-review, ai-proofreading
• 悪い： Hotspot Collector, codeReview, AI_Proofreading

最初のスキルを作成する

これが私からの最も重要なアドバイスです：自分でスキルを書く必要はありません。

説明させてください。スキルの価値は、それがカプセル化するもの — あなたのワークフロー、あなたの経験、あなたのSOP — にあります。それはあなたから来ており、実際の作業を通じて理解されたものです。しかし、それを適切にフォーマットされたSKILL.mdファイルに変えることは？ AIにやらせましょう。

やるべきこと：

1. 解決したい問題について明確に考える
2. ワークフローを明確にする
3. 十分なコンテキストと参考資料を提供する

そしてClaudeに言います：「XXXを行うためのスキルの作成を手伝って。」そうすれば、適切にフォーマットされたファイルを生成してくれます。

ステップバイステップ：シンプルな例

視覚的な図解と類推を使ってコードを説明するようにClaudeに教えるスキルを作成しましょう。

---
name: explain-code
description: 視覚的な図解と類推を使ってコードを説明します。コードの動作を説明するとき、コードベースについて教えるとき、またはユーザーが「これはどう動くの？」と尋ねたときに使用します。
---

コードを説明するときは、常に以下を含めてください：

1. **類推で始める**：コードを日常生活の何かに例える
2. **図を描く**：ASCIIアートを使ってフロー、構造、または関係を示す
3. **コードをウォークスルーする**：何が起こっているかをステップバイステップで説明する
4. **落とし穴を強調する**：一般的な間違いや誤解は何か？

説明は会話調に保ってください。複雑な概念には複数の類推を使用してください。

スキルが住む場所

場所によってスコープが決まります：

公式のskill-creatorの使用

Anthropicは、スキルを作成するためのスキルを特別に提供しています。メタ的でしょう？

Claudeにこう言ってインストールします：

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

一度インストールすれば、単に「記事の校正用スキルを作るのを手伝って」と言うだけで、Claudeがskill-creatorを使ってすべて正しく生成してくれます。

GitHub全体をあなたの個人的な武器庫に変える

ここからが面白いところです。これは私のAI能力に対する考え方を完全に変えたテクニックです。

ここに洞察があります：インターネットの30年間で、無数の天才プログラマーたちが、あなたが想像できるほぼすべての問題を解決してきました。彼らはツールを作り、オープンソースにし、誰もが使えるようにしました。唯一の問題は？ これらのツールのほとんどは、デプロイ、コマンドライン操作、環境設定 — 一般ユーザーをブロックする障壁 — を必要とします。

スキルはそれらの障壁を溶かすことができます。

コアコンセプト

Skillsはスクリプトと指示を一緒にパッケージ化できるため、オープンソースプロジェクト全体を呼び出し可能な能力にカプセル化できます。何千人ものユーザーによって何年も磨かれてきた実戦テスト済みのコードが、あなたのAIツールキットの一部になります。

実際の例：動画のダウンロード

実際の例を見てみましょう。YouTubeやBilibiliなどのプラットフォームから頻繁に動画をダウンロードする必要があるとします。

ステップ1：適切なプロジェクトを見つける。 任意のAIに尋ねます：「様々なウェブサイトから動画をダウンロードするオープンソースプロジェクトはGitHubにありますか？」

それはyt-dlp — 何千ものサイトをサポートする143,000以上のスターを持つ伝説的なプロジェクト — を指し示すでしょう。

ステップ2：それをスキルとしてパッケージ化する。

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

ステップ3：Claudeに計画させる。 最初にPlanモードを使用します。Claudeはプロジェクトを分析し、その能力を理解し、あなたの好みについて明確化の質問をします。

ステップ4：構築してテストする。 Developmentモードに切り替えます。数分以内に、動画ダウンロード用の機能的なスキルが完成します。

ステップ5：最初の実行に基づいて反復する。 オープンソースツールをラップしたスキルを初めて使用するときは、問題に遭遇します。YouTubeにはスクレイピング防止メカニズムがあります。依存関係をインストールする必要があるかもしれません。それらの経験を記録し、Claudeにスキルを更新するように伝えます。

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

次回は？ 開いてダウンロード。瞬時に。

さらなるGitHub-to-Skillsのアイデア

これらは氷山の一角に過ぎません。GitHubは何百万ものプロジェクト — 自由に利用できる数十年の人類の英知 — をホストしています。

頭が3つ、腕が6本ある必要はありません。頭に角が生えている必要もありません。あなたの背後には、過去数十年の全人類の蓄積された知識があります。あなたがそれを望む限り — それはあなたの意のままになります。

自己進化型スキル管理システムの構築

今、私たちは理解するのに丸2日かかった領域に入ります。ここでスキルは「便利なツール」から「生きた、成長する能力」へと移行します。

問題：GitHubプロジェクトからパッケージ化されたスキルにはメンテナンスが必要です。元のリポジトリは更新されます。バグ修正が行われます。新機能が登場します。その間、あなたはスキルを使用し、経験を蓄積してきました — 「このパラメータの方がうまくいく」「あのエラーを避けるためにこのフラグを追加する」。これらすべてをどう管理しますか？

3部構成のソリューション

これを解決するために一緒に働くスキルのトリオを（AIの助けを借りて）構築しました：

バージョン管理問題

私が常に直面していた対立はこれです：GitHubが更新されたとき、最新のコードをプルしてSKILL.mdを再生成したい。しかし、使用経験に基づいてスキルを反復してもいました — 微調整、修正、好み。これらの変更もSKILL.mdに存在します。

2つの力、どちらも同じファイルを変更し、まったく異なる目標を持っています。起こるのを待っている災害です。

解決策：evolution.json

洞察：関心の分離。

GitHubの更新は基本的なSKILL.mdファイルを再生成し続けます。しかし、蓄積されたすべての経験は別のevolution.jsonファイルに保存されます。ゲームのセーブデータと考えてください。メインゲームがどのバージョンに更新されても、セーブファイルは進行状況を保持します。

SKILL.mdが新しいバージョンで上書きされると、evolution.jsonがその役割を果たします — 蓄積された知恵を新鮮なスキルに再注入します。

yt-dlp-skill/
├── SKILL.md           # 基本指示（再生成可能）
├── evolution.json     # 蓄積された経験（保持される）
└── scripts/
    └── download.sh    # 実行スクリプト

管理のフライホイール

これら3つの部分が整うと、スキル管理は自己強化サイクルになります：

1. 作成（Create）：github-to-skillsを使用してGitHubから新しいスキルを作成（アイデンティティ埋め込み済み）
2. 使用（Use）：日々の作業でスキルを使用し、エッジケースや解決策に遭遇
3. 進化（Evolve）：skill-evolution-managerを通じてスキルを自動的に進化（解決策をキャプチャ）
4. 更新（Update）：skill-managerを通じてGitHubリポジトリが更新されたときに基本スキルを更新
5. マージ（Merge）：進化データを更新されたスキルにマージ（経験を保持）

結果：真に学習し改善するスキル。比喩ではなく — 実際に。使用して問題を解決するたびに、それらはより賢くなります。

このトリオをhttps://github.com/KKKKhazix/Khazix-Skillsでオープンソース化しました。完璧ではありませんが、機能します。そして、それは強力な何かを指し示しています：明日のスキルは静的なドキュメントではありません。それらは生きたシステムになるでしょう。

14の公式スキルの宝の地図

独自のものを作る前に、すでに何が利用可能かを知っておいてください。Anthropicは、一般的なニーズを美しくカバーする公式スキルリポジトリを維持しています。

すべてのスキル：https://github.com/anthropics/skills

ドキュメンテーションスキル（クローズドソース）

これらはClaude.aiで見られるドキュメント生成を駆動します：

開発スキル（Apache 2.0 オープンソース）

クリエイティブスキル

コミュニケーションおよびメタスキル

インストール方法

方法 1：自然言語

単にClaudeにこう言います：「Install this skill, project address is: [GitHub URL]」

方法 2：プラグインマーケットプレイス

# 公式リポをマーケットプレイスとして追加
/plugin marketplace add https://github.com/anthropics/skills

# スキルをインストール
/plugin install
# マーケットプレイスにTab移動し、目的のパッケージを選択

方法 3：手動プル

スキルフォルダをダウンロードし、スキルディレクトリ（個人用は~/.claude/skills/、プロジェクト固有は.claude/skills/）に配置します。

デザインスキルの芸術 - 詳細な分析

UXデザインを何年もやってきた者として、私は公式デザインスキルが特に魅力的だと感じています。それらを成功させているテクニックを分解させてください。これらのパターンはデザインをはるかに超えて適用されます — これらはあらゆる高品質スキルのテンプレートです。

テクニック 1：天井を上げる

algorithmic-artスキルは「p5.jsでの描画を手伝って」とは始まりません。こう始まります：

"Algorithmic philosophies are computational aesthetic movements that are then expressed through code."（アルゴリズム哲学は、その後コードを通じて表現される計算美学的運動である。）

これはタスクを「作品を生成する」から「美的ジャンルとそれに対応するアルゴリズムシステムを作成する」へと引き上げます。出力は体系的でなければならず、一回限りのインスピレーションではないことをモデルに思い出させます。

テクニック 2：2段階構造

両方のデザインスキルは2段階のアプローチを使用します：

1. まず、哲学（.mdでの概念的枠組み）を作成する
2. 次に、それを視覚的に表現する（実際の実装）

これは実装の前に抽象化を強制します。モデルは「コードを書き、値を調整する」という局所的最適解に陥ることはできません。コンセプトが最初に来ます。コードは単なる表現です。

テクニック 3：詩的 + 工学的テンプレート

algorithmic-artスキルは、哲学を書くための構造を提供します：

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

注目してください：各ポイントは美的言語であると同時に技術的オブジェクトでもあります。「ノイズ関数」はコードに直接マッピングされます。「粒子挙動」は実装可能です。これはビジョンと実行を橋渡しします。

テクニック 4：コンセプトの種

公式スキルからの素晴らしい洞察の1つ：

"コンセプトは、アルゴリズム自体に埋め込まれた微妙でニッチな参照である — 常に文字通りではなく、常に洗練されている。アルゴリズム的ハーモニーを通じて別の曲を引用するジャズミュージシャンのように考えよ。"

ユーザーテーマはパラメータ、動作、パターンに埋め込まれるべきであり、画面に書かれるべきではありません。敬意を払いつつ、深く隠してください。知っている人は感じるでしょう。知らない人は、単にかっこいいと思うだけでしょう。

テクニック 5：自由ゾーンを持つテンプレートの使用

スキルは、何が固定（レイアウト、ブランド、コントロール）で、何が可変（アルゴリズム、パラメータ、色）かを明確に定義します。これにより：

• 各出力が一貫したUI体験を持つ
• モデルはどこを変更でき、どこを変更できないかを正確に知る
• 過度に創造的な解釈による予期しない「驚き」を減らす

テクニック 6：チェックリストとしての職人技

canvas-designスキルは、プロフェッショナルな基準を検証可能なルールとしてコード化します：

• ページから落ちるものはない
• 重なるものはない
• 適切な余白は交渉の余地なし
• テキストは常に最小限で、視覚が第一

これは暗黙の専門知識を明示的な行動制約に変換します。モデルは具体的な基準に対して自分の作業を検証できます。

テクニック 7：引き算、足し算ではない

最後の洗練ステップは天才的です：

"作業を洗練させるために、グラフィックを追加することは避けてください。代わりに、作成されたものを洗練させてください。本能が新しい関数を呼び出したり、新しい形を描いたりすることであるなら、止まってください。"

これは、アマチュアとプロを分ける「職人技の最後の10%」をコード化しています。本能が「もっと追加しろ」と言うとき、代わりに尋ねてください：何を削除できるか？ 何を整列、結合、強化できるか？

スキルライブラリのアーキテクチャ設計

数十のスキルがある場合、整理が重要です。スケーラブルなスキルライブラリの構築について私がどう考えているかは以下の通りです。

なぜスキルを分割するのか？

人々はよく尋ねます：「すべてを行う1つの大きなスキルを書くだけではだめなのか？」

だめです。3つの理由があります：

スキルタイプパターン

私はほとんどのユースケースをカバーする4つのパターンを見つけました：

私の執筆スキルシステム

具体的な例として、私が執筆用にスキルをどのように構造化したかを示します：

P0 コアスキル（すべての記事）

• ai-proofreading：AI検出スコアを下げるための3パスプロセス。トリガー："proofread", "too AI"
• image-illustration：画像生成 + ホスティングへのアップロード + markdownの返却。トリガー："illustrate"、校正後

P1 定期的なスキル（ほとんどの記事）

• topic-generator：トレンドに基づいてトピックのアイデアを生成。トリガー："give me topics"
• long-to-x：長文をTwitterスレッドに変換。トリガー："convert to X content"
• research-collector：研究資料を収集して整理。トリガー："research [topic]"

P2 時折のスキル

• headline-generator：注目を集める見出しを作成。トリガー："title ideas"
• seo-optimizer：検索エンジン向けに最適化。トリガー："SEO", "optimize for search"

スキルでのエラー処理

爆発的に拡大するスキルエコシステム

先月初めてSkillsを見たとき、一握りのリポジトリしか見つかりませんでした。今は？ エコシステムは爆発的に拡大しました。専用のマーケットプレイス、キュレーションされたディレクトリ、そしてコミュニティが貢献した数万のスキルがあります。

公式の出発点

Anthropicドキュメント： https://code.claude.com/docs/en/skills

スキルの作成と使用に関する明確なステップバイステップガイド。

公式リポジトリ： https://github.com/anthropics/skills

14の公式スキルと例。

Agent Skills Standard： https://agentskills.io

オープンな標準仕様。完全な技術仕様を理解したい場合は、ここから始めてください。

コミュニティマーケットプレイス

キュレーションされたコレクション

smithery.ai/skills — 多くはありませんが、それぞれ品質がチェックされています。

GitHubのawesome-claude-skills — 手動でキュレーションされたリスト。高品質で、頻繁に更新されます。

マルチツールディレクトリ

mcpservers.org/claude-skills — MCPサーバーとClaude Skillsを一緒に配置。エコシステムに対するユニークな視点。

claudemarketplaces.com — マーケットプレイスのディレクトリ。「マーケットプレイスのマーケットプレイス。」

高度なパターンとプロフェッショナルなテクニック

さらに深く掘り下げる準備ができている人のために、私が広範な使用を通じて発見したパターンをここに示します。

動的コンテキスト注入

!`command`構文は、スキルの内容がClaudeに届く前にシェルコマンドを実行します。出力はプレースホルダーを置き換えます。

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

分岐実行（Subagent統合）

context: forkを追加して、スキルを隔離して実行します。スキルの内容は、サブエージェントを起動するプロンプトになります。

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

引数の置換

$ARGUMENTSまたは位置$0、$1などを使用して、動的な値をスキルに渡します。

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

読み取り専用モード

allowed-toolsを使用して、スキルがアクティブなときにClaudeができることを制限します：

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

視覚的出力の生成

スキルは、ブラウザで開くインタラクティブなHTMLファイルを生成できます。このパターンは以下に有効です：

• コードベースの可視化
• 依存関係グラフ
• テストカバレッジレポート
• データベーススキーマ図
• インタラクティブな探索から恩恵を受ける複雑なデータ

添付されたスクリプトが重労働を行います。Claudeがオーケストレーションします。ユーザーは手動の手順なしでリッチな視覚的出力得られます。

セッションロギング

セッション固有の操作には${CLAUDE_SESSION_ID}を使用します：

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

拡張思考トリガー

創造の状態

個人的なことで締めくくりたいと思います。

スキルの作業をするたびに、私は2013年の夏に戻ります。高校入試を終えたばかりで、貯金でノートパソコンを買いました。その夏はずっとSkyrimのMODをいじり回して過ごしました — ダウンロードし、組み合わせ、設定ファイルを微調整し、自分のゲームが完全に自分のものに変わっていくのを見ていました。

それは純粋な創造の喜びでした。コンテンツを消費するのではなく。フィードをスクロールするのではなく。実際に何かを作り、カスタマイズし、自分のものにする。

スキルはその感覚を取り戻してくれます。

メンターシップの最もクールな状態は、雄弁で常に手取り足取り教える必要がある誰かがいることではありません。それは彼らにマニュアルのセットを手渡し、彼らがページをめくり、実行し、自己検証し、独立して反復するのを見ることです。あなたは言うことを減らし、彼らはより多くを提供します。

スキルはまさにそれです。

今日、あなたはskill-creatorをインストールし、1つの一般的なアクション — トピックのホットスポットをチェックする、エラーログを修正計画に変える、またはリンクを要約に変えるなど — を固めることができます。たった1つ。

それがうまく機能したとき、あなたは再利用の価値を理解するでしょう。

明日は別のものが欲しくなるでしょう。明後日はすべてのプロセスを中に移したくなるでしょう。

その瞬間、あなたは別の状態に入ります。

自由。創造の状態。

GitHubにある素晴らしいオープンソースプロジェクト — 何十年もの人間の知恵が自由に共有されています。Skillsのおかげで、Agentsのおかげで、すべての普通の人々が今、その力を指揮することができます。

頭が3つ、腕が6本ある必要はありません。超自然的な能力は必要ありません。あなたの背後には人類の蓄積された知識があります。あなたがそれを望む限り — それはあなたのものです。

今の自分と3年前の自分を比べたら、比較になるでしょうか？ 今日できることを見てください。あなたの能力の境界がどこまで広がったかを見てください。

誰もを超人にできるこの輝かしい、壮大な時代 — ワクワクしませんか？