Anthropic confie le standard Agent Skills à la Linux Foundation

Anthropic a transféré le standard Agent Skills à la Linux Foundation, la même organisation à laquelle MCP avait été précédemment confié.

Depuis le lancement du standard en octobre dernier, 1 million de skills ont été publiés et installés près de 280 millions de fois. Aujourd’hui, Agent Skills est pris en charge par plus de 70 plateformes d’agents IA, dont ChatGPT, Cursor, GitHub Copilot et VS Code.

Au cours de l’année écoulée, une approche unifiée de la création de skills s’est dégagée. Le guide officiel de développement a également été transmis à la fondation.

Six des règles les plus utiles de ce guide :

1. Réalisez d’abord la tâche avec l’agent. Ce n’est qu’ensuite qu’il faut transformer en skill les étapes réussies, les corrections apportées, les formats d’entrée et de sortie, ainsi que le contexte supplémentaire. Si le modèle rédige un skill uniquement à partir de connaissances générales, le résultat sera rempli de conseils inutiles comme « traitez correctement les erreurs ».

2. Vérifiez chaque ligne. Demandez-vous si l’agent commettrait une erreur sans cette instruction. Sinon, supprimez-la.

3. Accordez une attention particulière à la description du skill. Au démarrage, l’agent ne lit que le nom et la description ; c’est donc la description qui détermine si le skill sera utilisé. Formulez-la sous la forme « Utiliser ce skill quand... », rendez-la suffisamment déterminante, énumérez les situations que les utilisateurs peuvent ne pas mentionner directement et tenez-vous-en à 1024 caractères.

4. Ne surchargez pas SKILL.md. Limitez-le à 500 lignes et 5000 tokens. Déplacez les détails dans le répertoire references/ en indiquant quand l’agent doit lire chaque fichier.

5. Séparez les instructions strictes des recommandations. Pour les actions où il est particulièrement facile de se tromper, indiquez des commandes exactes. Là où une décision autonome est nécessaire, expliquez les raisons du choix. Si la tâche peut être réalisée de plusieurs manières, proposez une option par défaut.

6. Tenez une liste des erreurs courantes (gotchas). Dans de nombreux skills, c’est justement cette partie qui s’avère la plus utile. Chaque fois que vous devez corriger une erreur de l’agent, ajoutez une note correspondante dans la liste.

Immédiatement après que l’agent a terminé une tâche que vous lui confiez souvent, vous pouvez envoyer dans la même session l’exemple de prompt suivant à Claude Code pour enregistrer l’approche réussie sous forme de skill standard.

Exemple de prompt :

En suivant le guide Agent Skills Best Practices, transformez la tâche que nous venons de réaliser en skill.

Utilisez uniquement les étapes qui ont fonctionné dans cette session, mes corrections et les décisions associées issues des fichiers CLAUDE.md, AGENTS.md et de l’historique Git. Ne comblez pas les lacunes avec des connaissances générales.

Formulez la description au format « Utiliser ce skill quand... ». Incluez les situations que je n’ai pas mentionnées directement mais dans lesquelles le skill doit s’activer. La description ne doit pas dépasser 1024 caractères.

Limitez la taille de SKILL.md à 500 lignes. Déplacez les informations détaillées dans le répertoire references/ en précisant quand l’agent doit consulter chaque fichier.

Créez une section distincte pour les erreurs courantes et les pièges.

Pour le nom du skill, utilisez uniquement des lettres latines minuscules, des chiffres et des tirets. Le nom doit correspondre au nom du répertoire.

Pour finir, créez 2–3 scénarios de test réels dans evals/evals.json, en indiquant pour chacun le prompt et le résultat attendu. Exécutez tous les tests, affichez leurs résultats et décrivez les actions effectuées.