「エージェントを作るな、スキルを作れ」──Anthropicが語る次世代AIエージェント設計
shuu-AIAnthropic社の Barry Zhang 氏と Mahesh Murag 氏による講演
「Don't Build Agents, Build Skills Instead」 は、
これからの AI エージェント設計に対する考え方を大きく転換させる内容でした。
その核心はシンプルです。
用途ごとにエージェントを作るのではなく、
汎用エージェントに「スキル（技能）」を習得させよ
本記事では、この講演の内容をもとに
「なぜスキルという考え方が重要なのか」「スキルとは何か」「何が変わるのか」を整理します。
なぜ今「スキル」が必要なのか
近年の AI エージェントは、推論能力や言語理解において非常に高い性能を持っています。
しかし、実務で使おうとすると、次の壁にぶつかります。
汎用性は高いが、専門性が足りない
一時期は「業務ごとに専用エージェントを作る」ことが想定されていました。
しかし実際には、
- コードがデジタル世界の共通インターフェース
- コードを扱えるエージェントは、想像以上に汎用的
であることが分かってきました。
一方で、問題はそこから先です。
数学の天才に、いきなり税務や経理を任せられないように
AI も「業務の文脈・手順・暗黙知」を知らなければ成果は安定しない
つまり、エージェントには「知能」ではなく
実務を遂行するための専門知識＝スキルが不足しているのです。
「スキル」とは何か？
Anthropic が定義するスキルは、非常に実務的です。
スキル = 構成可能な手順知識をまとめたフォルダ
スキルとは、
エージェントのために用意された
「手順・判断基準・コード」をまとめたパッケージ
と考えると分かりやすいでしょう。
特徴① シンプルで扱いやすい構造
- 中身は markdown の手順書やスクリプト
- 人間も AI も読める
- Git で管理・共有・バージョン管理が可能
特徴② コードを含められる柔軟性
- Python などのコードを含められる
- 従来の「ツール」と違い、自己記述的で修正可能
- エージェント自身が状況に応じて調整できる
特徴③ コンテキスト効率が良い
- 実行時は「メタデータのみ」モデルに提示
- 必要なときだけ詳細を読み込む
- 数百のスキルを扱ってもコンテキストを圧迫しない
MCPとの関係：接続と専門知識の分業
スキルは、既存の MCP（Model Context Protocol） と対立する概念ではありません。
むしろ、役割分担が明確です。
| 役割 | 概念 |
|---|---|
| 外部データ・ツールとの接続 | MCP（Connectivity） |
| 何をどう使うかの知識 | スキル（Expertise） |
- MCP は「外の世界とつなぐ」
- スキルは「どう使って仕事をするかを教える」
スキルは、複数の MCP ツールを組み合わせた
業務フローそのものをエージェントに教えるための仕組みです。
非エンジニアも参加できる「知識の民主化」
この設計の重要なポイントは、
スキルはエンジニアだけのものではない
という点です。
- 財務担当者が会計処理のスキルを作る
- 法務担当者が契約レビューのスキルを作る
- 採用担当者が面接フローのスキルを作る
専門知識を「コード化された手順」として残すことで、
組織全体がエージェントを育てる側に回れます。
未来のビジョン：スキルは組織の「手続き型メモリ」
スキルは単なる補助ツールではありません。
講演では、スキルを エージェントの「手続き型メモリ」 と位置づけています。
継続的に蓄積される知見
- エージェントが作業を通じてスキルを改善
- 改善されたスキルはチーム全体で再利用
- 属人化していたノウハウが資産になる
使うほど賢くなるエージェント
- 組織独自のルールを理解
- 社内ツールの癖を把握
- 「その会社らしい判断」ができるようになる
比喩で理解する：CPU・OS・アプリケーション
この考え方は、コンピュータの構造に例えると非常に分かりやすくなります。
- AIモデル：CPU（プロセッサ）
- エージェント実行環境：OS
- スキル：アプリケーション
CPU や OS を作れる企業は限られています。
しかし、
アプリケーション（＝スキル）は、誰でも作れる
これこそが、Anthropic が示す世界観です。
まとめ
- エージェントを用途ごとに作る時代は終わりつつある
- 汎用エージェントに「スキル」を教える設計が重要
- スキルは、手順・判断・コードをまとめた知識パッケージ
- MCP が「接続」、スキルが「専門知識」を担う
- スキルは組織の知見を蓄積する新しいメディアになる
「AIを導入する」から
「AIに何を教えるか」へ
この視点の転換こそが、次の AI 活用フェーズの本質と言えそうです。
＼ 最新情報をチェック ／
