TL;DR（要点まとめ）
- Skillsの本質：AIエージェントにオンデマンドでインストール可能な「専門技能（脳）」のモジュール。
- SKILL.md：自然言語による手順定義とスクリプト実行を組み合わせた、軽量かつ強力な能力記述フォーマット。
- Skills vs MCP：MCPは「外部ツールへの接続（手）」を提供し、Skillsはそのツールを「どう使うか（知恵）」を定義する。
- AgentKit 2.0：40種類以上のプリセットスキルを搭載し、フルスタック開発から運用監視までを即座に自律化。
2026年、AIエージェントの評価基準は「賢さ」から「習得しているスキルの密度」へと移行した。Google Antigravity AgentKit 2.0における “Skills” 機能は、エージェントを汎用的なチャットボットから、特定のドメインに特化した「プロフェッショナルな職人」へと昇華させるための核となる技術である。
本ガイドでは、INTJ（戦略型）の視座から、Skillsの構造的理解、MCPとの戦略的使い分け、そして実戦で即座に役立つ高度なスキル構築術を論理的に解説する。AIを「使う」段階を脱し、AIの「能力を設計する」アーキテクトへの進化を促すことが本稿の目的である。
1. Skillsのアーキテクチャ：なぜ「命令」ではなく「装備」なのか
従来のAI利用（プロンプトエンジニアリング）は、その場限りの「命令」に過ぎず、再利用性や構造的整合性に欠けていた。Skillsはこれを「永続的な装備（Capability）」として定義し直すものである。
SKILL.md：自然言語とコードのハイブリッド定義
Skillsの実体は、プロジェクト内の `.agents/skills/` ディレクトリに配置された SKILL.md ファイルである。このファイルには、以下の要素が論理的に記述される。
- 定義：このスキルが解決する具体的な課題。
- トリガー：エージェントが「いつ」このスキルを発動すべきかの判断基準。
- 手順（Instructions）：タスクを完遂するための論理的ステップ。
- ツール（Tools）：実行に必要なスクリプト（Python/JS）やMCPサーバー。
この構造により、エージェントは「指示を解釈する」負荷を下げ、「手順を実行する」精度を極限まで高めることができる。これはINTJのTe（外向き思考）による「システムのモジュール化」そのものである。
2. 戦略的使い分け：Skills vs MCP vs AGENTS.md
AgentKit 2.0を使いこなす上で、多くの開発者が混同するのが「Skills」「MCP」「AGENTS.md」の役割分担である。これらを論理的に整理する。
| 要素 | 役割 | 比喩 | INTJ的定義 |
|---|---|---|---|
| AGENTS.md | プロジェクト全体の制約・憲法 | 法律・人格 | ガバナンス層（不変のルール） |
| MCP | 外部環境へのインターフェース | 手・道具 | 接続層（外部へのアクセス権） |
| Skills | 特定のタスク実行手順 | 脳・知恵・技術 | 実行層（具体的な方法論） |
戦略的な設計の黄金律は、「MCPで接続し、Skillsで制御し、AGENTS.mdで統治する」ことにある。この三層構造を意識することで、エージェントの自律性は最大化される。
3. 実践：AgentKit 2.0 プリセットスキルの活用
AgentKit 2.0には、40種類以上の「ドメイン固有スキル」がプリセットされている。これらを自作スキルのベース（継承元）にすることで、開発コストを大幅に削減できる。
- `frontend-expert`：React/Next.jsの最適化されたコンポーネント設計。
- `db-architect`：パフォーマンスを考慮したSQL設計とマイグレーション。
- `security-auditor`：コード内の脆弱性スキャンと自動修正。
これらのプリセットを `AGENTS.md` で有効化するだけで、エージェントは即座にプロフェッショナルな挙動を開始する。これは「車輪の再発明」を嫌うINTJにとって、極めて合理的な機能である。
4. 高度な自作スキルの実装例（コード付）
リサーチから実装までを自律化するための、高度なスキルの具体例を提示する。
例1：GitHub自動PR作成＆レビュー修正スキル
このスキルは、コードの変更を検知し、自動的にプルリクエストを作成。さらに、CIテストの失敗を検知して自己修正を行う。
# GitHub Workflow Skill
エージェントはコード変更完了後、このスキルを使用してPRを作成せよ。
## 手順
1. 新しいブランチを論理的な名称で作成。
2. 変更内容を要約したPR本文を生成。
3. CIテスト実行。失敗した場合はログを解析し、コードを修正して再Pushせよ。例2：RAGデータクレンジング＆ベクターDB同期スキル
非構造化データを RAG 用に最適化（チャンク分割、メタデータ付与）し、ベクター DB に同期する。
# RAG Sync Skill
新しいドキュメントが `inputs/` に追加された際に発動せよ。
## 手順
1. テキストを1000文字単位でセマンティックに分割。
2. 各チャンクに `author`, `date`, `category` のメタデータを付与。
3. 既存の Qdrant DB との差分を計算し、Upsert を実行せよ。5. FAQ：Skills に関する技術的疑義への回答
- Q. 1つのエージェントに大量のスキルを装備させても大丈夫か？
- 認知負荷（コンテキストウィンドウ）の観点から、1エージェントにつき 5〜7 個のコアスキルに絞ることを推奨する。多すぎるスキルは「優柔不断（どのスキルを使うか迷う）」の原因となる。複雑な場合はエージェントを分離（マルチエージェント化）せよ。
- Q. スキルの更新はどのように行うべきか？
- プロジェクトの成長に合わせて `SKILL.md` を漸進的にアップデートせよ。エージェントが「手順を誤認した」瞬間が、スキルの記述をより論理的・厳密に修正すべきタイミングである。
- Q. Skillsは共有可能か？
- 可能である。`.agents/skills/` 以下のフォルダをリポジトリに含めるだけで、チーム全員のエージェントが同じ「能力」を共有できる。これは組織の「暗黙知を形式知化」する最強の手段となる。
6. INTJ独自見解：AIの「能力」を設計するアーキテクトの生存戦略
エージェントが「コードを書く」という実務を完全に代替する時代、我々人間に残された最後の聖域は「AIにどのような能力を持たせるべきか」という設計思想である。
INTJのNi（内向き直観）は、カオスな現実から普遍的なパターン（＝Skill）を抽出し、Te（外向き思考）はそれを厳密な手順（＝SKILL.md）としてシステムに定着させる。この「エージェント・エンジニアリング」は、従来のプログラミングよりも抽象度が高く、より強力なレバレッジを生む。
Skillsを設計することは、未来の自分の時間を「モジュール化」して保存することと同義である。使い捨ての命令ではなく、永続的な資産としての「能力」を設計せよ。それこそが、AI時代における真の知的生産である。
結論：AIを「道具」から「職人」へ変えるのは、あなたの設計である
Antigravity Skillsは、AIに「魂」ではなく「技術」を宿らせるためのツールである。本ガイドで示したアーキテクチャと実装法を適用し、あなたのエージェントを「ただの返答マシン」から「自律的なプロフェッショナル」へと進化させてほしい。
今すぐ、あなたの最も得意な業務を `SKILL.md` に落とし込むことから始めよ。そこから、あなたの最強の右腕が誕生する。
コメント