एंटरप्राइज़ AI परिदृश्य एक महत्वपूर्ण मोड़ पर है। हमारे पास शक्तिशाली सामान्य-उद्देश्य मॉडल और टूल्स का बढ़ता हुआ इकोसिस्टम है। लेकिन हम पज़ल के एक महत्वपूर्ण हिस्से से चूक रहे हैं: एजेंटों को वास्तविक कार्य करने के लिए आवश्यक प्रक्रियात्मक ज्ञान और संगठनात्मक संदर्भ से लैस करने का एक मानकीकृत, पोर्टेबल तरीका। 18 दिसंबर, 2025 को, Anthropic ने इस समस्या को हल करने की दिशा में एक बड़ा कदम उठाया और एजेंट स्किल्स को एक ओपन स्टैंडर्ड के रूप में जारी किया [1]। यह कदम, उसी रणनीति का पालन करते हुए जिसने Model Context Protocol (MCP) को उद्योग-व्यापी सफलता दिलाई, केवल एक और फीचर रिलीज़ नहीं है—यह एजेंटिक वर्कफोर्स के निर्माण और प्रबंधन के तरीके में एक मौलिक बदलाव है।
\n\nClaude जैसे सामान्य-उद्देश्य एजेंट अविश्वसनीय रूप से सक्षम हैं, लेकिन उनके पास अधिकांश एंटरप्राइज़ कार्यों के लिए आवश्यक विशेष विशेषज्ञता का अभाव है। जैसा कि Anthropic कहता है, \"वास्तविक कार्य के लिए प्रक्रियात्मक ज्ञान और संगठनात्मक संदर्भ की आवश्यकता होती है\" [2]। एक एजेंट शायद जानता हो कि pull request क्या है, लेकिन वह आपकी कंपनी की विशिष्ट कोड समीक्षा प्रक्रिया नहीं जानता। वह वित्तीय अवधारणाओं को समझ सकता है, लेकिन आपकी टीम के त्रैमासिक रिपोर्टिंग वर्कफ़्लो को नहीं जानता। सामान्य बुद्धिमत्ता और विशेष निष्पादन के बीच यह अंतर एंटरप्राइज़ में एजेंटिक AI को स्केल करने में प्राथमिक बाधा है।
\n\nअब तक, समाधान प्रत्येक उपयोग के मामले के लिए खंडित, कस्टम-डिज़ाइन किए गए एजेंट बनाना रहा है। यह \"शैडो AI\" का परिदृश्य बनाता है—अलग-थलग, प्रबंधन करने में असमर्थ, और शासन करना असंभव। हमें जिसकी आवश्यकता है वह है विशेषज्ञता को कंपोज़ेबल, पोर्टेबल, और खोजने योग्य बनाने का एक तरीका। यही वह है जो एजेंट स्किल्स करने के लिए डिज़ाइन किए गए हैं।
\n\nअपने मूल में, एक एजेंट स्किल एक डायरेक्टरी है जिसमें एक SKILL.md फ़ाइल और scripts, references, और assets के लिए वैकल्पिक सबडायरेक्टरीज़ होती हैं। यह, जैसा कि Anthropic इसे वर्णित करता है, \"एक नए कर्मचारी के लिए एक ऑनबोर्डिंग गाइड\" है [2]। SKILL.md फ़ाइल में निर्देश, उदाहरण, और सर्वोत्तम प्रथाएं शामिल हैं जो एक एजेंट को एक विशिष्ट कार्य करना सिखाती हैं। मुख्य नवाचार प्रोग्रेसिव डिस्क्लोज़र है, संदर्भ को कुशलतापूर्वक प्रबंधित करने के लिए एक तीन-स्तरीय प्रणाली:
name और description को लोड करता है। यह एजेंट को यह जानने के लिए पर्याप्त जानकारी प्रदान करता है कि कोई स्किल कब प्रासंगिक हो सकती है, बिना इसके संदर्भ विंडो को भरे।SKILL.md बॉडी को लोड करता है। यह एजेंट को कार्य करने के लिए आवश्यक मुख्य निर्देश देता है।scripts/, references/, या assets/ डायरेक्टरीज़ से अतिरिक्त फ़ाइलों को गतिशील रूप से लोड कर सकता है। यह स्किल्स को वस्तुतः असीमित मात्रा में संदर्भ रखने की अनुमति देता है, केवल आवश्यकतानुसार लोड किया जाता है।यह आर्किटेक्चर सरल और गहरा दोनों है। यह हमें जटिल प्रक्रियात्मक ज्ञान को एक मानकीकृत, साझा करने योग्य प्रारूप में पैकेज करने की अनुमति देता है। यह संदर्भ विंडो समस्या को संदर्भ को गतिशील और ऑन-डिमांड बनाकर हल करता है। और इसे एक ओपन स्टैंडर्ड बनाकर, Anthropic यह सुनिश्चित कर रहा है कि यह विशेषज्ञता किसी भी अनुपालक एजेंट प्लेटफ़ॉर्म पर पोर्टेबल है।
\n\n| घटक | \nउद्देश्य | \nसंदर्भ उपयोग | \n
|---|---|---|
मेटाडेटा (name, description) | \nस्किल खोज | \nन्यूनतम (स्टार्टअप पर लोड) | \n
निर्देश (SKILL.md बॉडी) | \nमुख्य कार्य मार्गदर्शन | \nऑन-डिमांड (स्किल सक्रिय होने पर लोड) | \n
संसाधन (scripts/, references/) | \nविस्तृत संदर्भ और टूल्स | \nऑन-डिमांड (आवश्यकतानुसार लोड) | \n
यह समझना महत्वपूर्ण है कि एजेंट स्किल्स Model Context Protocol (MCP) से कैसे संबंधित हैं। वे प्रतिस्पर्धी मानक नहीं हैं; वे एजेंटिक स्टैक की पूरक परतें हैं। जैसा कि Simon Willison उचित रूप से कहते हैं, \"MCP टूल एक्सेस के लिए 'प्लंबिंग' प्रदान करता है, जबकि एजेंट स्किल्स उन टूल्स का प्रभावी ढंग से उपयोग करने के लिए 'मस्तिष्क' या प्रक्रियात्मक स्मृति प्रदान करती हैं\" [3]।
\n\nउदाहरण के लिए, MCP एक एजेंट को git टूल तक पहुंच दे सकता है। एक एजेंट स्किल उस एजेंट को आपकी टीम की विशिष्ट git ब्रांचिंग रणनीति, pull request टेम्पलेट, और कोड समीक्षा चेकलिस्ट सिखाएगी। एक क्षमता प्रदान करता है; दूसरा विशेषज्ञता प्रदान करता है। वास्तव में प्रभावी एजेंटिक वर्कफोर्स बनाने के लिए आपको दोनों की आवश्यकता है।
एजेंट स्किल्स को एक ओपन स्टैंडर्ड के रूप में जारी करके, Anthropic इंटरऑपरेबिलिटी और इकोसिस्टम विकास पर एक रणनीतिक दांव लगा रहा है। इस कदम के एंटरप्राइज़ के लिए कई महत्वपूर्ण निहितार्थ हैं:
\n\nएजेंट स्किल्स विनिर्देश, जैसा कि Simon Willison नोट करते हैं, \"स्वादिष्ट रूप से छोटा\" और \"काफी हद तक अंडर-स्पेसिफाइड\" है [3]। यह एक फीचर है, बग नहीं। यह एक लचीली नींव प्रदान करता है जिस पर समुदाय निर्माण कर सकता है। हम उम्मीद कर सकते हैं कि विनिर्देश विकसित होगा क्योंकि इसे अधिक प्लेटफार्मों द्वारा अपनाया जाता है और जैसे-जैसे सर्वोत्तम प्रथाएं उभरती हैं।
\n\nहालांकि, स्किल्स की शक्ति—विशेष रूप से कोड निष्पादित करने की उनकी क्षमता—नए शासन चुनौतियों को भी पेश करती है। संगठनों को विश्वसनीय स्रोतों से स्किल्स की ऑडिटिंग, परीक्षण, और तैनाती के लिए स्पष्ट प्रक्रियाएं स्थापित करने की आवश्यकता होगी। हमें स्किल्स की खोज और वितरण के प्रबंधन के लिए स्किल रजिस्ट्रीज़ की आवश्यकता होगी, और यह नियंत्रित करने के लिए पॉलिसी इंजन की आवश्यकता होगी कि कौन से एजेंट किन संदर्भों में किन स्किल्स का उपयोग कर सकते हैं। ये एजेंटिक इंफ्रास्ट्रक्चर में अगली सीमाएं हैं।
\n\nएजेंट स्किल्स केवल एक नई फीचर नहीं हैं; वे एजेंटिक युग के लिए एक नया आर्किटेक्चरल प्रिमिटिव हैं। वे सामान्य बुद्धिमत्ता और विशेष निष्पादन के बीच लापता कड़ी प्रदान करती हैं। विशेषज्ञता को कंपोज़ेबल, पोर्टेबल, और मानकीकृत बनाकर, एजेंट स्किल्स एंटरप्राइज़ AI में नवाचार की अगली लहर को अनलॉक करेंगी। दौड़ अब केवल सबसे शक्तिशाली मॉडल बनाने के बारे में नहीं है; यह सबसे सक्षम और जानकार एजेंटिक वर्कफोर्स बनाने के बारे में है।
\n\nसंदर्भ:
\n\n[1] Anthropic. (2025, December 18). Agent Skills. Agent Skills.
\n\n\n\n[3] Willison, S. (2025, December 19). Agent Skills. Simon Willison's Weblog.
", "source_hash": "sha256:f11e0e4fccf70b9432ab786d214554fa1db89dee0e463dfac4cf14f2641383c9", "model": "claude-sonnet-4-5-20250929", "generated_at": "2026-01-02T02:07:35.509859+00:00" }