Agent Skills - Menyesuaikan AI agar sesuai dengan alur kerja

 (anthropic.com)
17 poin oleh GN⁺ 2025-10-17 | 4 komentar | Bagikan ke WhatsApp
  • Agent Skills dari Anthropic memungkinkan perluasan keahlian AI sesuai alur kerja pengguna
  • Skill adalah komponen berbasis folder yang berisi instruksi, skrip, dan sumber daya, dan hanya dimuat Claude saat dibutuhkan untuk suatu tugas
  • Memberikan kemampuan yang dioptimalkan untuk area kerja tertentu seperti membuat Excel·PowerPoint, mematuhi panduan merek, dan lainnya
  • Pengguna maupun developer dapat membuat Skill sendiri untuk digunakan di Claude app, Claude Code, dan API
  • Dukungan untuk distribusi dan pengelolaan di tingkat perusahaan juga direncanakan, sehingga menjadi fondasi untuk membangun alur kerja AI yang disesuaikan

Gambaran umum Skills dan cara kerjanya

  • Melalui fitur Agent Skills, Claude dapat menggunakan skill yang dikustomisasi agar lebih baik dalam menjalankan tugas tertentu
  • Skill disediakan dalam bentuk folder yang mencakup instruksi, skrip, dan sumber daya, dan Claude hanya mengakses skill tersebut saat tugas terkait membutuhkannya
  • Dengan fitur ini, Claude dapat dimanfaatkan lebih kuat untuk berbagai pekerjaan profesional seperti pengelolaan dokumen Excel atau kepatuhan terhadap panduan merek organisasi
  • Pengguna dapat membuat skill kustom untuk digunakan secara menyeluruh di Claude app, Claude Code, API, dan lainnya

Cara kerja Skills

  • Saat menjalankan tugas, Claude memiliki algoritme yang memindai semua skill yang tersedia untuk menemukan skill yang paling relevan
  • Jika ada skill yang cocok, Claude hanya memuat informasi dan file minimum yang diperlukan untuk menjaga kecepatan sekaligus memperoleh kemampuan kerja profesional
  • Karakteristik skill
    • Komposabilitas: beberapa skill dapat digunakan bersama seperti stack, dan Claude akan otomatis menyesuaikan skill yang diperlukan
    • Portabilitas: ditulis dalam format yang sama sehingga bisa digunakan di seluruh lini produk Claude
    • Efisiensi: hanya memanggil fungsi yang dibutuhkan pada saat diperlukan
    • Kekuatan: juga dapat mencakup kode yang dapat dieksekusi (mis. Python, Shell), sehingga bisa memanfaatkan efisiensi pemrograman tradisional
  • Skill diposisikan sebagai materi onboarding kustom yang mengemas pengetahuan spesialis organisasi untuk diberikan kepada Claude, sehingga keahlian dapat dipaketkan agar Claude berperan sebagai pakar di domain tertentu

Integrasi dengan produk Claude

Claude Apps

  • Pengguna Pro, Max, Team, dan Enterprise semuanya dapat menggunakan fitur skill
  • Secara default tersedia berbagai contoh skill untuk pekerjaan umum seperti penulisan dokumen, dan dapat langsung dikustomisasi
  • Saat pengguna memasukkan pekerjaan yang ingin dilakukan, Claude otomatis memanggil skill yang sesuai, dan perilaku skill juga dapat diperiksa dalam chain of thought
  • Melalui skill skill-creator, pembuatan skill didukung dengan mudah lewat panduan interaktif seperti pertanyaan tentang alur kerja, pembuatan struktur folder, format otomatis SKILL.md, bundling resource, dan lainnya
  • Untuk Team/Enterprise, admin perlu mengaktifkan fitur ini di tingkat organisasi
  • Tersedia di halaman pengaturan

Claude Developer Platform (API)

  • Melalui permintaan Messages API dan endpoint baru /v1/skills, dimungkinkan pengelolaan versi dan kontrol operasional untuk skill kustom
  • Penggunaan skill memerlukan fitur beta Code Execution Tool, yang menyediakan lingkungan eksekusi kode yang aman
  • Dengan skill yang disediakan Anthropic, pembuatan dan pengeditan dokumen tingkat profesional seperti Excel, PowerPoint, Word, dan PDF menjadi memungkinkan
  • Developer dapat membuat skill kustom yang sesuai dengan alur kerja tertentu untuk memperluas pemanfaatan Claude secara bebas
  • Claude Console mendukung pembuatan, peninjauan, dan upgrade versi skill dengan mudah
  • Pembelajaran lebih lanjut tersedia melalui dokumentasi dan Anthropic Academy

Contoh penggunaan mitra

  • Box: secara otomatis mengonversi konten yang tersimpan menjadi dokumen PowerPoint·Excel·Word, mendukung otomatisasi dokumentasi sesuai standar organisasi
  • Notion: mengubah pertanyaan kompleks menjadi tindakan yang langsung dapat dijalankan, sehingga mengurangi beban penyesuaian prompt
  • Canva: mengustomisasi agen melalui Skill untuk mendukung otomatisasi desain dan produksi konten berkualitas tinggi di tingkat tim
  • Rakuten: menggunakan Skill untuk otomatisasi keuangan dan akuntansi, memproses beberapa spreadsheet secara terpadu dan mempersingkat waktu pembuatan laporan dari 1 hari → 1 jam

Integrasi dengan Claude Code

  • Claude Code mendukung pemasangan skill untuk memperluas keahlian tim dan alur kerja
    • Mendukung model plugin marketplace anthropics/skills dan juga penambahan folder langsung ke ~/.claude/skills
  • Menyediakan fungsi berbagi skill dan kolaborasi antar tim melalui integrasi dengan sistem kontrol versi
  • Juga mendukung pengembangan agen kustom melalui Claude Agent SDK

Memulai

Rencana ke depan dan catatan penting

  • Ke depannya, proses pembuatan Skill akan disederhanakan dan kemampuan distribusi di tingkat organisasi akan diperkuat
  • Karena Skill memungkinkan Claude mengeksekusi kode, hanya Skill dari sumber tepercaya yang boleh digunakan
  • Perhatikan perlindungan data dan keamanan, dan untuk detail lebih lanjut lihat dokumen panduan

Bacaan terkait

4 komentar

 
ahwjdekf 2025-10-21

Kentang bisa dipanggang, direbus, ditumis, dimasak semur, dihaluskan ...
 
ahwjdekf 2025-10-21

Setiap kali diberi nama yang terdengar keren. Pada akhirnya rasanya tetap cuma kentang.
 
GN⁺ 2025-10-17
Opini Hacker News

  • Ke depannya, sepertinya akan ada kekacauan konseptual yang cukup besar seputar ChatGPT, Claude, dan sebagainya, seperti yang pernah dialami dalam pengembangan frontend; sekarang berbagai konsep seperti tool, function, skill, agent, sub-agent, command, app, dan lain-lain membanjir, dan di atas kekacauan ini berbagai framework ‘vibe’ juga terus bertambah

    • Jangan lupakan juga fitur terkait MCP. Ya, memang ini kekacauan, tapi di bawahnya ada konsep dasar yang mudah dipelajari. Bahkan kalau ada fitur baru ditambahkan, semuanya bisa dengan mudah dimasukkan ke mental model yang sama, atau bahkan diabaikan saja lalu membuat tool sendiri untuk dipakai langsung juga merupakan pendekatan yang bagus. Mental model dasarnya adalah memanggil LLM dalam sebuah loop, terus menyimpan riwayat apa yang sudah dilakukan dalam sesi sebagai history (=context), sambil memungkinkan pemanggilan tool seperti membaca file, menulis file, memanggil bash, dan sebagainya. Ini juga disebut ‘agent loop’, dan bahkan bisa diimplementasikan hanya dengan 100 baris kode Python. Kalau Anda pengembang yang tertarik pada LLM, saya sangat merekomendasikan untuk membuatnya sendiri. Begitu mencobanya, rasanya benar-benar membuka mata. Kalau Anda pernah membuat agent sederhana sendiri, saat muncul tool baru Anda akan bisa menjelaskan cara kerjanya dengan mudah hanya dari sudut pandang implementasi. Misalnya, Claude Skills pada dasarnya adalah 1) beberapa file berisi instruksi untuk LLM 2) saat mulai, hanya menelusuri skill yang tersedia dan mengumpulkan deskripsi singkatnya ke dalam context LLM 3) memberi tahu LLM cara memakai skill, dan di Claude ini memakai tool bash 4) saat benar-benar menggunakan skill, ia melakukan ‘call bash’ untuk membaca file lalu menjalankan tugasnya. Tentu detail penting seperti kontrol izin saya lewatkan di sini, tetapi struktur intinya seperti itu
    • Ekosistemnya sekarang terasa sudah terlalu rumit sampai-sampai bisa runtuh karena dirinya sendiri. Setiap sistem atau platform punya semacam total anggaran kompleksitas yang masih bisa disimpan orang dalam ingatan sehari-hari, dan sangat penting anggaran itu dipakai untuk apa. Saat penyedia platform menambahkan kompleksitas baru, itu berarti mengurangi nilai yang bisa dibangun di atas platform tersebut. Akhir-akhir ini para penyedia menambahkan kompleksitas sembarangan demi diferensiasi, tetapi akhirnya hanya menaikkan hambatan masuk sehingga target pengguna yang sebenarnya dibutuhkan malah tidak bisa masuk, dan nilai nyata yang bisa dibangun di atas platform itu sendiri justru berkurang. Bahkan sekarang pun rasanya ada banyak konsep serupa yang tumpang tindih dan menghabiskan anggaran kompleksitas baru tanpa benar-benar menambah banyak fungsi. Di internal mungkin ada ilusi “kalau fitur seperti ini ditambahkan, akan lebih mudah dipelajari”, tetapi kenyataannya bisa jadi jumlah orang yang tertarik sama dengan yang pergi, jadi untung-ruginya tidak seberapa
    • Karena ini teknologi yang benar-benar baru, masih terlalu banyak wilayah yang belum diketahui. Memilih tool cloud atau library Python juga dulu punya masalah serupa. Itulah juga alasan tidak semua orang menjadi early adopter. Biaya mental untuk mengikuti semua ini cukup besar
    • Loop intinya sederhana, tetapi framework minimal yang memungkinkan eksperimen bebas dengan konsep-konsep imperatif seperti ini benar-benar berharga. Saya suka karena Beads bisa langsung saya tempelkan ke framework lalu kalau cocok dipakai terus, kalau tidak ya dilepas. Hal seperti toolkami juga layak dilihat
    • ‘Metastasizing’ benar-benar menggambarkan fenomena ini dengan baik, terus menumpuk tanpa henti di atas konsep yang sudah ada

  • Saya baru saja menulis soal skill, “Claude Skills benar-benar keren, mungkin ini perubahan yang lebih besar daripada MCP” tautan artikel

    • Menurut Anda ada tumpang tindih antara Skills dan AGENTS.md? Di VSCode juga baru-baru ini diperkenalkan secara eksperimental fitur nested AGENTS.md, dan meskipun kurang formal, secara konsep rasanya bisa tumpang tindih tautan pembaruan VSCode
    • Skill ini rasanya lebih dekat ke design pattern atau trik prompt engineering daripada fitur yang perlu dimasukkan ke spesifikasi yang kaku. Sebenarnya ini juga bisa diimplementasikan di dalam MCP. Saya selama ini memakainya dengan pola seperti “sebelum mulai apa pun, cari dulu di skills MCP lalu baca panduan yang relevan”
    • Saya penasaran kapan harus menganggap sesuatu cukup sebagai skill, dan kapan harus dijadikan project tersendiri

  • Saya melihat kemampuan sistem seperti ini untuk menyelesaikan masalah dengan baik sangat bergantung pada ringkasan yang tertulis di skill tersebut. Manusia, seiring bertambahnya pengalaman, bisa memahami kapan dan skill apa yang harus dipakai, tetapi Claude setiap kali memulai hanya membaca penjelasan secara kasar dari awal

    • Berbeda dengan manusia yang lewat pengalaman menjadi pengguna skill yang terampil, LLM hanya bisa meniru. Karena itulah Richard Sutton berpendapat LLM tidak akan berevolusi menjadi AGI. Menurut Sutton, AGI akan lahir dari reinforcement learning, sedangkan LLM (jaringan saraf) hanya bisa meniru. LLM tidak punya landasan kognitif berupa tujuan dan konsekuensi dari tindakan, jadi “skill” dalam LLM lebih dekat ke manual referensi. Sifatnya berbeda dari ‘skill’ yang bisa diterapkan berulang kali dalam pengembangan tugas/alat musik/solusi video Sutton
    • Ini pada akhirnya adalah masalah context window. Manusia mengingat konteks yang sangat luas walaupun tidak akurat, tetapi jika menghabiskan lebih dari 10 ribu jam untuk menguasai suatu bidang, maka “keterampilan” itu akan diingat dengan baik, dan yang lain dilupakan. LLM bisa menyimpan context secara terprogram secara konsisten dan mengingatnya dengan sempurna, tetapi untuk menelusuri seluruh konteks dibutuhkan waktu dan biaya yang terlalu besar. Jadi Skills, atau lebih tepatnya context insertion, adalah cara menyesuaikan prioritas output secara manual. Mode berpikir LLM pada akhirnya juga merupakan penataan ulang konteks. Mungkin tidak selalu berarti “mulai dari awal setiap kali”, dan kalau dipahami seperti ini, penggunaan tool jadi jauh lebih mudah
    • Saya bertanya-tanya apakah alasan LLM harus memulai dari titik awal setiap kali adalah karena infrastruktur multi-tenant. Wajar kalau OpenAI atau Anthropic ingin mendaur ulang server/memori untuk banyak pengguna. Saya penasaran apakah konfigurasi single-tenant yang “personal” mungkin dilakukan, dengan cara LLM mengingat semua percakapan sebelumnya
    • Kunci untuk memperkaya pengetahuan/tool pada LLM adalah membuat LLM menyadari apa yang harus dipakai dan kapan memakainya, dan saat ini itu hampir merupakan wilayah yang mustahil
    • Sebagian besar pengalaman adalah informasi umum yang tidak terkait dengan project/percakapan. LLM harus bisa mulai dari pengetahuan seperti ini, lalu setelah itu mengingat dan mengambil informasi khusus project secara terpisah. Kecepatan manusia dalam mengambil informasi sangat tinggi, tetapi LLM pun, meski sedikit lebih lambat, seharusnya tetap bisa merujuknya hampir secara real-time

  • Cukup lucu bahwa “skills” milik Claude hanya benar-benar bekerja jika developer menulis dan merawat dokumentasi dengan baik. Banyak developer bahkan tidak bisa mengelola dokumentasi kode yang sebenarnya, jadi dokumentasi untuk LLM rasanya akan lebih sulit lagi. Mungkin ini berguna bagi segelintir developer yang punya sistem file sangat rapi sekaligus toleransi risiko tinggi, tetapi kalau memang orangnya sudah seperti itu, bukankah lebih baik pekerjaan remeh seperti ini diberikan ke junior sambil melatih mereka daripada ke LLM? Toh pada akhirnya hasilnya tetap harus ditinjau semua. Karena context window juga terbatas, sulit untuk benar-benar mewujudkan rasa bahwa “skill itu terinternalisasi” seperti pada manusia. Kalau sampai perlu melatih LLM khusus, pada akhirnya Anda akan terikat seumur hidup pada LLM itu. Dari banyak sisi, premis seperti “semua bintang berjajar sempurna di dalam organisasi” ini terasa menarik

    • Fakta bahwa agar LLM berjalan baik diperlukan dokumentasi developer dan berbagai infrastruktur untuk developer profesional seperti yang dirangkum di artikel ini justru menjadi motivasi yang sangat membantu. Bahkan ini memudahkan untuk meyakinkan manajemen
    • LLM memberi imbalan lebih besar kepada developer yang menulis dengan baik, jadi mungkin itu salah satu alasan developer enggan pada LLM
    • Saya juga datang ke komentar untuk mencari poin ini, dan sepertinya Anda satu-satunya yang menyinggungnya. “Skills” pada akhirnya hanyalah dokumentasi yang sangat rinci, dan pada praktiknya hampir tidak pernah ada project yang menulis dokumentasi seperti itu. Akan bagus kalau berkat LLM skills semua developer jadi menulis dokumentasi yang benar-benar detail, tetapi rasanya kemungkinan itu kecil

  • Saya penasaran bagaimana sub agents, MCP, skills, dan sebagainya akan saling berinteraksi. Terasa ada cukup banyak tumpang tindih. Arah untuk meningkatkan spesifikasi lalu memberi Claude kemampuan tambahan sendiri sebenarnya cukup bagus, tetapi pada praktiknya apa pun caranya, implementasi fitur agent semuanya akan bisa mencapai tingkat yang mirip. Saat ini di MCP diperlukan json, tetapi di Claude cukup meletakkan markdown di file/folder, input multimodal juga bisa, jadi UX-nya tampaknya cukup membaik

    • Claude Skills terlihat persis seperti prompt MCP spesifikasi prompt MCP, jadi saya tidak paham kenapa perlu membuat konsep baru. Dalam chat UI saya bisa mengerti dari sisi pemasaran, tetapi di Claude Code? Sudah ada CLAUDE.md juga, jadi agak membingungkan
    • Menurut saya ketiganya saling melengkapi dengan cukup baik. MCP berperan membungkus API agar bisa dipakai oleh LLM agent, Skills menyampaikan instruksi tambahan kepada agent hanya saat diperlukan dengan efisien dari sisi konteks, dan sebagian instruksi itu juga bisa menjelaskan cara memakai MCP. Sub-agents adalah pola manajemen konteks lain, di mana agent tingkat atas mengirim misi ke agent tingkat bawah, lalu bila perlu menggunakan skills dan MCP bersama-sama untuk menghemat token

  • Penambahan fitur-fitur seperti ini terasa cukup segar. Di project saya, saya membuat subfolder terpisah di bawah bin/claude untuk menaruh script atau hal lain yang dibuat Claude, lalu mencatat lokasi itu dengan baik di claude.md agar bisa dipakai saat pencarian tool. Kinerja di penggunaan nyata juga cukup bagus. Sebenarnya yang benar-benar dibutuhkan adalah helper manajemen konteks—sesuatu seperti “mulai Claude dengan kumpulan MCP ini lalu beralih ke kumpulan MCP itu”—tetapi sekarang saya mengelola subdirektori (profil) terpisah per project dan menjalankan claude sekali dari sana. Dalam struktur seperti ini, bin/claude berperan penting, sehingga Claude langsung memahami hal seperti cara menganalisis dataset BigQuery tertentu atau lokasi file autentikasi. Saya tidak pernah menyangka akan memakai sistem file untuk manajemen profil, tetapi akhirnya memang seperti ini jadinya

    • Mendengar soal “helper manajemen konteks”, saya jadi berpikir bukankah itu sebenarnya sub agents?

  • Saya tidak tahu kenapa demo seperti ini memakai contoh yang terlalu sederhana, seperti membalik atau memotong foto anjing, padahal ada banyak contoh penggunaan skill yang lebih meyakinkan

    • Di halaman developer ada contoh pemrosesan PDF yang jauh lebih baik dokumentasi skill PDF, dan sebenarnya saya juga selama ini di Claude Code memakai file markdown berisi panduan penggunaan dengan @tag, jadi sekarang lebih bagus karena sudah diotomatisasi
    • Kalau melihat artikel Wikipedia "The purpose of a system is what it does", ada hal yang layak dipikirkan
    • Dua masalah yang saya alami pagi ini di Claude terkait pembuatan file .xlsx juga semuanya punya solusi di dokumen ini contoh skill Excel
    • Contoh foto anjing itu pada akhirnya dimaksudkan sebagai referensi mudah untuk disampaikan ke konsumen

  • Rasanya adopsi Claude-skills menyebar sangat cepat. Hari Selasa saya tertarik dengan “Superpowers” artikel pengantar, lalu saya juga merapikan tool-tool yang sudah saya buat dan mengemasnya sebagai skill agar bisa didelegasikan ke agent. Masukan untuk open source deli-gator juga diterima

    • Fitur delegation ke agent benar-benar menarik. Sering kali konteks issue Linear masuk terlalu berlebihan; misalnya saya hanya ingin deskripsi issue dan komentar terakhir, tetapi Linear MCP malah mengambil semua komentar sehingga konteksnya jadi tercemar

  • Jumat lalu saya tidak sengaja membocorkan keberadaan Claude Skills lebih dulu, jadi senang sekarang sudah resmi dirilis artikel blog terkait

    • “Kalau Anda membuka instance Claude baru lalu memintanya membuat file zip berisi seluruh folder /mnt/skills, itu benar-benar berhasil”, lucu sekaligus menakutkan bahwa hack seperti ini menjadi nyata. Semoga saja ia tidak punya akses ke seluruh file system atau binary; bagaimana kalau sampai bisa SSH...
    • Blog Jesse belakangan ini benar-benar aktif, jadi saya berterima kasih untuk itu

  • skills, plugins, marketplace, connector, add-on, dan sebagainya sekarang terlalu banyak sampai sulit diikuti

    • Menurut saya sebenarnya tidak perlu diikuti. Mirip dengan ‘best practice’ dalam prompt engineering, hal-hal seperti ini hanya solusi sementara untuk mengatasi keterbatasan sesaat, jadi tidak perlu menginvestasikan waktu sampai performa yang benar-benar dibutuhkan menjadi kemampuan bawaan model yang ada. Dalam beberapa bulan saja semuanya bisa lenyap, jadi sebaiknya hanya diperhatikan kalau performanya memang mendesak
    • Kita juga perlu sedikit memahami kenapa ini terjadi. Dari sudut pandang perusahaan, mereka harus terus menghasilkan sesuatu, sementara produk utamanya masih belum mewujudkan janji “era pengangguran massal”. Ini lebih merupakan sinyal untuk investor daripada untuk pengguna: “kami bukan sekadar membayar gaji peneliti tanpa melakukan apa-apa, kami juga membuat beragam produk seperti ini dan memutar data”, apalagi mereka punya basis A/B testing yang sangat besar
    • Dari sudut pandang pengguna, makin banyak fitur khusus tiap penyedia berarti makin banyak hal yang harus dipelajari dan diatur, dan vendor lock-in juga makin parah, jadi justru merugikan. Tetapi bagi penyedia model, terus merilis fitur seperti ini adalah cara mempertahankan diferensiasi produk. Tanpa itu, yang mereka buat akan menjadi komoditas biasa
    • Penambahan fitur tampaknya akan terus berlanjut sampai suasana tim kembali membaik
    • Sebenarnya saya rasa ini tidak terlalu rumit. Plugins mencakup commands, MCPs, Subagents, dan sekarang juga Skills. Marketplace adalah tempat untuk mengumpulkan plugin-plugin tersebut