Panduan Lengkap Membangun Claude Skills

• Claude Skills adalah paket pengetahuan workflow yang dirancang agar alur kerja berulang dapat didefinisikan sekali lalu digunakan ulang secara berkelanjutan
• Panduan PDF 33 halaman yang ditulis langsung oleh Anthropic membahas seluruh proses secara bertahap, mulai dari perancangan skill hingga penyusunan struktur, pengujian, dan deployment
• Mencakup berbagai skenario pemanfaatan, dari otomasi workflow mandiri hingga penguatan integrasi alat berbasis MCP
• Disusun berdasarkan pola dan kasus kegagalan yang telah tervalidasi di lingkungan operasional nyata
• Jika 2–3 workflow teratas sudah dirapikan, skill pertama bisa dibangun dan diuji dalam 15–30 menit

---

Introduction

• Panduan ini bertujuan memperlakukan Claude Skills bukan sebagai prompt sekali pakai, melainkan aset workflow yang bisa digunakan berulang
• Skills didefinisikan sebagai struktur yang dirancang untuk mengajarkan Claude suatu tugas atau proses sekali saja, lalu menggunakannya kembali secara konsisten di semua percakapan berikutnya
• Dengan begitu, pengguna tidak perlu menjelaskan preferensi, cara kerja, dan pengetahuan domain setiap kali, sehingga biaya kognitif dan operasional dapat berkurang drastis

• Situasi ketika Skills sangat efektif

  • Skills memberikan dampak terbesar pada tugas yang berulang dan terstruktur
    • Membuat desain frontend berdasarkan spesifikasi
    • Melakukan riset dengan metodologi yang konsisten
    • Menulis dokumen yang mengikuti style guide tim
    • Mengorkestrasi proses kompleks dengan banyak tahap
  • Terintegrasi secara alami dengan kemampuan bawaan Claude, seperti eksekusi kode dan pembuatan dokumen

• Pembagian peran MCP dan Skills

  • Saat menggunakan integrasi MCP, Skills dijelaskan sebagai lapisan tambahan yang menstabilkan workflow, bukan sekadar penghubung alat
  • Jika MCP menyediakan “apa yang bisa dilakukan”, maka Skills berperan menetapkan “bagaimana cara melakukannya”
  • Ini memungkinkan akses alat yang mentah diubah menjadi pengalaman otomasi yang andal

• Tujuan dan cakupan panduan

  • Dokumen ini mencakup seluruh proses yang dibutuhkan untuk membangun Skills
    • Perencanaan awal dan desain struktur
    • Cara penulisan yang sebenarnya
    • Pengujian dan perbaikan iteratif
    • Deployment dan berbagi
  • Menargetkan seluruh cakupan pemanfaatan, dari skill pribadi, skill standar internal tim, hingga skill untuk dibagikan ke komunitas
  • Disusun dengan fokus pada pola dan contoh yang telah terbukti di praktik nyata, bukan penjelasan teoretis semata

• Pembaca yang dituju

  • Developer yang ingin Claude menjalankan workflow tertentu dengan cara yang selalu sama
  • Power user yang ingin mengotomatiskan pekerjaan berulang
  • Tim yang ingin menstandarkan cara penggunaan Claude di tingkat organisasi
  • Builder yang ingin menggabungkan pengetahuan workflow dengan konektor MCP

• Jalur pemanfaatan panduan

  • Jika tujuannya membangun Skills mandiri:
    • Fundamentals
    • Planning and Design
    • Disarankan berfokus terutama pada Category 1–2
  • Jika tujuannya memperkuat integrasi MCP:
    • Bagian Skills + MCP
    • Disarankan berfokus terutama pada Category 3
  • Kedua jalur ini berbagi persyaratan teknis yang sama, dan hanya bagian yang diperlukan yang bisa diterapkan secara selektif

• Hasil yang diharapkan

  • Dengan mengikuti panduan ini, pengguna diarahkan agar dapat menyelesaikan satu Skill yang praktis dalam satu sesi
  • Jika memiliki 2–3 workflow utama yang jelas, Skill pertama dapat dibangun dan diuji dalam sekitar 15–30 menit
  • Introduction menegaskan sudut pandang inti yang menjadi dasar semua bab berikutnya, yaitu
    “Skills bukanlah prompt, melainkan pengetahuan kerja yang dapat digunakan kembali”

Chapter 1: Konsep dasar (Fundamentals)

• Menjelaskan landasan konseptual dan filosofi desain untuk memahami Claude Skills
• Mendefinisikan Skills bukan sebagai sekadar kumpulan prompt, melainkan unit pengetahuan kerja yang terus digunakan ulang
• Merangkum prinsip-prinsip utama yang menjadi dasar pembahasan desain, pengujian, dan deployment di bab-bab berikutnya

• Apa itu Skill

  • Skill adalah struktur yang memungkinkan Claude diajari sekali cara menjalankan tugas atau workflow tertentu, lalu menggunakannya berulang kali
  • Dirancang agar pengguna tidak perlu menjelaskan preferensi, prosedur, dan pengetahuan domain setiap kali
  • Memberikan dampak terbesar pada tugas yang tingkat pengulangannya tinggi
  • Contoh:
    • Membuat desain frontend berbasis spesifikasi
    • Melakukan riset dengan pendekatan yang konsisten
    • Menulis dokumen yang mengikuti style guide tim
    • Menjalankan otomatisasi proses multilangkah

• Komponen dasar Skill

  • Skill disusun dalam satu unit folder
  • Komponen wajib:
    • SKILL.md: file inti yang memuat YAML frontmatter dan instruksi Markdown
  • Komponen opsional:
    • scripts/: kode eksekusi seperti Python, Bash, dan lain-lain
    • references/: dokumen dan panduan yang dijadikan referensi bila diperlukan
    • assets/: template dan resource yang digunakan dalam output
  • Struktur ini dirancang untuk memenuhi kesederhanaan sekaligus skalabilitas

• Prinsip desain inti 1: Progressive Disclosure

  • Skills mengikuti struktur pemuatan informasi 3 tahap

  • Tahap 1: YAML frontmatter

    • Selalu dimuat ke system prompt Claude
    • Hanya memuat informasi minimum untuk menentukan kapan skill harus digunakan
    • Berfungsi mencegah pemuatan konteks yang tidak perlu

  • Tahap 2: isi SKILL.md

    • Dimuat saat Claude menilai skill tersebut relevan
    • Berisi prosedur dan instruksi kerja yang sebenarnya

  • Tahap 3: file yang terhubung

    • references, scripts, assets, dan lainnya
    • Hanya dijelajahi jika Claude menilai memang dibutuhkan
    • Menjaga keahlian tetap tinggi sambil meminimalkan penggunaan token
  • Struktur ini memungkinkan tercapainya keseimbangan antara biaya konteks dan akurasi kerja

• Prinsip desain inti 2: Composability

  • Claude dapat memuat beberapa Skills sekaligus
  • Karena itu, setiap Skill:
    • Tidak boleh mengasumsikan bahwa ia berjalan sendirian
    • Harus dirancang agar tidak bertabrakan dengan Skill lain
  • Lingkungan yang memungkinkan kolaborasi antarskill dijadikan asumsi dasar

• Prinsip desain inti 3: Portability

  • Skills dirancang agar berfungsi sama di lingkungan Claude.ai, Claude Code, dan API
  • Skill yang dibuat sekali dapat digunakan ulang tanpa modifikasi per platform
  • Namun, skrip atau akses jaringan tetap dibatasi oleh kendala lingkungan eksekusi

• Hubungan MCP dan Skills

  • Saat menggunakan MCP, Skills berperan sebagai lapisan pengetahuan (knowledge layer)
  • MCP menyediakan akses ke alat dan data
  • Skills mendefinisikan bagaimana alat tersebut harus digunakan

  • Analogi dapur

    • MCP: dapur, bahan, dan alat masak
    • Skills: resep
    • Ketika keduanya digabungkan, pengguna tidak perlu lagi merancang sendiri proses yang kompleks

• Jika digunakan tanpa MCP

  • Bahkan tanpa MCP, Skills tetap sangat berguna
  • Hanya dengan kemampuan bawaan Claude seperti pembuatan dokumen dan eksekusi kode pun, Skills dapat:
    • Menstandarkan pekerjaan berulang
    • Menjaga konsistensi kualitas
    • Meningkatkan kecepatan kerja

• Pesan inti bab ini

• Skills bukan sekadar optimasi prompt jangka pendek, melainkan aset kerja yang terus terakumulasi
• Yang terpenting bukan “apa yang bisa dilakukan”, melainkan “bagaimana cara melakukannya harus ditetapkan”
• Bab-bab berikutnya mengembangkan konsep ini ke tahap desain dan operasi yang nyata

Bab 2: Perencanaan dan Desain (Planning and Design)

• Bab ini berangkat dari premis bahwa keberhasilan atau kegagalan membangun Skills hampir sepenuhnya ditentukan oleh kualitas desain sebelum tahap penulisan

• Sebelum implementasi teknis, harus jelas terlebih dahulu masalah apa yang ingin diselesaikan dan alur seperti apa yang akan ditetapkan

• Skill yang dirancang dengan baik membuat implementasi menjadi lebih sederhana, dan biaya pengujian serta pemeliharaan juga berkurang secara signifikan

• Titik awal: mendefinisikan use case

  • Sebelum menulis skill, wajib mendefinisikan 2~3 use case yang konkret
  • Use case bukan tujuan yang abstrak, melainkan harus mencakup kalimat yang benar-benar mungkin diucapkan pengguna serta hasil akhirnya

  • Komponen use case yang baik

    • Tujuan yang ingin dicapai pengguna
    • Kalimat pemicu yang kemungkinan akan diucapkan pengguna
    • Langkah-langkah kerja internal yang harus dijalankan
    • Alat yang digunakan (fitur bawaan Claude atau MCP)
    • Status hasil akhir
  • Melalui contoh, ditekankan bahwa definisi yang jelas atas kondisi awal–tahap pemrosesan–status selesai seperti “menyusun rencana sprint” sangat penting

• Pertanyaan kunci yang harus diajukan sebelum mendesain

  • Apa yang ingin diselesaikan pengguna
  • Workflow multilangkah apa yang dibutuhkan untuk mencapai hasil tersebut
  • Alat apa yang dibutuhkan pada tiap tahap
  • Di bagian mana pengetahuan domain atau best practice yang memerlukan penilaian manusia harus ditanamkan
  • Jika pertanyaan-pertanyaan ini belum bisa dijawab dengan jelas, berarti belum siap untuk mematoknya sebagai Skill

• Jenis use case Skill utama yang teramati

  • Category 1: pembuatan dokumen dan aset

    • Digunakan untuk menghasilkan output yang membutuhkan kualitas yang konsisten
    • Mencakup dokumen, presentasi, desain, kode, output UI, dan lain-lain
    • Karakteristik:
      • Panduan gaya dan aturan merek tertanam
      • Memanfaatkan template output
      • Mencakup checklist kualitas akhir
    • Dapat diselesaikan sepenuhnya hanya dengan fitur bawaan Claude tanpa alat eksternal

  • Category 2: otomasi workflow

    • Cocok untuk proses yang perlu menjalankan banyak tahap secara berulang
    • Contoh: skill-creator
    • Karakteristik:
      • Mencakup progres per tahap dan titik verifikasi
      • Menyediakan template terstruktur
      • Memiliki loop review dan perbaikan di tengah proses
    • Dijelaskan sebagai tipe yang lebih menekankan stabilitas proses daripada hasil semata

  • Category 3: penguatan MCP

    • Mengubah akses alat yang disediakan server MCP menjadi workflow yang benar-benar bisa digunakan
    • Karakteristik:
      • Menggabungkan beberapa pemanggilan MCP secara berurutan
      • Melengkapi konteks secara otomatis meski tidak dinyatakan langsung oleh pengguna
      • Memiliki penanganan bawaan untuk situasi error MCP
    • Didefinisikan bukan sebagai otomasi sederhana, melainkan enkapsulasi cara pakai yang terspesialisasi

• Pentingnya mendefinisikan kriteria keberhasilan

  • Skill seharusnya dinilai bukan dari “terlihat seperti bekerja dengan baik”, tetapi dari apakah ada efek perbaikan
  • Kriteria keberhasilan tidak disajikan sebagai angka yang sangat presisi, melainkan sebagai tolok ukur yang memiliki arah

  • Kriteria kuantitatif

    • Terpicu secara otomatis untuk sebagian besar permintaan yang dimaksud
    • Jumlah pemanggilan alat dan penggunaan token berkurang saat skill digunakan
    • Workflow selesai tanpa kegagalan pemanggilan MCP

  • Kriteria kualitatif

    • Tetap berjalan meski pengguna tidak menginstruksikan langkah berikutnya
    • Struktur dan kualitas hasil konsisten saat dijalankan berulang
    • Pengguna baru pun bisa berhasil pada percobaan pertama
  • Diakui bahwa evaluasi bisa mencakup sejumlah penilaian berbasis intuisi (vibes), tetapi tolok ukur pembanding harus tetap dipertahankan

• Ringkasan kebutuhan teknis

  • Skill harus mengikuti struktur direktori yang sudah ditetapkan
  • File SKILL.md wajib ada, dan namanya harus persis sama
  • Nama folder dan field name menggunakan kebab-case
  • Jangan menaruh README.md di dalam folder Skill

• Peran YAML frontmatter

  • Frontmatter adalah sinyal inti yang dipakai Claude untuk menentukan kapan skill harus dimuat
  • Field minimum yang diwajibkan:
    • name
    • description
  • description wajib memuat hal-hal berikut:
    • Apa yang dilakukan skill
    • Kapan skill digunakan
    • Ungkapan konkret yang kemungkinan akan diucapkan pengguna
  • Yang penting bukan penjelasan teknis, melainkan bahasa dari sudut pandang pengguna

• Prinsip desain frontmatter

  • Pertahankan di bawah 1024 karakter
  • Dilarang menggunakan tag XML
  • Demi alasan keamanan, penggunaan nama tertentu (claude, anthropic) dibatasi
  • Metadata bersifat opsional, tetapi disarankan menyertakan versi dan informasi penulis

• Arah perancangan isi utama SKILL.md

  • Berikan instruksi yang jelas dan dapat dijalankan langkah demi langkah
  • Sajikan contoh beserta hasil yang diharapkan
  • Sertakan error yang sering terjadi dan cara mengatasinya
  • Penjelasan yang terlalu panjang sebaiknya dipisahkan ke direktori references

• Inti Bab 2 adalah bahwa Skills harus diperlakukan bukan sebagai “sekumpulan prompt”, melainkan hasil desain workflow yang memiliki maksud

Bab 3: Pengujian dan Iterasi Perbaikan (Testing and Iteration)

• Bab ini berfokus pada proses membawa Skills ke tingkat yang benar-benar dapat diandalkan
• Dalam skill, yang utama bukan sekadar penulisannya, melainkan proses memverifikasi kapan skill dimuat, bagaimana ia dijalankan, dan bagaimana hasilnya ditingkatkan
• Penting untuk menyesuaikan intensitas pengujian berdasarkan cakupan penggunaan dan tingkat dampaknya

• Memilih tingkat pengujian

  • Pengujian Skills dapat dilakukan pada tingkat yang berbeda-beda sesuai kualitas yang dibutuhkan dan cakupan deployment

  • Pengujian manual (Claude.ai)

    • Masukkan kueri langsung di Claude.ai untuk memeriksa perilakunya
    • Iterasi cepat dapat dilakukan tanpa pengaturan tambahan
    • Cocok untuk memvalidasi desain awal dan perbaikan cepat

  • Pengujian berbasis skrip (Claude Code)

    • Otomatiskan test case di lingkungan Claude Code
    • Berguna untuk regression testing saat perubahan terus bertambah
    • Cocok untuk skill yang digunakan tim internal

  • Pengujian program berbasis API

    • Gunakan Skills API untuk menjalankan kumpulan pengujian yang telah didefinisikan secara otomatis
    • Memungkinkan perbandingan kuantitatif dan verifikasi yang sistematis
    • Cocok untuk deployment skala besar dan lingkungan enterprise
• Skill internal berskala kecil dan skill yang dipublikasikan secara eksternal tidak memerlukan standar pengujian yang sama

• Pendekatan yang direkomendasikan: mulai dari satu tugas yang sulit

  • Pembuat skill yang efektif berfokus pada satu tugas yang menantang lalu melakukan perbaikan berulang
  • Saat Claude berhasil menyelesaikan tugas itu secara stabil, pendekatan pada momen tersebut diekstrak lalu dipatenkan menjadi Skill
  • Dibanding pengujian yang luas, mengulang satu kasus yang memberi sinyal kuat memberikan pembelajaran yang lebih cepat
  • Baru setelah itu pengujian diperluas ke berbagai kasus

• Area pengujian inti

  • 1. Pengujian trigger

    • Tujuan: memverifikasi apakah skill hanya dimuat otomatis dalam situasi yang tepat
    • Cakupan:
      • Terpicu pada permintaan yang jelas
      • Tetap terpicu pada permintaan dengan ungkapan berbeda
      • Tidak dimuat pada permintaan yang tidak relevan
    • Kualitas trigger berkaitan langsung dengan desain field description

  • 2. Pengujian fungsi

    • Tujuan: memastikan skill menghasilkan hasil yang dimaksud secara akurat
    • Yang diverifikasi:
      • Akurasi hasil output
      • Keberhasilan pemanggilan MCP
      • Perilaku penanganan error
      • Penanganan edge case
    • Yang dinilai bukan sekadar berhasil atau tidak, melainkan kelengkapan seluruh workflow

  • 3. Pengujian perbandingan performa

    • Tujuan: memastikan efek peningkatan yang nyata sebelum dan sesudah penggunaan skill
    • Item perbandingan:
      • Jumlah bolak-balik pesan
      • Ada tidaknya kegagalan pemanggilan MCP
      • Total penggunaan token
    • Skill harus membuktikan bukan hanya “berjalan”, tetapi “menjadi lebih baik”

• Pengujian dan perbaikan dengan skill-creator

  • skill-creator adalah alat meta yang membantu perancangan dan perbaikan skill
  • Fungsi utama:
    • Membuat draf skill dari deskripsi bahasa alami
    • Menghasilkan format SKILL.md dan frontmatter secara otomatis
    • Mendeteksi risiko trigger yang terlalu banyak atau terlalu sedikit
    • Mengusulkan test case yang sesuai tujuan
  • Namun, ini tidak menggantikan pengujian eksekusi atau evaluasi kuantitatif

• Iterasi perbaikan berbasis umpan balik

  • Skills bukan output statis, melainkan objek yang harus terus disempurnakan

  • Sinyal trigger kurang

    • Skill tidak dimuat secara otomatis
    • Pengguna menyalakan skill secara manual
    • Muncul pertanyaan seperti “ini dipakai kapan?”
    • Solusi: tambahkan ekspresi dan istilah yang spesifik pada description

  • Sinyal trigger berlebihan

    • Skill dimuat bahkan untuk pertanyaan yang tidak relevan
    • Terjadi kasus pengguna mematikan skill
    • Timbul kebingungan tujuan
    • Solusi: persempit cakupan, tambahkan trigger negatif

  • Sinyal masalah eksekusi

    • Konsistensi hasil kurang
    • Terjadi error MCP atau retry
    • Diperlukan intervensi koreksi dari pengguna
    • Solusi: perjelas instruksi, perkuat penanganan error

• Pesan inti pada tahap pengujian

  • Pengujian adalah proses memverifikasi bukan hanya akurasi skill, tetapi juga keandalannya
  • Standar “skill bisa dijalankan” saja tidak cukup
  • Kriteria penilaian akhir adalah “apakah skill bisa menuntaskan sampai akhir tanpa pengguna harus memberi instruksi berikutnya”
• Chapter 3 adalah tahap yang mengubah Skills dari alat eksperimental menjadi aset workflow yang siap dioperasikan

Bab 4: Distribusi dan Berbagi (Distribution and Sharing)

• Skills adalah elemen yang melengkapi nilai konektor MCP; bahkan dengan koneksi alat yang sama, nilai dapat dicapai lebih cepat jika skill disertakan
• Dari sudut pandang pengguna, ada kecenderungan lebih menyukai konektor yang menyertakan workflow yang siap dijalankan daripada konektor yang hanya menyediakan MCP
• Bab ini merangkum metode distribusi per Januari 2026, distribusi tingkat organisasi, pemanfaatan API, serta strategi operasional yang direkomendasikan

• Model distribusi saat ini (per Januari 2026)

  • Metode distribusi untuk pengguna individu

    • Unduh folder Skill ke lokal
    • Jika perlu, kompres seluruh folder menjadi file zip
    • Unggah di Claude.ai melalui jalur Settings → Capabilities → Skills
    • Atau tempatkan langsung di direktori skills pada lingkungan Claude Code
    • Setelah diunggah, pengguna harus mengaktifkan skill secara manual

  • Distribusi tingkat organisasi

    • Admin dapat mendistribusikan skill ke seluruh workspace
    • Fitur distribusi tingkat organisasi tersedia sejak 18 Desember 2025
    • Mendukung pengelolaan terpusat dan pembaruan otomatis
    • Cocok untuk menegakkan atau menjaga konsistensi workflow standar internal organisasi

• Skills sebagai standar terbuka

  • Agent Skills dipublikasikan sebagai standar terbuka, sama seperti MCP
  • Tujuannya adalah agar skill yang sama dapat berjalan di berbagai alat AI tanpa terikat pada platform tertentu
  • Beberapa skill dapat memanfaatkan fitur platform tertentu secara aktif; dalam kasus ini, batasan lingkungan dapat dinyatakan di field compatibility
  • Standar ini sedang dikembangkan melalui kolaborasi dengan para peserta ekosistem

• Pemanfaatan Skills melalui API

  • Tujuan penggunaan API

    • Cocok untuk skenario penggunaan berbasis program seperti aplikasi, pipeline otomatisasi, dan sistem agen
    • Memungkinkan kontrol skill di level sistem, bukan penggunaan manual melalui UI

  • Fitur utama

    • Melihat dan mengelola daftar skill melalui endpoint /v1/skills
    • Menentukan skill dengan parameter container.skills saat mengirim permintaan Messages API
    • Kontrol manajemen versi dan distribusi melalui Claude Console
    • Dapat membangun agen kustom dengan integrasi ke Claude Agent SDK

  • Panduan memilih lingkungan penggunaan

    • Claude.ai / Claude Code:
      • Digunakan langsung oleh pengguna akhir
      • Pengujian manual selama pengembangan dan iterasi cepat
      • Workflow pribadi yang tidak rutin
    • API:
      • Integrasi ke dalam aplikasi
      • Distribusi produksi berskala besar
      • Agen dan pipeline otomatis

  • Hal yang perlu diperhatikan

    • Penggunaan Skills berbasis API memerlukan Code Execution Tool beta
    • Lingkungan eksekusi yang aman menjadi prasyarat

• Strategi distribusi yang direkomendasikan

  • 1. Mengelola repositori publik GitHub

    • Skill itu sendiri dikelola sebagai satu folder
    • Di root repositori, sediakan README untuk manusia
    • Disarankan menyertakan cara instalasi, tujuan penggunaan, dan screenshot contoh
    • Jangan sertakan README.md di dalam folder Skill

  • 2. Terhubung dengan dokumentasi MCP

    • Perkenalkan Skill juga di dokumentasi konektor MCP
    • Jelaskan dengan jelas nilai saat digabungkan dengan Skill dibandingkan penggunaan MCP saja
    • Sediakan panduan mulai cepat

  • 3. Menyediakan panduan instalasi

    • Jelaskan cara mengunduh skill
    • Berikan panduan langkah demi langkah untuk instalasi di Claude.ai atau Claude Code
    • Sertakan prosedur verifikasi koneksi server MCP
    • Sediakan contoh prompt pengujian yang sederhana

• Prinsip positioning skill

  • Penjelasan berfokus pada hasil, bukan fitur

    • Daripada menjelaskan implementasi internal atau struktur teknis, tekankan hasil yang didapat pengguna
    • Letakkan manfaat seperti penghematan waktu, pengurangan kesalahan, dan konsistensi di bagian paling depan

  • Kombinasi MCP + Skills itu penting

    • MCP menyediakan akses ke alat
    • Skills menyediakan pengetahuan tentang cara menggunakan alat tersebut
    • Otomatisasi berbasis AI menjadi lengkap ketika kedua elemen ini digabungkan
• Distribusi dan berbagi bukan sekadar penyampaian, tetapi proses untuk membuat pengguna memahami nilai skill dan dapat langsung memanfaatkannya

Chapter 5: Pola dan Pemecahan Masalah (Patterns and Troubleshooting)

• Bab ini merangkum pola desain yang berulang kali terbukti efektif dari pengguna Skills tahap awal dan kasus tim internal, serta cara mengatasi masalah yang sering muncul saat operasional nyata
• Pola yang disajikan bukan aturan baku, melainkan sekumpulan pendekatan yang telah tervalidasi, dengan asumsi dipilih dan dikombinasikan sesuai tujuan tiap skill
• Pesan utamanya bukan “menghubungkan alat”, tetapi merancang alur untuk menyelesaikan masalah

• Memilih pendekatan: berpusat pada masalah vs berpusat pada alat

  • Dalam merancang Skills, penting untuk memilih salah satu dari dua sudut pandang

  • Berpusat pada masalah (Problem-first)

    • Pengguna menyampaikan hasil yang ingin dicapai
    • Skill secara internal menentukan alat MCP yang sesuai dan urutan pemanggilannya
    • Contoh: “buatkan workspace proyek” → skill menangani semua pemanggilan alat
    • Cocok untuk pengalaman yang berorientasi hasil

  • Berpusat pada alat (Tool-first)

    • Pengguna sudah memahami koneksi MCP
    • Skill memberikan pengetahuan khusus tentang cara menggunakan alat tersebut dengan baik
    • Contoh: cara memakai Notion MCP, panduan workflow optimal
    • Cocok untuk pengguna ahli dan panduan alat internal
• Sebagian besar skill lebih dekat ke salah satu sisi ini, dan menyadarinya secara jelas sangat menentukan kualitas desain

• Pola 1: Orkestrasi workflow berurutan

  • Cocok untuk kasus ketika beberapa tahap harus dijalankan dalam urutan yang telah ditentukan
  • Tiap tahap bergantung pada hasil tahap sebelumnya
  • Dapat mencakup validasi per tahap dan panduan rollback saat gagal
  • Cocok untuk tugas seperti onboarding, pembuatan akun, dan pengaturan langganan

• Pola 2: Kolaborasi multi-MCP

  • Digunakan ketika beberapa layanan (MCP) harus dipakai secara berurutan untuk satu hasil
  • Pisahkan MCP per tahap dan definisikan dengan jelas alur perpindahan data
  • Validasi wajib dilakukan sebelum lanjut ke tahap berikutnya
  • Cocok untuk workflow kompleks seperti desain → penyimpanan → pembuatan task → notifikasi

• Pola 3: Penyempurnaan berulang (Iterative Refinement)

  • Cocok untuk pekerjaan yang kualitasnya meningkat signifikan melalui pengulangan dibanding hasil awal
  • Rancang secara eksplisit loop pembuatan draf → validasi → revisi → validasi ulang
  • Kriteria kualitas dan kondisi penghentian iterasi harus didefinisikan dengan jelas
  • Efektif untuk pembuatan laporan dan peningkatan kualitas dokumen

• Pola 4: Pemilihan alat berbasis kesadaran konteks

  • Digunakan saat alat optimal bisa berbeda tergantung situasi meski tujuannya sama
  • Perlu kriteria keputusan yang jelas seperti ukuran file, tipe, atau ada tidaknya kolaborasi
  • Jelaskan alasan pemilihan kepada pengguna untuk membangun kepercayaan
  • Cocok untuk alur penyimpanan, manajemen dokumen, dan penyimpanan kode

• Pola 5: Kecerdasan tertanam yang spesifik domain

  • Skill yang menginternalisasi pengetahuan dan aturan khusus melampaui sekadar pemanggilan alat
  • Tahap penilaian dan validasi sebelum eksekusi tugas menjadi inti
  • Semua proses pengambilan keputusan dicatat agar audit trail dimungkinkan
  • Cocok untuk area berisiko tinggi seperti keuangan, compliance, dan keamanan

• Panduan pemecahan masalah

  • Gagal upload

    • Terjadi jika nama file SKILL.md tidak tepat
    • Penyebabnya bisa berupa kesalahan format seperti pemisah YAML (---) yang hilang atau tanda kutip yang tidak ditutup
    • Upload akan ditolak jika field name berisi huruf besar atau spasi

  • Jika skill tidak terpicu

    • description terlalu abstrak atau tidak mencerminkan cara pengguna benar-benar berbicara
    • Perlu direvisi agar mencakup frasa yang kemungkinan benar-benar digunakan pengguna
    • Bisa di-debug dengan bertanya kepada Claude, “kapan skill ini digunakan?”

  • Jika skill terlalu sering terpicu

    • Penyebabnya adalah description yang cakupannya terlalu luas
    • Tambahkan trigger negatif (Do NOT use when…)
    • Bedakan dengan jelas target yang diproses dan yang dikecualikan

  • Gagal pemanggilan MCP

    • Periksa status koneksi server MCP
    • Tinjau informasi autentikasi (API key, token OAuth)
    • Pisahkan sumber masalah dengan mencoba pemanggilan MCP secara mandiri tanpa skill
    • Pastikan kapitalisasi nama alat sudah tepat

  • Jika instruksi tidak dipatuhi dengan baik

    • Instruksi terlalu panjang atau poin inti tertutup oleh detail lain
    • Tempatkan syarat penting di bagian atas dan tegaskan berulang kali
    • Gunakan daftar syarat yang dapat diverifikasi alih-alih ungkapan yang ambigu
    • Validasi penting lebih andal jika diimplementasikan sebagai skrip

  • Penurunan performa akibat konteks skala besar

    • Terjadi jika SKILL.md terlalu besar
    • Pisahkan dokumen rinci ke references
    • Jika terlalu banyak skill aktif secara bersamaan, disarankan untuk menguranginya
    • Mengaktifkan lebih dari 20~50 skill sekaligus dapat menyebabkan penurunan performa
• “Skill bukan artefact yang selesai sekali dibuat, melainkan objek operasional yang matang melalui pemilihan pola dan penyempurnaan berulang”

[kaydash]

Anthropic memang yang terbaik, sungguh.

[pluto]

Benarkah