Agent Skills у Claude Code: як працюють, де взяти і як не поставити шкідливий скіл

15 хв. читання

Коротко (TL;DR)

Agent Skills (скіли, або «навички» Claude Code) — це теки з файлом-інструкцією SKILL.md, які дають агентові готову «процедуру»: як робити конкретне завдання вашим способом. Claude сам вирішує, коли підвантажити скіл, — за коротким описом у його заголовку. Поки завдання не збіглося з описом, скіл не займає контекст.

Що варто знати за хвилину:

  • Скіл — це не плагін і не програма, а розмічений текст (Markdown + необовʼязкові скрипти й файли). Написати власний можна за пʼять хвилин.
  • Скіли вбудовані в підписку: вони доступні на планах Pro, Max, Team та Enterprise без доплати; на безкоштовному Claude.ai їх немає (за даними станом на запуск відкритого стандарту, грудень 2025).
  • Готові скіли ставляться однією командою з офіційного маркетплейсу anthropics/skills або кладуться вручну в теку ~/.claude/skills/.
  • Формат SKILL.md з грудня 2025 — відкритий стандарт: той самий файл читають Cursor, VS Code, Codex CLI і ще три десятки інструментів. Вивчаєте один формат — працює всюди.
  • Головний ризик — сторонні скіли з неперевірених каталогів: аудит Snyk знайшов 76 завідомо шкідливих. Нижче розберемо, як відрізнити безпечний.

Далі — як це влаштовано під капотом, покрокове встановлення, які скіли справді варто поставити і чесний розбір ризиків.

Що таке Agent Skills простими словами

Скіл у Claude Code — це тека з інструкцією, яка вчить агента виконувати певне завдання за заданим взірцем. Уявіть стос памʼяток на робочому столі: «як ми оформлюємо звіт», «як зібрати PDF із даних», «як перевіряти чужий код». Claude вміє читати ці памʼятки й брати потрібну рівно тоді, коли вона знадобиться.

Технічно скіл — це каталог з обовʼязковим файлом SKILL.md усередині. На початку файла — YAML-заголовок з імʼям та описом, далі — сам текст інструкції. До скілу можна додати скрипти, шаблони й довідники, але мінімум — це один Markdown-файл.

Важливо зрозуміти, навіщо скіли взагалі потрібні, а не лише як їх ставити. Інженери Anthropic ділять користь на дві частини:

  • Capability uplift — скіл дає те, чого агент раніше не вмів (наприклад, збирати коректний .xlsx із формулами).
  • Encoded preference — скіл кодує ваш спосіб робити те, що Claude і так уміє (ваш стиль комітів, структуру статті, правила ревʼю).

Anthropic анонсувала Agent Skills 16 жовтня 2025 року — спершу як функцію всередині Claude Code, Claude.ai та API. А 18 грудня 2025 року формат опублікували як незалежний відкритий стандарт зі специфікацією на agentskills.io. Уже в перші дві доби його підтримали Microsoft (VS Code і GitHub Copilot) та, по суті ідентичною архітектурою, OpenAI у ChatGPT і Codex CLI. До березня 2026 один і той самий SKILL.md читали понад 32 інструменти. Це і є відповідь на питання «навіщо вчити саме цей формат»: скіл, написаний для Claude Code, переноситься в інші агенти без переробки.

Як це працює: progressive disclosure і SKILL.md

Ключова механіка скілів має назву progressive disclosure — «розкриття в міру потреби». Вона вирішує проблему, через яку раніше не можна було «дати агентові сто інструкцій»: вони забили б увесь контекст і модель «тупіла б».

Працює це на три рівні:

  1. Метадані (завжди в контексті). На старті Claude Code читає в кожного скілу лише імʼя й опис — приблизно по 100 токенів на скіл. Цього досить, щоб зрозуміти, коли скіл знадобиться.
  2. Тіло скілу (вантажиться при збігу). Якщо завдання збіглося з описом, підвантажується повний текст SKILL.md — зазвичай менш ніж 5000 токенів.
  3. Додаткові файли (на вимогу). Скрипти, довідники й шаблони з теки скілу читаються лише тоді, коли до них дійшло діло.

Саме тому десятки встановлених скілів майже не «зʼїдають» контекст у простої: поки завдання не збіглося з описом, у вікні висять тільки їхні короткі «візитівки».

З чого складається SKILL.md

Мінімальний скіл має такий вигляд:

my-skill/
└── SKILL.md

А «дорослий» — такий:

brand-guidelines/
├── SKILL.md        # головна інструкція (обовʼязково)
├── scripts/        # опційно: виконуваний код
├── references/     # опційно: довідкові матеріали
└── assets/         # опційно: шаблони, зображення, дані

Сам SKILL.md починається з YAML-заголовка. Тут є тонкість, на якій плутаються новачки. Загальна специфікація Agent Skills описує два поля як обовʼязкові:

  • name — рядкові літери, цифри й дефіси, до 64 символів, збігається з імʼям теки.
  • description — що скіл робить і коли його застосовувати.

Але документація саме Claude Code CLI формулює мʼякше: «усі поля опціональні, рекомендується лише description, щоб Claude знав, коли використати скіл». Різниця не в суперечності джерел, а в рівні: специфікація задає стандарт, конкретна реалізація в CLI пробачає дрібниці. Практичний висновок один: description — найважливіше поле. Поганий опис — і скіл просто не спрацює, бо модель не зрозуміє, коли він потрібен.

Різниця на прикладі. Слабкий опис — «робота з таблицями»: надто загально, модель не розуміє, у яких випадках його брати. Сильний — «Збирає й редагує файли .xlsx з формулами, зведеними таблицями та форматуванням; використовуй, коли треба вивантажити дані в Excel». У другому варіанті є і що скіл робить, і коли його застосовувати, — саме за цим звʼязком Claude ухвалює рішення про підвантаження. Правило просте: пишіть description так, наче пояснюєте колезі, у якій ситуації кликати цього фахівця.

Офіційна рекомендація щодо розміру — тримати SKILL.md коротшим за 500 рядків, а деталі виносити в окремі файли. Це прямий наслідок progressive disclosure: чим компактніше тіло, тим дешевше його підвантаження.

Де лежать скіли і на яких планах доступні

Claude Code шукає скіли на чотирьох рівнях. Пріоритет — від організації до конкретного проєкту.

РівеньДе лежитьНа що діє
EnterpriseУ managed-налаштуваннях організаціїУсі користувачі компанії
Personal~/.claude/skills/<імʼя>/SKILL.mdУсі ваші проєкти
Project.claude/skills/<імʼя>/SKILL.mdТільки цей проєкт
Plugin<плагін>/skills/<імʼя>/SKILL.mdТам, де ввімкнено плагін

Особисті скіли (у домашній теці) зручні для ваших особистих звичок; проєктні (у репозиторії) — щоб уся команда отримала однакові правила через звичайний git pull.

За планами: скіли працюють на всіх поверхнях Claude — у Claude.ai, Claude Code, Agent SDK та API — і включені в плани Pro, Max, Team та Enterprise без доплати (для API — звичайна оплата за токени). На безкоштовному тарифі Claude.ai скілів немає. Цифри й склад планів в Anthropic змінюються часто, тож актуальну сітку звіряйте на офіційному прайсингу на момент читання.

Як встановити скіл: три способи

Спосіб 1 — офіційний маркетплейс (рекомендовано). Готові скіли Anthropic ставляться як плагін однією командою:

/plugin marketplace add anthropics/skills

Після цього Claude підключить їх і викликатиме автоматично, коли вони пасуватимуть до завдання. Це найбезпечніший шлях: код відкритий і лежить в офіційному репозиторії.

Спосіб 2 — вручну в теку. Завантажте або створіть теку скілу й покладіть її в ~/.claude/skills/ (для себе) чи в .claude/skills/ вашого проєкту (для команди). Claude підхопить скіл під час наступного запуску.

Спосіб 3 — сторонні каталоги. Існують зовнішні каталоги на кшталт skills.sh зі своїм CLI (npx skills add ...). Не плутайте їх з офіційним маркетплейсом: anthropics/skills — це Anthropic, а skills.sh і подібні — сторонні майданчики. Ставити звідти можна, але обережно — чому, розберемо в розділі про ризики.

Перевірити, що скіл видно, допомагає команда /doctor (діагностика оточення) — вона зокрема покаже проблеми з підключенням скілів.

Які скіли вже вбудовані і що варто поставити

Частина скілів уже вбудована в Claude Code і працює без встановлення (їх можна вимкнути налаштуванням disableBundledSkills). Серед вбудованих — /doctor, /code-review, /batch, /debug, /loop та /claude-api. Тобто ревʼю коду чи діагностика доступні одразу «з коробки».

Із готових до встановлення — офіційні документ-скіли з репозиторію anthropics/skills: docx, pdf, pptx, xlsx. Це ті самі скіли, що стоять за вмінням Claude збирати Word, PDF, презентації й таблиці. Вони source-available (код відкритий, але ліцензія не повністю вільна).

Щоб не радити «корисні скіли» абстрактно, ось реальний зріз популярності зі стороннього каталогу skills.sh (знімок на 11 липня 2026):

СкілДжерелоВстановлень
find-skillsvercel-labs/skills~2,4 млн
frontend-designanthropics/skills~649 тис.

Динаміка теж показова: офіційний репозиторій anthropics/skills за сім місяців виріс приблизно з 20 тисяч зірок на GitHub (18 грудня 2025, момент публікації відкритого стандарту) до ~160 тисяч (11 липня 2026). Екосистема зростає швидко — і це ж породжує головний ризик.

Skills проти MCP, субагентів, команд і Projects

Новачка збиває з пантелику те, що в Claude Code є одразу кілька «способів щось налаштувати». Розкладемо по поличках — такої цілісної таблиці майже немає в жодному україномовному гайді.

ІнструментЩо робитьКоли обирати
SkillЗмінює поведінку: дає процедуру «як робити завдання»Треба навчити агента вашому способу або новому вмінню
MCP-серверДодає підключення до зовнішніх даних і софтуПотрібен доступ до бази, API, сервісу
СубагентЗахищає контекст: виносить підзадачу в окреме вікноВажкий ресерч/ревʼю, який засмітив би основну сесію
Кастомна командаГотовий промпт за /імʼямЧасто повторюєте той самий запит
Projects (Claude.ai)Спільний контекст і файли для чатуРобота у вебі навколо набору документів

Формула, яку варто запамʼятати: MCP підключає Claude до даних, а скіл вчить, що з цими даними робити. Вони не конкурують, а доповнюють одне одного — типовий звʼязок «MCP для доступу, скіл для процедури». Якщо хочете глибше розібратися, як агент узагалі працює із зовнішніми джерелами через MCP, це окрема велика тема.

А відмінність від субагента коротка: скіл змінює поведінку, субагент захищає контекст, MCP додає можливість. Це відповіді на три різні питання, а не на одне.

Ризики: як не поставити шкідливий скіл

Скіл — це інструкція, яку агент виконує з вашими правами. Отже, чужий скіл заслуговує на ту саму недовіру, що й будь-який чужий код. І це не теорія.

Масштаб проблеми. 5 лютого 2026 року Snyk опублікував перший великий аудит екосистеми (дослідження ToxicSkills). З 3984 скілів на майданчиках ClawHub і skills.sh:

  • 13,4% (534 скіли) містили щонайменше одну критичну вразливість;
  • 36,8% (1467) — щонайменше один дефект безпеки;
  • 76 скілів несли завідомо шкідливе навантаження: крадіжку облікових даних, встановлення бекдорів, ексфільтрацію даних. Вісім із них на момент публікації все ще були доступні.

Чому звичайної обережності мало. Datadog Security Labs показав підступний механізм. У скілі є «динамічний контекст» — рядки на кшталт !`команда`, які виконуються на етапі попередньої обробки, ще до того як модель узагалі побачить вміст скілу. Це офіційна механіка: «кожен ! виконується одразу, Claude бачить лише результат». У демонстрації Datadog агент виконав шкідливу команду й тільки потім «заявив», що відмовляється її виконувати — команда на той момент уже відпрацювала. Тобто надія «Claude сам відмовиться від підозрілого» тут не спрацьовує.

Але без паніки. Картина не апокаліптична — це варто тримати у фокусі, щоб ризик не виглядав радикальнішим, ніж він є на практиці. Основний потік шкідливих скілів іде через сторонні реєстри — насамперед ClawHub, каталог скілів для стороннього агента OpenClaw, а не через офіційний маркетплейс Anthropic. Практичний висновок простий і підтверджений цифрами, а не залякуванням:

  • Ставте скіли з офіційного репозиторію anthropics/skills або з репозиторіїв, яким довіряєте.
  • Читайте SKILL.md перед встановленням — особливо шукайте рядки з !`...` та звернення до мережі.
  • Не тягніть скіли з випадкових каталогів «бо зручно однією командою».

Інші обмеження

Окрім безпеки, є дві побутові проблеми. Перша — роздування контексту: за спостереженнями практиків, коли одночасно спрацьовують три-чотири скіли, якість відповідей може знижуватися (офіційно задокументовано суміжний ліміт — після авто-компакції в повторно підвантажуваних скілів спільний бюджет 25 000 токенів). Друга — скіл не активується: найчастіше причина в розмитому description. Офіційний troubleshooting Anthropic прямо називає нечіткий опис головною причиною, через яку Claude «не бачить» потрібний скіл.

FAQ

Чим скіл відрізняється від файла CLAUDE.md? CLAUDE.md читається завжди й задає загальні правила проєкту. Скіл підвантажується вибірково — лише коли завдання збіглося з його описом. Грубо: CLAUDE.md — це «правила на стіні», скіл — «памʼятка, яку дістають під конкретну роботу».

Чи треба вміти програмувати, щоб написати власний скіл? Ні. Мінімальний скіл — це тека з одним Markdown-файлом SKILL.md, де по-людськи написано, що і коли робити. Скрипти — опція, а не вимога. Розбір патернів і створення власних скілів — тема окремого просунутого гайда.

Скіли працюють лише в Claude Code? Ні. З грудня 2025 SKILL.md — відкритий стандарт, і його читають Cursor, VS Code, Codex CLI, Gemini CLI і ще десятки інструментів. Формат один на всіх.

Скільки скілів можна тримати встановленими? Технічно — скільки завгодно: їхні «візитівки» коштують близько 100 токенів кожна. Але якщо кілька скілів починають спрацьовувати одночасно на одне завдання, відповіді можуть деградувати. Тримайте набір осмисленим і з чіткими описами.

Де офіційно брати перевірені скіли? У репозиторії anthropics/skills (команда /plugin marketplace add anthropics/skills). Там само лежать документ-скіли, якими Claude збирає Word, PDF, презентації й таблиці. Сторонні каталоги — на власний ризик і тільки після читання коду.

Курс «Claude Code з нуля до продакшену» · модуль «Конфіг, пам'ять, навички». Повна програма і два маршрути навчання — на сторінці курсу.

Попередній урок: Пам'ять Claude Code і memory rot · Наступний урок: 5 патернів скілів і власний скіл

Поділитися
Зв'язатися:
Крипто- та data-аналітик, інженер-програміст (факультет комп'ютерних наук ХНУРЕ). В IT з 2008 року: адміністрував корпоративний моніторинг у «Vodafone Україна», сім років розробляв і просував веб-проєкти, п'ять років керував маркетингом на метриках — конверсія, CTR, ROI, LTV.Криптовалютними ринками займаюся з 2021 року: ончейн-метрики, токеноміка, макроекономічні індикатори. Розробив власну data-driven модель аналізу ринку на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математична статистика та EDA; збір і звірку даних автоматизую AI-агентами.Принцип — «Don't trust, verify»: кожна цифра перевірена за першоджерелом, ключові — щонайменше за двома незалежними; прогнози — лише сценарії з умовами. Теза без даних не публікується.