Anthropic ha affidato Agent Skills alla Agentic AI Foundation (AAIF), l’organizzazione della Linux Foundation che coordina lo sviluppo di standard e tecnologie aperte per gli agenti di intelligenza artificiale. Il formato, già supportato da oltre 70 piattaforme, tra cui ChatGPT, Cursor, GitHub Copilot e Visual Studio Code, consente di distribuire e riutilizzare competenze specialistiche, istruzioni operative e strumenti software tra differenti sistemi agentici.
Dal dicembre 2025, quando Anthropic ha pubblicato Agent Skills come standard aperto, sono state pubblicate un milione di skill, per un totale di quasi 280 milioni di installazioni. Il progetto passa ora a una governance indipendente, mentre Anthropic continuerà a contribuire allo sviluppo insieme a ingegneri di Google, OpenAI e altre aziende.
Il trasferimento comprende il nome e il logo Agent Skills, l’organizzazione GitHub e il dominio agentskills.io. David Soria Parra e Mahesh Murag assumeranno il ruolo di lead maintainer, coordinando i contributi degli sviluppatori indipendentemente dalle rispettive aziende di appartenenza.
Da Claude Code a uno standard condiviso per gli agenti AI
Agent Skills nasce dall’esperienza maturata da Anthropic nello sviluppo di Claude Code. Sebbene i modelli linguistici siano in grado di affrontare attività generali di programmazione, analisi e produzione di contenuti, l’esecuzione dei processi aziendali richiede spesso conoscenze procedurali specifiche, convenzioni operative, documentazione tecnica e strumenti software che il modello non possiede direttamente.
Le skill permettono di organizzare queste informazioni in componenti autonomi e riutilizzabili, che gli agenti possono individuare e caricare in funzione della richiesta ricevuta. Una skill può descrivere le procedure necessarie per verificare un contratto, produrre documenti conformi alle convenzioni editoriali di un’organizzazione oppure elaborare dati aziendali applicando regole e controlli prestabiliti.
Anthropic ha introdotto il meccanismo nell’ottobre 2025, inizialmente nell’ambito di Claude. Gli sviluppatori hanno successivamente iniziato a condividere migliaia di skill su GitHub e a realizzare sistemi di caricamento compatibili con Codex, Cursor e OpenCode. La pubblicazione dello standard aperto nel dicembre 2025 ha formalizzato un formato comune, consentendone l’integrazione anche in piattaforme concorrenti.
La caratteristica fondamentale è la separazione tra le capacità generali del modello e le conoscenze operative necessarie a svolgere un’attività. Le organizzazioni possono aggiornare procedure, istruzioni e codice mantenendoli indipendenti dal modello linguistico, senza dover ricorrere a un nuovo addestramento ogni volta che cambiano i processi aziendali.
Come funziona Agent Skills: file Markdown, metadati e caricamento progressivo
Ogni skill consiste in una directory che contiene obbligatoriamente un file SKILL.md, nel quale le istruzioni Markdown sono precedute da metadati YAML. La specifica del formato Agent Skills richiede almeno due attributi: name, che identifica la skill, e description, che ne descrive le funzioni e indica le circostanze in cui deve essere utilizzata.
Il nome può contenere fino a 64 caratteri, utilizzando lettere minuscole, numeri e trattini, mentre la descrizione ha un limite di 1.024 caratteri. Sono previsti anche metadati facoltativi, tra cui license, compatibility, metadata e allowed-tools. Quest’ultimo permette di dichiarare gli strumenti preautorizzati, sebbene il supporto sia ancora sperimentale e dipenda dall’implementazione.
Oltre al file principale, la directory può contenere scripts/ per il codice eseguibile, references/ per la documentazione supplementare e assets/ per modelli, risorse statiche e file di supporto.
L’architettura utilizza il progressive disclosure, un meccanismo che permette agli agenti di caricare le informazioni in tre livelli successivi. All’avvio vengono acquisiti soltanto il nome e la descrizione delle skill disponibili, con un consumo indicativo di circa 100 token per ciascuna. Quando una richiesta corrisponde alle competenze descritte, l’agente legge il contenuto di SKILL.md, per il quale è raccomandata una dimensione inferiore a 5.000 token.
I documenti supplementari e gli script vengono invece consultati o eseguiti soltanto quando necessari. Un agente può così disporre di numerose competenze specialistiche senza occupare preventivamente la finestra di contesto con tutte le istruzioni e i materiali associati.
Il codice eseguibile permette inoltre di affidare operazioni deterministiche a programmi tradizionali, mentre il modello linguistico interpreta le richieste, seleziona le procedure e utilizza i risultati prodotti dagli strumenti.
Un esempio di implementazione: una skill per elaborare documenti PDF
Una skill per l’elaborazione dei documenti PDF può combinare l’estrazione di testo e tabelle, la compilazione di moduli e l’unione di più file, organizzando le procedure secondo l’architettura di Agent Skills prevista da Anthropic. Nell’esempio pdf-processing, le istruzioni principali sono contenute in SKILL.md, mentre la documentazione supplementare e gli script Python vengono utilizzati soltanto quando necessari.
La directory è organizzata nel modo seguente:
pdf-processing/
├── SKILL.md
├── FORMS.md
├── REFERENCE.md
└── scripts/
└── fill_form.pyIl file SKILL.md comprende due sezioni distinte. I metadati YAML permettono all’agente di individuare la skill in base all’attività richiesta:
---
name: pdf-processing
description: Extract text and tables from PDF files, fill forms, merge documents. Use when working with PDF files or when the user mentions PDFs, forms, or document extraction.
---La descrizione include sia le operazioni supportate sia i riferimenti utilizzabili per riconoscere le richieste pertinenti. Quando l’utente domanda, per esempio, di estrarre il testo da un documento PDF, l’agente può selezionare la skill attraverso questi metadati e acquisirne le istruzioni operative.
La seconda parte di SKILL.md contiene le istruzioni Markdown. Per l’estrazione del testo, l’esempio utilizza la libreria Python pdfplumber:
# PDF Processing
## Quick start
Use pdfplumber to extract text from PDFs:import pdfplumber
with pdfplumber.open("document.pdf") as pdf:
text = pdf.pages[0].extract_text()Lo script apre document.pdf, accede alla prima pagina ed estrae il testo, assegnandolo alla variabile text. L’esecuzione presuppone la disponibilità di Python, della libreria pdfplumber e del documento nell’ambiente operativo. Per elaborare un PDF composto da più pagine, la procedura dovrebbe essere estesa iterando attraverso gli elementi della raccolta pdf.pages.
Le istruzioni principali possono rinviare ad altri documenti mediante collegamenti relativi. Nel caso della compilazione dei moduli, il file SKILL.md contiene il riferimento:
For advanced form filling, see [FORMS.md](FORMS.md).Se l’utente richiede soltanto l’estrazione del testo e la produzione di un riassunto, l’agente utilizza la procedura di estrazione senza consultare FORMS.md. Se invece deve compilare un formulario, può leggere le istruzioni supplementari e utilizzare scripts/fill_form.py, lo script Python previsto nella struttura dell’esempio. REFERENCE.md rimane disponibile per eventuali informazioni tecniche aggiuntive.
Nell’implementazione di Claude, la selezione della skill determina la lettura di SKILL.md dal filesystem, utilizzando la shell. Gli script possono essere eseguiti attraverso lo stesso ambiente: il loro codice rimane sul filesystem e il modello riceve i risultati dell’esecuzione, riducendo il consumo della finestra di contesto.
La separazione tra istruzioni, documentazione ed eseguibili permette di mantenere SKILL.md relativamente compatto. La specifica raccomanda di non superare 500 righe e di collocare i materiali più dettagliati in file separati, accessibili attraverso percorsi relativi.
Per verificare la conformità della struttura è disponibile skills-ref, il validatore di riferimento dello standard, utilizzabile dalla riga di comando:
skills-ref validate ./pdf-processingIl controllo riguarda la validità dei metadati e il rispetto delle convenzioni di denominazione. La correttezza delle procedure, la disponibilità delle dipendenze e la sicurezza del codice eseguibile devono essere verificate separatamente.
Le skill personalizzate possono essere create in Claude Code, caricate tramite la Claude API oppure aggiunte dalle impostazioni di claude.ai. Una volta rese disponibili nell’ambiente, Claude può selezionarle automaticamente quando la richiesta corrisponde alla loro descrizione. Nelle applicazioni basate sulle API, le skill personalizzate vengono gestite tramite la Skills API e utilizzate con l’ambiente di esecuzione del codice.
Agent Skills e MCP: la differenza tra competenze e strumenti
Agent Skills si affianca al Model Context Protocol (MCP), anch’esso sviluppato originariamente da Anthropic e successivamente affidato alla Agentic AI Foundation. I due standard intervengono su livelli differenti dell’architettura agentica.
MCP definisce un protocollo attraverso il quale le applicazioni di intelligenza artificiale possono accedere a strumenti, dati e risorse di sistemi esterni. Agent Skills organizza invece le conoscenze procedurali e le istruzioni necessarie per svolgere un’attività, eventualmente utilizzando quegli stessi strumenti.
Un agente aziendale potrebbe collegarsi tramite MCP a un gestionale per consultare ordini e fatture e utilizzare contemporaneamente una skill dedicata alla riconciliazione contabile, contenente le regole di verifica, le eccezioni da gestire e il formato del rapporto finale.
Questa distinzione permette di mantenere separati l’accesso alle funzionalità e la conoscenza delle procedure operative, facilitandone il riutilizzo tra differenti applicazioni.
La portabilità delle skill dipende comunque dalle capacità degli ambienti di destinazione. I sistemi devono disporre dei runtime, degli strumenti e delle autorizzazioni necessari: una skill che richiede Python, accesso al filesystem o determinate API esterne non può eseguire le proprie operazioni in un ambiente privo di tali risorse.
La Agentic AI Foundation amplia il proprio ruolo negli standard dell’AI
Con l’ingresso di Agent Skills, la Agentic AI Foundation raggiunge dieci progetti ospitati, rispetto ai tre presenti alla sua costituzione nel dicembre 2025. L’ampliamento comprende altre tre tecnologie, conferite rispettivamente da OpenAI, Hugging Face e Alibaba, che estendono l’attività della fondazione a diversi livelli dell’infrastruttura agentica.
Open Responses, sviluppato da OpenAI a partire dalla Responses API, definisce uno schema condiviso per le richieste e le risposte dei modelli linguistici, comprendendo eventi di streaming e strumenti estensibili per facilitare l’interoperabilità tra fornitori.
OpenEnv, conferito da Hugging Face, riguarda la costruzione e la condivisione di ambienti per l’addestramento e la valutazione degli agenti mediante reinforcement learning. OpenSandbox, sviluppato da Alibaba, mette invece a disposizione ambienti isolati di esecuzione, con SDK multilinguaggio, API comuni e supporto per Docker e Kubernetes.
I quattro progetti si aggiungono a MCP, Agent2Agent (A2A), AGENTS.md, goose, Agent Router e agentgateway, ampliando la copertura tecnologica della fondazione dalla comunicazione tra agenti e modelli alla distribuzione delle competenze, fino agli ambienti di addestramento ed esecuzione.
L’ingresso delle nuove tecnologie coincide con AGNTCon + MCPCon North America, il 22 e 23 ottobre a San Jose, dove la Linux Foundation riunisce i quattro progetti sotto una governance aperta e indipendente dai singoli fornitori.
Versionamento, sicurezza e governance: i prossimi sviluppi di Agent Skills
La roadmap proposta da Anthropic comprende rilasci versionati, una procedura formale per sottoporre modifiche alla specifica e nuove linee guida di sicurezza destinate a sviluppatori e utilizzatori.
La sicurezza assume particolare rilevanza quando le skill comprendono codice eseguibile o istruzioni che possono influenzare le operazioni dell’agente. Una skill proveniente da una fonte non attendibile potrebbe contenere istruzioni malevole, richiedere privilegi eccessivi oppure indurre l’esecuzione di codice indesiderato.
Il trasferimento alla AAIF consente inoltre di gestire l’evoluzione del formato attraverso contributi provenienti da più organizzazioni, riducendo la dipendenza dalle decisioni di un singolo fornitore.
Per le imprese, la disponibilità di uno standard condiviso permette di codificare le competenze operative come risorse software versionabili, verificabili e riutilizzabili. I processi possono essere mantenuti e aggiornati indipendentemente dai modelli linguistici, mentre le integrazioni con le diverse piattaforme agentiche rimangono affidate alle rispettive implementazioni dello standard.
