MF Blogs 便利ツール
灰色の背景にピンク・緑・青のピクセル模様が走り、中央に横を向いた黒い猫のキャラクターが描かれたイラスト

記事

GitHub、エージェントスキルの実践ガイドを公開——Claude Code・Cursor・Copilotで使い回すための3つの原則

GitHubは、SKILL.mdを中心にしたエージェントスキルの作り方をまとめたガイドを公開しました。1つのスキルに1つの仕事を持たせ、プロジェクト固有の設定はマニフェストに分離し、検証はCIと人の承認で行うといった原則を、2つのデモとともに紹介しています。

0:00 0:00

GitHubは2026年11月12日、AIエージェントに繰り返し任せる作業を「エージェントスキル」として書き残し、複数のエージェントで使い回すための実践ガイドを公式ブログで公開しました。GitHubのシニアデベロッパーアドボケイトであるAndrea Griffiths氏が執筆したもので、GitHub Universe 2026でProcoreのShishir Tewari氏と行ったセッションの内容をまとめています。

同じ作業をエージェントに何度も説明し直したり、詳しい同僚に毎回やり方を聞いたりする状況は珍しくありません。ガイドは、そうした知識をチャットや個人の頭の中に閉じ込めず、レビューと再利用ができるファイルとして残すことを勧めています。

灰色の背景にピクセル模様が広がり、GitHubのマスコットが横を向いているブログのヘッダー画像 画像引用元: GitHub Blog

スキルは「手順書」であって「権限」ではない

ガイドによると、エージェントスキルはSKILL.mdというファイルを中心にした、バージョン管理されたディレクトリです。繰り返し行う作業について、いつ、どのように進めるかを記述します。

重要なのは、スキルで共有できるのは指示だけだという点です。作業に必要なツールや認証情報、権限は、スキルを実行する環境の側が用意しなければなりません。たとえばデータベースへの問い合わせ方法をスキルに書いても、そのデータベースへのアクセス権が与えられるわけではありません。

また、スキルが向いているのはチェックリストやリリース、移行作業、指標のパイプラインのように、範囲が決まっていて判断の型を再利用できる作業だとしています。安定したインターフェースや共有の状態、監査ログ、長時間の制御、モデルの外で強制すべき権限が必要な場合は、アプリケーションとして作るほうが適しているといいます。

1つのスキルに1つの仕事を

スキルは、仕事と入力、出力がはっきりしているときにもっともよく機能します。ガイドでは例として「Proof Agent」を紹介しています。AIが生成した変更を元の依頼と照らし合わせて検証するスキルで、変更を書いたエージェントとは別の検証役を立ち上げ、根拠付きで指摘させます。

中心にあるのは「自己検証は検証ではない」という単純なルールです。スキルのfrontmatterでは名前と目的を宣言し、SKILL.mdの「When to Verify」という節で呼び出すタイミングを定めています。残りの部分には、検証役が何を確認し、指摘にどんな証拠を添えるべきかが書かれています。

GitHub Actionsのワークフローでは、検証役に元の依頼とコードの変更だけを渡し、コーディングしたエージェント自身の評価は渡しません。検証役はPASS、FAIL、PARTIALのいずれかを返し、変更されたファイルの中から根拠を示す必要があります。

複数のスキルを組み合わせる「Data Forge」

もう1つの例が、データパイプラインを作る「Data Forge」です。パイプラインの正しさを支える判断が4人の頭の中にしかないと、変更のたびにその4人の都合に左右されます。Data Forgeは、その判断の一部を連携する複数のスキルとして書き出しています。

スキル役割
forge-initソースのテーブルや命名規則を調べ、結果をマニフェストに書き出す
forge-builderIssueからプルリクエストまでの作業全体を取りまとめる
forge-dbxマニフェストを読み、DatabricksかDuckDBのアダプターを選んでデータ基盤に問い合わせる
forge-lintコードを生成する前に、チームの規約を適用する

サポートデスクの例では、作成・解決されたインシデントの件数を数える指標の依頼から始まり、最終的にパイプラインのコード、スキーマの変更、テストを含むプルリクエストができあがります。ワークフローは7つのフェーズに分かれ、それぞれに人の確認ポイントがあり、スキーマを変える前には承認を求めます。

使い回せるスキルにする3つの原則

ガイドは最後に、スキルを作るときの3つの原則をまとめています。

  1. 業務の文脈は1つのファイルに置く: プロジェクト固有の名前やスキーマ、規約はマニフェストにまとめ、各スキルはそれを読み込む。リポジトリで見つかったパターンが、そのまま守るべきルールとは限らないため、調べた内容は人が確認できるようにする
  2. 関連するスキルには共通の実行経路を持たせる: 問い合わせやジョブ、スキーマ変更は同じ経路で実行し、スキルごとに接続処理を持たせない。マニフェストはエンジンを選ぶだけで、アクセス権を与えるのは実行環境の側
  3. 指示で導き、チェックで確かめる: スキルには従うべき規約や承認が必要な場面を書き、問題の検出はテストとCIに任せる。マージやデプロイを止めたい場合は、リポジトリのルールで設定する

マニフェストを差し替えるだけで別のチームが同じスキルを使えるかどうかが、移植性を確かめる目安になるとしています。

クライアントごとの差を吸収する工夫

複数のエージェントに対応しようとすると、同じ指示のコピーをいくつも同期させる必要が出てきます。Data Forgeではskills/*/SKILL.mdを正本とし、パッケージングのスクリプトで各クライアント向けのファイルを生成しています。Claude Code向けの.claude-plugin/plugin.json、Cursor向けの.cursor-plugin/plugin.json、GitHub Copilot向けの.github/agents/*.agent.mdです。スクリプトにはCIで使うチェックモードもあります。

クライアントによって使えるモデルやツール、権限は異なります。そのためスキルを入れたあとは、意図した作業でスキルが認識されるか、参照ファイルを読み込めるか、必要なツールを使えるか、求めた証拠を返すかを確かめるよう勧めています。

社内でエージェントを使っているなら、まずは説明するのに疲れた作業を1つ選び、必要なもの、止まるべき場所、レビュー担当者が見るものを書き出すところから始めるとよいでしょう。そのスキルを別のエージェントでも試してみれば、どこが特定のツールに依存しているかが見えてきます。