最近AIについて調べていると、

Skills

という言葉をよく見かけるようになりました。

Claude Code。

Codex。

LM Studio Bionic。

AIエージェント。

ローカルLLM。

いろいろな記事を読んでいると、

「このSkillをインストールしてください」

「SKILL.mdを作ります」

「Agent Skillsに対応しました」

と突然出てきます。

そして初心者からすると、

「Skillsって結局何？」

となります。

さらにAIを勉強していると、

API

MCP

Skills

まで出てくる。

この3つが一緒に出てくると、さらに分かりにくい。

しかしSkills自体の考え方は、それほど難しくありません。

ものすごく簡単に言えば、

Skillsとは「AIに仕事のやり方を教えておく仕組み」です。

例えば毎回ChatGPTやClaudeへ、

PowerPointは16:9で作ってください。
1スライド1メッセージにしてください。
タイトルには結論を書いてください。
文章は少なくしてください。
最後に誤字脱字を確認してください。

と指示しているとします。

毎回入力するのは面倒です。

そこで、この仕事のルールを、

SKILL.md

というファイルへまとめておく。

するとAIエージェントは、そのSkillを必要なときに読み、

「この仕事は、この手順でやる」

と理解して作業できるようになります。

Agent SkillsはAnthropicが2025年に発表し、その後クロスプラットフォームで利用するためのオープン標準として公開されました。現在はClaudeだけではなく、OpenAIのCodexやAPI、LM Studio BionicなどでもSkillsの考え方が使われています。

この記事では、

• Skillsとは何か
• SKILL.mdとは何か
• 普通のプロンプトと何が違うのか
• Claude・Codexではどう使うのか
• ローカルLLMでも使えるのか
• API・MCP・Skillsは何が違うのか
• 普通の会社員なら何に使えるのか

を、できるだけ専門用語を使わず解説します。

---

この記事でわかること

• Agent Skillsとは何か
• SKILL.mdとは何か
• Skillsとプロンプトの違い
• Claude CodeとSkillsの関係
• CodexとSkillsの関係
• LM Studio BionicでSkillsを使う意味
• ローカルLLMでもSkillを使えるのか
• Skills・MCP・APIの違い
• 自分でSkillを作るメリット
• 他人のSkillを入れるときの注意点

---

Skillsとは？

まず、一番簡単な説明からいきます。

Skillsとは、

AIエージェント向けの「仕事マニュアル」

です。

AnthropicはAgent Skillsを、

指示・スクリプト・リソースなどをまとめたフォルダ

として説明しています。

中心になるのが、

SKILL.md

というファイルです。

OpenAIもSkillsを、

同じ仕事を毎回最初から説明するのではなく、再利用可能なワークフローとして保存する仕組み

として説明しています。

例えば会社員なら、

毎月の売上報告

データを読む。

↓

前月と比較。

↓

増減率を計算。

↓

大きな変化を3つ抽出。

↓

PowerPointにまとめる。

↓

数字を再確認。

この一連の作業があります。

これを毎月AIへ1から説明するのではなく、

「月次報告Skill」

として保存しておく。

次からAIは、

月次報告を作って。

という依頼を受けたとき、

そのSkillを参照して同じルールで作業できます。

---

SKILL.mdって何？

では、よく見る、

SKILL.md

とは何でしょうか。

名前を見ると難しそうですが、

ただの、

Markdown形式のテキストファイル

です。

.mdはMarkdownの意味です。

メモ帳のようなテキストに、

#

や、

-

などを使って見出しや箇条書きを書きます。

OpenAIもSKILL.mdを、ワークフローを一貫して実行するための**プレイブック（手順書）**として説明しています。

例えば非常に簡単なSkillなら、こんなイメージです。

---
name: powerpoint-simple
description: 社内向けの見やすいPowerPointを作成する
---

# 目的

社内発表用のPowerPointを作る。

# ルール

- 1スライド1メッセージ
- タイトルには結論を書く
- 本文を詰め込みすぎない
- 数字は大きく表示する
- 色は3～4色程度に統一する
- 不要なアニメーションは使用しない

# 作業手順

1. 発表の目的を確認する
2. 最重要メッセージを決める
3. スライド構成を作る
4. 各スライドの内容を作る
5. 数字・固有名詞を再確認する

# 最終確認

- 誤字脱字
- 数値
- スライドの重複
- 1枚あたりの情報量

これだけでも、

PowerPointをどう作ってほしいか

をAIへかなり明確に伝えられます。

---

最初にある「—」は何？

SKILL.mdの最初には、

---
name:
description:
---

のような部分があります。

これは、

YAML Frontmatter

と呼ばれます。

初心者なら、

Skillの名札

くらいで考えてください。

name

Skillの名前。

description

何をするSkillなのか。

です。

AnthropicのAgent Skillsでは、最低限このnameとdescriptionを使い、AIエージェントが「このSkillは今回の仕事に必要そうだ」と判断できるようにします。

---

なぜdescriptionが重要なの？

ここがSkillsの面白いところです。

AIは毎回、すべてのSkill全文を読む必要はありません。

例えば100個Skillがあるとします。

毎回100個全部読ませたら、

• Contextを消費
• 処理が重くなる
• 関係ない指示まで入る

ことになります。

そこで最初は、

Skillの名前と説明だけ

を見る。

例えば、

Excel集計
→ Excelデータを月別・担当者別に集計するSkill

PowerPoint
→ 社内発表用スライドを作るSkill

Blog
→ AIMOTIONLABの記事を書くSkill

と一覧だけ確認。

そして、

「PowerPointを作って」

と依頼された。

↓

PowerPoint Skillが必要そう。

↓

そのSkillのSKILL.mdを読む。

という流れになります。

Anthropicはこれを、

Progressive Disclosure（段階的開示）

という考え方で説明しています。必要な情報だけを必要な段階で読み込むことで、Contextを効率よく利用します。

---

SkillはSKILL.mdだけじゃない

ここから少し面白くなります。

Skillsは、

SKILL.md 1枚だけ

でも作れます。

しかし複雑なSkillなら、他のファイルも一緒に持てます。

例えば、

powerpoint-skill/
│
├── SKILL.md
│
├── scripts/
│   └── make_chart.py
│
├── references/
│   └── design-rule.md
│
└── assets/
    └── company-template.pptx

という構成です。

AnthropicのSkillsガイドでは、

• SKILL.md
• scripts/
• references/
• assets/

といった構成が紹介されています。

つまり、

SKILL.md

どう仕事する？

scripts

必要な処理を実行するプログラム。

references

ルール・資料。

assets

テンプレートなど。

をまとめられます。

これは単なる「長いプロンプト」とはかなり違います。

---

普通のプロンプトとSkillsは何が違う？

ここが初心者には一番分かりにくいと思います。

例えば、

ブログ記事を書いてください。
初心者向け。
3000文字程度。
比較表を入れる。
最後にまとめを書く。

これは、

プロンプト

です。

その1回の依頼で使います。

しかし毎回、

同じ条件を入力。

↓

次の記事でもコピー。

↓

またコピー。

となる。

そこで、

ブログ記事作成Skill

にします。

プロンプト

今回何をしてほしい？

Skill

その仕事を普段どうやってほしい？

と分けると分かりやすいです。

---

ClaudeとSkillsの関係

Agent Skillsを広めた中心の一つが、

Anthropic

です。

Anthropicは2025年10月、Claudeへ専門的な仕事の進め方を教える方法としてAgent Skillsを発表しました。

その後、2025年12月にはクロスプラットフォームで使えるオープン標準として公開しています。

Claude Codeでは、

コードを書く。

↓

テスト。

↓

レビュー。

↓

修正。

といった一連の作業があります。

例えば、

「この会社ではコードレビューをするとき、必ずこの項目を確認する」

というルールをSkillとして持たせられます。

SkillsはClaude.ai、Claude Code、APIなど、対応環境間で同じ考え方を利用できるよう設計されています。

---

CodexでもSkillsを使う

そしてSkillsはClaudeだけのものではありません。

OpenAIもAgent Skills形式をサポートしています。

2026年現在、Skillsは、

• ChatGPT
• Codex
• OpenAI API

でも利用されています。OpenAIはSkillを、SKILL.mdと必要に応じたリソースを含む再利用可能なワークフローバンドルとして説明しています。

OpenAI自身も、

同じプロンプトやテンプレートを何度も貼っているならSkillsが向いている

と説明しています。

つまり、

Claude専用の特殊ファイル

ではなくなっています。

---

同じSkillをClaudeとCodexで使える？

ここがAgent Skillsの非常に面白いところです。

基本的には、

対応しているSkillsなら再利用できます。

OpenAIは、自社のSkillsがAgent Skillsのオープン標準に準拠しており、他の対応製品へエクスポート・インストールできると案内しています。

例えば、

powerpoint-skill/
└── SKILL.md

を作る。

↓

Claude Code。

↓

Codex。

↓

対応アプリ。

で使う。

環境固有のツールや依存関係がなければ、

一度作った仕事のやり方をAIサービスをまたいで持ち運べる

可能性があります。

これはかなり重要です。

---

LM Studio BionicもSkillsに対応した

そして2026年8月。

ローカルAI側でも大きな動きがありました。

LM Studio Bionicが、

Agent Skills

に対応しました。

Bionicでは、

• Skillを利用
• Skillを作成
• URLからSkillをインストール
• SKILL.mdを追加
• CodexやClaude Codeで使っているSkillを参照

できます。

つまり、

クラウドAIだけの仕組みではなくなってきた

わけです。

---

ローカルLLMもSKILL.mdを読めばSkills対応？

ここは誤解しやすいので注意してください。

答えは、

必ずしもそうではありません。

例えばQwenやGemmaという、

LLMそのもの

にSkills機能が内蔵されているわけではありません。

重要なのは、

AIを動かしているエージェントアプリ側がSkillsへ対応しているか

です。

例えば、

Qwen

AIモデル。

LM Studio Bionic

QwenをAIエージェントとして動かす環境。

SKILL.md

そのAIへ仕事のやり方を教える。

という関係です。

つまり、

ローカルLLM
     ↓
AIエージェントアプリ
     ↓
Skills

です。

Bionicならローカルモデルを選んで推論させながらSkillsを利用できます。

---

ここで一番分からない「API・MCP・Skills」の違い

AIを勉強していると、

API

MCP

Skills

が次々に出てきます。

初心者なら混乱して当然です。

そこで、かなり単純化して考えてみます。

---

APIとは？

APIは、

サービス同士が話すための窓口

です。

例えばAIから天気サービスへ、

仙台の天気を教えて。

と情報を要求する。

↓

天気サービスがデータを返す。

そのやり取りのルールがAPIです。

つまり、

外部サービスとどう通信する？

がAPI。

---

MCPとは？

MCPは、

Model Context Protocol

です。

AIが、

• 外部ツール
• データ
• サービス

などへアクセスする方法を標準化しようという仕組みです。

例えば、

• Google Drive
• GitHub
• データベース
• 社内システム

などとAIをつなぐ。

初心者向けにかなり単純化すると、

AIにどんな道具を使わせるか

に近い仕組みです。

AnthropicのSkillsガイドでも、MCPをツールやデータへのアクセス側、Skillsをそのツールをどう使うかという知識・手順側として組み合わせる考え方が紹介されています。

---

Skillsとは？

そしてSkills。

Skillsは、

その道具を使って、どう仕事するか

です。

例えば、

API

Excelデータを取得できる。

MCP

AIから社内システムやファイルへアクセスできる。

Skill

取得したExcelを、

1. 担当者別に集計
2. 前月比較
3. 10％以上変化した項目を抽出
4. PowerPoint化

する。

という関係です。

---

3つを一言で分けるなら

用語	初心者向けに言うと	役割
API	サービスの窓口	システム同士をつなぐ
MCP	AI用の共通接続方法	AIに道具・データを与える
Skills	AI用の仕事マニュアル	道具をどう使って仕事するか教える

覚え方としては、

API＝つなぐ

MCP＝使えるようにする

Skills＝使い方を教える

くらいで最初は十分です。

厳密にはそれぞれもっと広い意味がありますが、初心者が全体像を掴むにはこの理解から始めると分かりやすいでしょう。

---

例えば「毎月の売上報告」をAIへ任せると？

これを3つ組み合わせてみます。

API / MCP

AIが売上データへアクセス。

↓

Skills

会社で決められた集計方法を読む。

↓

AI

データを分析。

↓

グラフ作成。

↓

PowerPoint。

↓

数字のチェック。

つまり、

接続する技術

だけでは、仕事のやり方までは分かりません。

逆に、

Skillだけ

あっても、売上データへアクセスする手段がなければ仕事はできません。

両方を組み合わせることで、

実際に仕事をするAIエージェント

へ近づきます。

---

Skillが便利なのは「AIを賢くする」からではない

ここも重要です。

Skillを入れたから、

Qwen 4Bが突然70B級のモデルになる。

ということではありません。

AIそのものの基礎能力は変わりません。

Skillsが改善するのは、

仕事の進め方

です。

例えば新人社員でも、

何も説明せず、

月次報告作って。

と言われたら困ります。

でも、

月次報告マニュアル

• このデータを使う
• この数字を比較
• グラフはこれ
• ここを確認
• 最後に上司用サマリー

を渡せば、仕事をしやすくなる。

Skillsもこれと似ています。

---

「AIに知識を追加する」のとは少し違う

RAGとも混同しやすいところです。

RAG

AIが参照する知識を探す仕組み。

例えば、

会社のマニュアルから答えを探す。

Skills

その仕事をどう進めるか。

例えば、

「マニュアルを検索 → 該当箇所を引用 → 回答 → 出典を付ける」

という作業手順。

つまり、

RAG＝何を知っている？

Skills＝どう仕事する？

という違いがあります。

実際にはこの2つを組み合わせると非常に強力です。

---

普通の会社員なら何をSkillにする？

プログラマーでなくても、Skillにできる仕事はたくさんあります。

例えば、

---

① PowerPoint作成Skill

• 1スライド1メッセージ
• タイトルは結論
• 数字を視覚化
• 詳細は発表者ノート
• 最後に誤字チェック

---

② Excel分析Skill

• ファイル構造確認
• 欠損確認
• 重複確認
• 集計
• グラフ
• 最終検証

---

③ メール作成Skill

• 宛名
• 要件
• 添付資料
• 相手に依頼する事項
• 敬語確認

---

④ 議事録Skill

音声・メモ。

↓

要点。

↓

決定事項。

↓

担当者。

↓

期限。

↓

ToDo。

---

⑤ ブログ記事作成Skill

テーマ。

↓

検索意図。

↓

構成。

↓

本文。

↓

内部リンク。

↓

メタディスクリプション。

↓

タグ。

---

「自分の仕事」をSkillにできるのが面白い

ここで少し考えてみます。

会社には、

ベテランしか知らない仕事

が大量にあります。

例えば、

「このExcelは毎月こう直す」

「この報告書ではここを見る」

「この顧客へのメールはこの書き方」

こういったノウハウは、

その人の頭の中にあります。

つまり、

属人化

しています。

これをSkillへまとめると、

人間の仕事のやり方をAIが参照できる形で残す

ことができます。

Skillsは、単なるAI機能ではなく、

業務マニュアルをAIが読める形式へ変える仕組み

として考えると、かなり可能性があります。

---

Skillは会社のマニュアルそのものになる？

完全に同じではありません。

人間向けマニュアルとAI向けSkillでは、

書き方が少し違います。

人間なら、

適宜確認してください。

でも理解できます。

AIには、

何を確認する？

どの条件？

問題ならどうする？

まで明確に書いた方が安定します。

つまりSkillを作る作業は、

自分の仕事を言語化する作業

でもあります。

これ自体が業務改善になる可能性があります。

---

自分でSKILL.mdを書かないとダメ？

いいえ。

ここも2026年の面白いところです。

例えばLM Studio Bionicでは、

一度うまくいった仕事について、

「今やった作業をSkillにして」

と頼む方法が公式に紹介されています。

つまり、

1. AIと一緒に仕事する
2. うまくいく
3. Skill化する
4. 次から再利用

という流れです。

最初からYAMLやMarkdownを全部覚える必要はありません。

---

Skillsは「プロンプト集」の次の形かもしれない

少し前まで、

AI活用といえば、

プロンプト集

が人気でした。

例えば、

ブログ用プロンプト100選。

営業用プロンプト50選。

しかし長いプロンプトを、

コピー。

↓

貼り付け。

↓

少し変更。

という使い方には限界があります。

Skillsなら、

仕事ごと保存。

↓

必要なときだけ読み込む。

↓

複数AIでも再利用。

という使い方ができます。

将来的には、

「おすすめプロンプトありますか？」

より、

「おすすめSkillありますか？」

と聞く機会が増えていくかもしれません。

---

モデルよりSkillの方が長く残る可能性もある

これはAI Motion Labとしてかなり注目したいところです。

AIモデルは次々変わります。

Claude。

↓

新しいClaude。

Codex。

↓

新しいCodex。

Qwen。

↓

新しいQwen。

しかし、

自分の仕事のやり方

は大きく変わらない場合があります。

例えば、

「見やすいPowerPointの作り方」

というSkill。

今年はClaudeで使う。

↓

来年はCodex。

↓

ローカルLLMが賢くなったらBionic。

という使い方ができます。

つまり、

モデルは交換する。

Skillは残す。

という世界です。

Agent Skillsがオープン標準として複数の対応環境で再利用される方向に進んでいることを考えると、今後かなり重要な考え方になる可能性があります。

【吹き出し：黒崎リン】

「どのAIが一番賢いかだけじゃなく、“自分はどんなSkillsを持っているか”が重要になるかもしれない」

---

Skillsを入れるときの注意点

ここは非常に重要です。

インターネット上には、今後さまざまなSkillsが公開されるでしょう。

しかし、

便利そうだから全部インストール

はおすすめしません。

なぜならSkillには、

文章だけでなくスクリプトやコード

を含められるからです。

AnthropicのAgent Skillsでも、SkillフォルダにPythonやBashなどの実行コードを含められる構成が紹介されています。OpenAIもSkillsに指示・例・コードなどを含められると説明しています。

つまり、

知らない人が作ったSkill。

↓

スクリプト実行。

↓

ファイル操作。

ということも技術的にはあり得ます。

---

GitHubからSkillを入れるなら中身を見る

最低限、

• SKILL.md
• scripts
• 何のファイルへアクセスするか
• 外部通信するか
• コマンドを実行するか

を確認したいところです。

特に、

「このSkillを入れれば何でも自動化できます！」

のようなSkillほど慎重に扱った方がよいでしょう。

LM Studioも、新しく作成・インストールしたSkillsは重要な業務へ使う前にレビューすることを推奨しています。

---

SkillがあればAIは勝手に何でもできる？

これも違います。

Skillは、

仕事の手順書

です。

でもAIに、

• ファイルを読む権限
• Excelを編集する道具
• Webへアクセスする機能
• Shellを動かす権限

がなければ、その作業はできません。

例えばSkillに、

「Google Driveから資料を取得する」

と書いてあっても、

Google Driveへアクセスする方法がなければ実行できません。

つまり、

SkillsだけでAIエージェントが完成するわけではない

のです。

モデル。

ツール。

MCP。

API。

権限。

Skills。

これらを組み合わせてAIエージェントになります。

---

Skillsを初心者向けに一言でまとめると

ここまで少し長くなりました。

全部忘れても、

これだけ覚えておけば大丈夫です。

Skills＝AI用の仕事マニュアル

そして、

SKILL.md＝そのマニュアルの中心ファイル

です。

APIやMCPとの違いも、

API

外部サービスとの窓口。

MCP

AIへ道具やデータをつなぐ仕組み。

Skills

その道具をどう使って仕事するか。

と覚えておけば、AIの記事をかなり読みやすくなると思います。

---

では初心者は今すぐSkillsを勉強すべき？

私は、

仕組みだけでも知っておいた方がいい

と思います。

全員が今すぐSKILL.mdを書く必要はありません。

しかし今後、

Claude。

Codex。

Bionic。

ローカルAIエージェント。

を触ると、

Skillsという言葉を見る機会はかなり増える可能性があります。

そのとき、

「また新しいAI用語が出てきた……」

ではなく、

「ああ、AI用の仕事マニュアルね」

と理解できれば十分です。

そこから必要になったら、自分のSkillを作ればいい。

---

最初に作るなら何のSkill？

初心者なら、

毎回同じ指示をしている仕事

を探してください。

例えば、

ChatGPTへ毎回同じPowerPointルールを伝えている。

これはSkill候補です。

毎回同じブログ構成を説明している。

Skill候補。

Excelを毎月同じ方法で集計している。

Skill候補。

つまり、

「またこの説明をしてるな」

と思った仕事があれば、

そこがSkillsの入口です。

---

AI Motion Labなら最初に作りたいSkill

AI Motion Labなら、まず、

① AIMOTIONLAB記事作成Skill

記事の構成。

キャラクター。

見出し。

記事設定。

---

② PowerPoint作成Skill

1スライド1メッセージ。

結論型タイトル。

数字を視覚化。

---

③ ガジェット比較Skill

スペック。

価格。

用途。

メリット。

デメリット。

誰に向く？

---

④ ローカルLLM検証Skill

使用モデル。

量子化。

VRAM。

RAM。

Tokens/sec。

回答品質。

---

⑤ X投稿Skill

ニュース。

一言コメント。

記事への導線。

このあたりから作ると、Skillsが何のためにあるのか体感しやすいと思います。

---

まとめ：Skillsは「AIに毎回説明する」を減らす仕組み

AIを使い始めたころは、

質問する。

↓

回答してもらう。

という使い方でした。

少し進むと、

長いプロンプトを書く。

↓

テンプレートを保存する。

となります。

そしてAIエージェント時代になると、

Skills

が出てきます。

チャット
↓
プロンプト
↓
テンプレート
↓
Skills
↓
AIエージェント

Skillsでは、

どう仕事をしてほしいのか

をSKILL.mdへ保存します。

そして対応するAIエージェントが、

必要なSkillを読み、

必要なツールを使い、

作業する。

Anthropicが始めたAgent Skillsはオープン標準となり、現在はClaudeだけではなくCodexやOpenAI API、LM Studio Bionicなどでも利用されています。

AIを使うたびに、

同じ説明をする。

↓

同じプロンプトを貼る。

↓

同じ修正をする。

この繰り返しがあるなら、

その作業は、

Skillにできるかもしれません。

そしてこれからは、

「どのAIを使う？」

だけでなく、

「そのAIにどんなSkillsを持たせる？」

という考え方も重要になっていくでしょう。

Claude。

Codex。

ローカルLLM。

モデルが変わっても、

自分の仕事のやり方は、自分のSkillとして持っておく。

Skillsとは何か分からなくなったら、

まずこの一言に戻ってください。

Skills＝AI用の仕事マニュアル。

そこから理解を広げれば大丈夫です。

---

Skills・API・MCP・RAGの違い

最後にまとめておきます。

技術	一言でいうと	例
API	サービス同士の窓口	AIから外部サービスを呼ぶ
MCP	AIと道具・データをつなぐ共通方式	Drive・DB・ツールへ接続
RAG	必要な知識を検索してAIへ渡す	PDF検索AI
Skills	AIへ仕事の進め方を教える	PowerPoint作成手順
SKILL.md	Skillの中心となる手順書	作業ルール・確認事項

この4つは競合するものではありません。

むしろ、

MCPでデータへ接続。

↓

RAGで必要情報を探す。

↓

Skillに従って作業。

↓

APIで外部サービスへ結果を渡す。

というように組み合わせることができます。

これがAIエージェントを理解するうえで、かなり重要な考え方です。

---

関連記事

ローカルLLMの入口

自分の資料をAIへ検索させたい

ローカルAIを安全に使いたい

---