Agent Skills de Anthropic el 16 de octubre de 2025, como una forma de ampliar Claude con capacidades reutilizables. En cuestión de meses, el concepto ganó fuerza en la comunidad de IA y comenzó a evolucionar hacia un patrón de diseño más amplio para construir capacidades de agentes modulares y portátiles más allá del propio Claude.
Como practicante de IA, he estado usando Claude Code durante bastante tiempo y he visto muchos tutoriales que explican cómo crear Agent Skills dentro del ecosistema de Claude. Sin embargo, cuando intenté implementar el mismo concepto para nuestra solución empresarial sin depender de Claude, rápidamente me encontré con un conjunto diferente de preguntas de diseño. ¿Qué define exactamente una “habilidad de agente”? ¿Cómo debería estructurarse? ¿Y cómo deberían activarse y orquestarse las habilidades en un marco de agente personalizado?
En Claude, una habilidad de agente típica se define como un archivo Markdown que contiene un nombre, descripción, instrucciones y scripts. Esta interfaz de lenguaje natural funciona bien en muchas situaciones, especialmente cuando la ambigüedad es aceptable. Pero en los sistemas de producción, la precisión suele ser más importante que la flexibilidad. Un desafío recurrente que encontré fue la activación de habilidades: a veces una habilidad era poderosa y estaba bien diseñada, pero Claude no podía invocarla porque la descripción era demasiado vaga.
Para nuestros agentes, necesito garantías más estrictas: habilidades que se activen de manera determinista y se comporten de manera consistente en todo momento. Ese requisito me llevó a implementar habilidades directamente en Python con lógica explícita. Pero al hacerlo surgió una interesante pregunta arquitectónica: si una habilidad se implementa exclusivamente en código, ¿en qué se diferencia de una herramienta, una característica o simplemente otra función? Incluso si estas habilidades son reutilizables y se invocan según demanda, ¿qué las convierte realmente en habilidades de agente?
Este artículo explora estas preguntas y comparte una perspectiva práctica sobre el diseño e implementación de habilidades de agente para agentes de IA personalizados sin depender de Claude.
Habilidades del agente versus herramientas versus características
Una herramienta es una capacidad primitiva o una única acción que el agente puede realizar. Cada herramienta hace una cosa específica. Las herramientas son instrumentos individuales, como martillos, sierras y taladros.
Ejemplo: las herramientas de Claude incluyen cosas como bash_tool (ejecutar un comando), web_search (buscar en Internet), ver (leer un archivo), str_replace (editar un archivo), web_fetch (obtener una página web), lugares_búsqueda, meteorología_fetch, etc.
Una habilidad es un conjunto de instrucciones sobre cómo orquestar múltiples herramientas para realizar bien una tarea compleja. Una habilidad no me da nuevas capacidades. Brinda a los agentes experiencia en la combinación efectiva de herramientas existentes. Las habilidades son como una receta detallada que les dice a los agentes qué instrumentos usar, en qué orden y qué errores evitar.
Ejemplo: la habilidad docx, por ejemplo, le dice a Claude que use bash_tool para ejecutar npm install docx, luego escriba JavaScript usando patrones específicos, luego ejecute bash_tool nuevamente para validar el resultado y luego use present_files para compartirlo.
Una característica es un concepto a nivel de producto, o algo que el usuario ve y puede activar o desactivar. Una función se habilita dándole al agente acceso a ciertas herramientas y habilidades.
Ejemplos: “Ejecución de código y creación de archivos”, “Búsqueda web” y “Artefactos” son funciones. Entonces, la “creación de archivos” como característica funciona con la herramienta bash, la herramienta de creación de archivos, varias habilidades de documentos y la herramienta present_files, todas trabajando juntas.
Las habilidades son las que cierran la brecha entre el acceso a herramientas en bruto y la producción de alta calidad. Sin la habilidad docx, Claude aún podría crear técnicamente un documento de Word, pero podría omitir cosas como “establecer siempre el tamaño de página explícitamente porque docx-js tiene como valor predeterminado A4” o “nunca usar viñetas Unicode”.
¿Las habilidades de los agentes tienen que estar en formato de archivos de rebajas?
No necesariamente. El concepto de habilidades de los agentes es más amplio que el formato.
Una habilidad es fundamentalmente una experiencia codificada sobre cómo realizar bien una tarea. Esa experiencia podría vivir de muchas formas:
Un archivo de rebajas con instrucciones (típica habilidad de agente de Claude) Un script de Python que hace el trabajo directamente Un archivo de configuración o esquema JSON Un conjunto de entradas y salidas de ejemplo Una combinación de todo lo anterior
En mi caso, el script Python parece apropiado porque necesito una ejecución determinista y confiable en todo momento, sin variaciones. Es más rápido, más barato y más predecible para un proceso procesal. El enfoque de instrucción de rebajas se vuelve valioso cuando la tarea implica ambigüedad o juicio. A veces, necesitamos que un LLM lea instrucciones y razone sobre qué hacer a continuación para agregar valor a un guión rígido.
También es común un enfoque híbrido. Puedo conservar mi código Python y degradarlo a una implementación de herramienta, pero agregar un archivo de habilidad de rebajas que ayude a los agentes a comprender cuándo invocar mi habilidad de agente y cómo interpretar los resultados. Una iteración típica de un producto podría comenzar con una implementación de Python e incorporar gradualmente instrucciones de Markdown, formando finalmente un diseño de habilidades híbrido.
¿Habilidad del agente versus MCP? ¡Habilidad de agente + MCP!
Nuestros agentes ya se conectan a fuentes de datos a través de servidores MCP, pero muchas de las habilidades de nuestros agentes también incluyen la capacidad de leer directamente desde bases de datos. Esto plantea una pregunta arquitectónica práctica: ¿cuándo debería un agente usar MCP y cuándo debería la capacidad residir dentro de una habilidad?
Anthropic explica claramente la distinción con una útil analogía con la cocina:
MCP conecta a Claude con los datos; Skills le enseña a Claude qué hacer con esos datos.
MCP proporciona a la cocina profesional acceso a herramientas, ingredientes y equipos. Las habilidades proporcionan las recetas: instrucciones que le dicen al agente cómo utilizar esos recursos para producir algo valioso.
En mi diseño, trato las conexiones MCP como infraestructura y las habilidades como orquestación de cómo se utilizan los datos.
Los servidores MCP son responsables de exponer fuentes y servicios de datos externos. Por ejemplo, pueden proporcionar acceso estructurado a bases de datos, registros, API o sistemas internos. Su función es poner estos recursos a disposición del agente de forma estandarizada.
Las habilidades del agente, por otro lado, definen cómo el agente debe usar los datos de los servidores MCP y otras bases de datos para realizar una tarea.
Por esta razón, normalmente implemento:
Acceso a bases de datos, API y recuperación de datos como herramientas (o capacidades de MCP) Lógica de decisiones y flujos de trabajo como habilidades de los agentes
Habilidades como “RAG Agentic”
Idealmente, las habilidades del agente cargan información dinámicamente desde las herramientas cuando se ejecutan. Esto hace que el patrón sea muy similar a la generación aumentada de recuperación agente (RAG).
En lugar de precargar todo el contexto en el mensaje, la habilidad puede:
Identificar qué información necesita Recuperar los datos relevantes a través de una herramienta o servidor MCP Procesar esos datos de acuerdo con sus instrucciones Producir el resultado final
Este enfoque mantiene a los agentes livianos y al mismo tiempo permite que las habilidades accedan a conjuntos de datos grandes o cambiantes bajo demanda.
Conclusión
Anthropic introdujo un importante cambio de paradigma y la implementación de Agent Skills por parte de Claude ofrece una valiosa inspiración para construir nuestros propios sistemas de agentes. Siempre que nuestras habilidades capturen el propósito principal de lo que debe hacer una habilidad, que es encapsular capacidades reutilizables bajo demanda para un agente, el formato específico y los detalles de implementación pueden variar. En última instancia, las decisiones de diseño sobre cuándo y cómo utilizar las habilidades deben guiarse por las necesidades y limitaciones del producto que estamos construyendo.
¡Gracias por leer! Espero que esto te haya sido útil.