![Imagen de portada de [MCP·Skill #2] Skills de agentes de IA: guía completa](/assets/images/posts/60116d30-9205-43b5-b09e-610a09bd6239/1.jpg)
Al usar herramientas de codificación con IA, acabas repitiendo las mismas instrucciones. «Usa este formato para los mensajes de commit», «sigue esta lista antes de desplegar» y cosas así.
Explicarlo todo en cada prompt resulta demasiado largo, pero incluirlo en archivos de reglas permanentes como CLAUDE.md o AGENTS.md hace pesado el contexto de cada sesión.
Skill resuelve esta repetición. En una frase: es un módulo que empaqueta en archivos los procedimientos y conocimientos de una tarea concreta, y los carga solo cuando hacen falta.
Nació como una función de Claude Code, pero ya no pertenece a una herramienta concreta. En diciembre de 2025, Anthropic publicó la especificación como estándar abierto bajo el nombre Agent Skills. Desde entonces, más de 30 herramientas, entre ellas OpenAI Codex, Gemini CLI, Cursor y VS Code (GitHub Copilot), han adoptado el mismo formato. Es decir, un archivo SKILL.md creado una vez sigue funcionando aunque cambies de herramienta.
Este artículo resume la estructura de Skill, sus dos formas de invocación —el comando de barra y el activador automático—, la compatibilidad de cada herramienta y la división de responsabilidades frente a los archivos de reglas permanentes. Los ejemplos se basan en Claude Code, que fue de los primeros en incorporar esta función, pero el concepto es igual en cualquier herramienta.
Empecemos por el resumen esencial.
- Skill es una carpeta de instrucciones que comienza con un único archivo SKILL.md y ahora es un estándar abierto independiente de la herramienta.
- Hay dos formas de invocarlo: el comando de barra que ejecuta el usuario y el activador automático que ejecuta el modelo.
- El diseño clave es la carga progresiva. Normalmente solo se cargan el nombre y la descripción; el cuerpo se lee al ejecutarse.
- Las reglas siempre aplicables van en archivos permanentes como CLAUDE.md o AGENTS.md; los procedimientos de tareas concretas se separan en Skills.
Skill es una carpeta Markdown
La estructura de Skill es sencilla. Basta con una carpeta que contenga un archivo SKILL.md.
---
name: release-note
description: Redactar un borrador de notas de la versión. Usar cuando se solicite «notas de la versión» o «notas de despliegue»
---
# Procedimiento para redactar notas de la versión
1. Recopilar los commits posteriores a la etiqueta anterior
2. feat/fix/choreClasificarlos por categoría
3. Ordenarlos por impacto para el usuario y redactar el borradorEl name y el description del frontmatter superior son los datos de registro; el cuerpo inferior contiene el procedimiento real. También puedes añadir documentos de referencia o scripts para convertir la carpeta en «instrucciones + caja de herramientas».
El estándar solo define este formato. Como cada herramienta decide de qué carpeta leer los archivos, basta con conocer la ruta de la que usas habitualmente.
| Herramienta | Directorio de Skills |
|---|---|
| Claude Code | ~/.claude/skills/ (global), 프로젝트/.claude/skills/ (proyecto) |
| OpenAI Codex | .agents/skills/ |
| Gemini CLI (Antigravity) | ~/.gemini/antigravity/skills/ |
En la práctica, es especialmente útil que al colocarlo en la carpeta del proyecto puedas compartirlo con el equipo mediante git. El conocimiento de trabajo se convierte en un activo del repositorio, no en una nota personal. Aunque los miembros usen agentes de codificación distintos, todos pueden leer el mismo SKILL.md, por lo que es posible compartir procedimientos sin unificar las herramientas.
Dos formas de invocación: manual y automática
Skill puede ejecutarse de dos maneras.
Primero, mediante un comando de barra. El usuario lo introduce directamente, por ejemplo /release-note, para invocarlo de forma explícita. La persona decide cuándo ejecutarlo.
Segundo, mediante un activador automático. El modelo analiza la conversación y decide por sí mismo: «Esta solicitud corresponde a ese Skill». La base de esa decisión es el description del frontmatter.
description no es una explicación para personas, sino una condición de enrutamiento para el modelo. Cuanto más concretamente indique «cuándo usar este Skill», incluidos los textos que lo activan, más preciso será el uso automático.
Aquí es importante el diseño de carga progresiva (progressive disclosure). Al iniciar la sesión, el contexto solo recibe el nombre y una línea de description de cada Skill. El cuerpo completo se lee únicamente cuando se invoca ese Skill.
Por eso, aunque registres decenas de Skills, la carga habitual sobre el contexto es mínima. Esta es la diferencia decisiva frente a incluir todos los procedimientos en un archivo de reglas permanentes. También es una razón importante por la que varios proveedores han adoptado este formato: la ventana de contexto es un recurso costoso para cualquier modelo.
Repartir responsabilidades con los archivos de reglas permanentes
Cada herramienta tiene su propio «archivo de reglas que siempre se lee»: CLAUDE.md en Claude Code, AGENTS.md en Codex y rules en Cursor. Es fácil confundirlos porque ambos contienen «instrucciones para el modelo». El criterio es cuándo se aplican.
- Archivo de reglas permanente (CLAUDE.md, AGENTS.md, etc.): reglas aplicables siempre, en cada sesión y tarea. Convenciones de código, prohibiciones y contexto del proyecto
- Skill: procedimientos necesarios solo para tareas concretas. Unidades de trabajo como despliegues, revisiones o generación de documentos
Si al preguntar «¿debe ser siempre cierto?» la respuesta es sí, corresponde a un archivo de reglas permanente; si solo es cierto en situaciones concretas, corresponde a un Skill. Si extraes reglas permanentes a un Skill, desaparecerán cuando no se active. En cambio, incluir todos los procedimientos en el archivo permanente desperdicia contexto.
Puntos problemáticos al crearlo
En la práctica, conviene tener presentes dos dificultades frecuentes.
Cuando el activador automático no funciona, casi siempre el problema está en description. Si escribes algo abstracto como «asistente para redactar documentos», el modelo no sabrá cuándo usarlo. Resulta más eficaz enumerar frases que un usuario real probablemente introduciría.
Si, por el contrario, se activa con demasiada frecuencia, puedes corregirlo indicando condiciones de exclusión en description, como «usar solo cuando…; no usar para preguntas sencillas».
Este principio funciona con cualquier herramienta. La estructura es la misma a nivel de estándar: el activador automático lo decide finalmente el modelo, y lo único que este ve es una línea de description.
Conclusión
Skill es, en última instancia, la conversión de prompts en funciones. En lugar de copiar y pegar instrucciones repetidas, les pones nombre, las guardas y las cargas solo cuando hacen falta. Ahora, además, esas funciones tienen un formato estándar que no depende de una herramienta concreta.
Si alguna vez has escrito la misma instrucción dos veces, ya tienes una candidata para tu primer Skill. El SKILL.md que crees hoy te acompañará el año que viene, uses el agente que uses.