Agent Skills: Cara Mengajari AI Agent Prosedur Baru

Kamu pernah menjelaskan hal yang sama ke AI agent berkali-kali. Konvensi PR tim. Format commit message. Cara deploy ke staging. Setiap sesi baru, mulai dari nol lagi.

Masalahnya bukan model-nya tidak pintar. Masalahnya lebih sederhana: tidak ada cara standar untuk memberi agent prosedur yang perlu dia ingat — dan bisa dipakai lagi.

Agent Skills menjawab masalah itu.

Apa Itu Agent Skills?

Bayangkan kamu bisa nulis SOP untuk agent — langkah per langkah — dan dia langsung tahu cara mengikutinya. Tanpa retrain model. Tanpa nulis plugin. Tanpa konfigurasi rumit.

Itulah Agent Skills: format terbuka untuk mengemas pengetahuan prosedural yang bisa dibaca dan dijalankan AI agent.

Strukturnya sesederhana ini:

my-skill/
├── SKILL.md          # wajib — metadata + instruksi
├── scripts/          # opsional — kode yang bisa dieksekusi
├── references/       # opsional — dokumentasi pendukung
└── assets/           # opsional — template, resource

Inti dari semuanya ada di SKILL.md — satu file markdown berisi nama skill, deskripsi singkat, dan prosedur yang ingin diajarkan.

Format ini awalnya dibuat oleh Anthropic, kemudian dirilis sebagai open standard dan kini dikelola komunitas di agentskills.io. Sudah didukung 30+ tools — dari Cursor sampai GitHub Copilot, dari VS Code sampai OpenAI Codex.

Kenapa Tidak Cukup System Prompt?

System prompt bisa dipakai untuk hal yang sama — tapi ada trade-off yang jadi terasa saat skill-nya banyak.

Setiap request membawa semua isi system prompt, tidak peduli relevan atau tidak. Dengan 50 instruksi prosedural di dalamnya, setiap percakapan menanggung ratusan ribu token ekstra — bahkan untuk task sederhana yang tidak butuh sebagian besar dari itu.

Skills pakai pendekatan berbeda: progressive disclosure.

Level 0: load nama + deskripsi semua skills    (~100 token per skill)
Level 1: baca isi lengkap SKILL.md             (saat task cocok)
Level 2: load file referensi spesifik          (saat dibutuhkan)

Saat sesi dimulai, agent hanya membaca nama dan deskripsi masing-masing skill — cukup untuk tahu mana yang mungkin relevan. Saat ada request yang cocok, baru isi lengkap SKILL.md dimuat. File referensi hanya dibaca kalau instruksi utama membutuhkannya.

Hasilnya: kamu bisa punya banyak skills terpasang tanpa membebani context window di setiap sesi.

Format SKILL.md

Hanya dua field yang wajib: name dan description. Sisanya opsional.

---
name: github-pr-workflow
description: Buka PR sesuai konvensi tim — squash commits, isi template, assign reviewer. Gunakan saat ada kode yang siap direview.
---

# GitHub PR Workflow

## Prosedur
1. Squash semua commit di branch ini
2. Isi PR title: [area] Deskripsi singkat
3. Isi body PR: perubahan apa, cara test, screenshot kalau ada UI change
4. Assign reviewer sesuai CODEOWNERS
5. Beri label `ready-for-review`

## Verifikasi
PR muncul di GitHub dengan semua status checks hijau.

Beberapa hal yang perlu diperhatikan saat menulis:

name — huruf kecil, angka, dan tanda hubung saja. Harus sama dengan nama folder.

description — ini yang paling kritis. Agent memutuskan kapan mengaktifkan skill berdasarkan field ini saja. Tulis apa yang skill lakukan dan kapan harus dipakai. Sertakan kata kunci spesifik yang mungkin muncul di request user.

Contoh deskripsi yang buruk:

description: Helps with PDFs.

Contoh yang baik:

description: Extracts text and tables from PDF files, fills PDF forms, and merges multiple PDFs. Use when working with PDF documents or when the user mentions PDFs, forms, or document extraction.

Body — tulis instruksi langkah per langkah. Tidak ada format yang dipaksakan. Tambahkan contoh input/output dan edge cases kalau relevan. Rekomendasinya: jaga SKILL.md di bawah 500 baris, pindahkan materi detail ke references/.

Field opsional lainnya:

• license — nama lisensi atau referensi ke file lisensi di folder skill
• compatibility — kebutuhan environment spesifik (Requires Python 3.14+, Requires git and docker)
• metadata — key-value bebas untuk info tambahan (author, version, dst)
• allowed-tools — daftar tools yang pre-approved (eksperimental)

Di Mana Skills Disimpan?

Lokasi default tergantung tools yang dipakai. VS Code dan GitHub Copilot, misalnya, mencari skills di .agents/skills/ relatif terhadap root project. Tools lain punya lokasi default masing-masing, tapi kebanyakan mendukung konfigurasi direktori kustom.

Skill yang kamu buat di project lokal bisa ditaruh di .agents/skills/ untuk dipakai di project itu saja, atau di direktori global untuk dipakai di semua project.

Ekosistem: Sumber Skills yang Tersedia

Tidak perlu buat semua dari nol. Ada banyak skills yang sudah dibuat dan bisa langsung dipakai.

agentskills.io — hub komunitas resmi, direktori yang terus bertambah.

skills.sh — direktori publik dari Vercel.

GitHub repositories resmi:

• anthropics/skills — dari Anthropic
• openai/skills — dari OpenAI
• huggingface/skills — dari Hugging Face

Well-known endpoints — situs dokumentasi bisa mempublikasikan skills di /.well-known/skills/index.json. Mintlify, misalnya, punya skills khusus untuk bekerja dengan dokumentasi mereka.

Membuat Skill Pertamamu

Mulai dari prosedur yang paling sering kamu jelaskan ulang ke agent. Tidak perlu kompleks — bahkan skill satu halaman sudah berguna.

Contoh paling minimal yang langsung bisa dicoba di VS Code:

Buat file .agents/skills/roll-dice/SKILL.md di project kamu:

---
name: roll-dice
description: Roll dice using a random number generator. Use when asked to roll a die (d6, d20, etc.) or generate a random dice roll.
---

To roll a die, run this command — replace `<sides>` with the number of sides:

```bash
echo $((RANDOM % <sides> + 1))
```

Windows (PowerShell):

```powershell
Get-Random -Minimum 1 -Maximum (<sides> + 1)
```

Buka GitHub Copilot Chat di Agent mode, ketik /skills untuk konfirmasi skill muncul, lalu coba: “Roll a d20”.

Agent akan mendeteksi deskripsi cocok dengan request, load isi SKILL.md, dan jalankan perintah terminal dengan jumlah sisi yang kamu minta.

Membagi Skills ke Tim

Karena skills hanya folder berisi file teks, mereka natural untuk di-commit ke repository dan dishare ke tim.

Buat folder di repository bersama:

team-dotfiles/
└── skills/
    ├── deploy-staging/
    │   └── SKILL.md
    ├── github-pr-workflow/
    │   └── SKILL.md
    └── code-review-checklist/
        └── SKILL.md

Setiap anggota tim arahkan agent mereka ke direktori itu. Satu kali dokumentasi, dipakai semua orang — dan kalau ada perubahan konvensi, update di satu tempat, langsung berlaku.

Validasi

Format Agent Skills punya reference library untuk validasi:

skills-ref validate ./my-skill

Ini mengecek frontmatter valid, nama sesuai konvensi, dan struktur folder benar.

Satu Format, Banyak Agent

Yang membuat Agent Skills lebih dari sekadar fitur satu tools: ini upaya standarisasi cara AI agent menerima pengetahuan prosedural.

Skill yang sama bisa dipakai di Cursor, Claude Code, GitHub Copilot, VS Code, Gemini CLI, dan tools lain yang kompatibel — tanpa modifikasi. Sama seperti npm packages bisa dipakai di berbagai project JavaScript, Agent Skills bisa dipakai di berbagai agent tools.

Kalau tim kamu punya konvensi yang konsisten atau workflow yang sering diulang, mungkin sudah waktunya dikemas sebagai skill.