ทักษะของเอเจนต์

AI Agent ที่วิวัฒนาการจาก "เครื่องมืออเนกประสงค์ที่ทำได้ทุกอย่าง" ไปสู่ "ผู้เชี่ยวชาญที่ทำงานเฉพาะด้านได้อย่างแม่นยำ" นั้น สิ่งที่สร้างความแตกต่างคือการออกแบบ Skills

หากยกตัวอย่าง Claude Code, Skills จะถูกกำหนดในรูปแบบไฟล์ Markdown โดยระบุขั้นตอนการทำงาน, เครื่องมือที่ใช้, รูปแบบผลลัพธ์ และคีย์เวิร์ดที่ใช้เป็น Trigger เพียงแค่ผู้ใช้พูดว่า "เขียนบทความ SEO" Skill ที่เกี่ยวข้องก็จะถูกเรียกใช้งาน และดำเนินการตั้งแต่การยืนยัน Brief, การเขียน, การตรวจสอบคุณภาพ ไปจนถึงการบันทึกลง DB ได้อย่างต่อเนื่องในขั้นตอนเดียว

ในระบบนิเวศของ OpenClaw มี Skills มากกว่า 5,700 รายการที่สร้างโดยชุมชนและแชร์ผ่าน Marketplace นอกจากนี้ยังมีกรณีที่ Agent เขียนโค้ดด้วยตัวเองเพื่อสร้าง Skill ใหม่ ซึ่งกำลังพัฒนาไปสู่กลไกที่สามารถขยายความสามารถของตัวเองได้ตามต้องการ

สิ่งสำคัญในการออกแบบ Skill คือการกำหนด Granularity ให้เหมาะสม หากหยาบเกินไปจะกลายเป็นเครื่องมืออเนกประสงค์ที่ความแม่นยำลดลง แต่หากละเอียดเกินไปจำนวน Skill จะเพิ่มขึ้นอย่างรวดเร็วและต้นทุนในการจัดการก็สูงขึ้นตามไปด้วย จากประสบการณ์ของผู้เขียน Granularity ที่เหมาะสมคือ "1 Skill ต่อ 1 User Action"

ในขณะที่ MCP รับผิดชอบการเชื่อมต่อระหว่าง Agent กับเครื่องมือภายนอก, Skills รับผิดชอบ Workflow ภายใน Agent และ Logic การตัดสินใจ ทั้งสองมีความสัมพันธ์แบบเสริมซึ่งกันและกัน