AI 智能體界的 npm 來了！Vercel 推出 Skills.sh，欲統(tǒng)一智能體指令集

作者 | Daniel Dominguez

譯者 | 田橙

Vercel 最近發(fā)布了開源項目 Skills.sh，想要給 AI 智能體（Agents）配上一套“標準動作庫”。簡單來說，它讓智能體能通過命令行執(zhí)行各種可復用的操作，也就是所謂的“技能”（Skills）。Vercel 將其定義為一個 開放的智能體技能生態(tài)系統(tǒng)，開發(fā)者可以在這里定義、分享并運行一個個獨立的指令，供智能體在工作流中隨時調(diào)用。這一工具的核心邏輯，是把智能體的“推理”和“執(zhí)行”分開——讓智能體去調(diào)用那些受控、預定義的命令，而不是由它自己去瞎猜、亂寫 shell 邏輯。

在技術(shù)架構(gòu)上，Skills.sh 充當了一個輕量級運行時環(huán)境，允許智能體調(diào)用以 shell 腳本形式 實現(xiàn)的各種技能。每一項技能都遵循簡單的契約協(xié)議，明確定義了其輸入、輸出和執(zhí)行行為。這使得智能體能夠以一種可預測、可審計的方式執(zhí)行各項任務，例如讀取或修改文件、運行構(gòu)建步驟、調(diào)用 API 或查詢項目元數(shù)據(jù)。由于技能具有顯式定義和版本控制的特性，開發(fā)團隊可以更清晰地了解智能體被授權(quán)的操作范圍，并在開發(fā)或生產(chǎn)環(huán)境中對其行為進行審查。

這些技能的設計兼顧了本地開發(fā)與自動化環(huán)境（如 CI 流水線）。開發(fā)者可以在 本地機器安裝 Skills.sh 直接運行技能，同時將相同的技能無縫集成到由智能體驅(qū)動的工作流中。這種一致性旨在減少從實驗階段轉(zhuǎn)向結(jié)構(gòu)化應用場景時的阻力。此外，技能通過簡單的配置文件進行描述，這使得開發(fā)者無需引入額外的框架或沉重的依賴庫，即可輕松地檢查、擴展或自定義功能。

Vercel 將該生態(tài)系統(tǒng)定位為開源及社區(qū)驅(qū)動。開發(fā)者可以發(fā)布自己的技能，并復用他人創(chuàng)建的成果，從而形成一個共享的常用智能體動作庫。根據(jù)公司分享的早期使用數(shù)據(jù)，該項目在發(fā)布后迅速獲得了廣泛關注，安裝量據(jù)報已達數(shù)萬次。

社區(qū)評論更多地聚焦于該方案的實用性而非新穎性。X 平臺上的開發(fā)者指出，許多智能體任務的失敗并非源于推理能力不足，而是由于執(zhí)行環(huán)節(jié)的不可靠，而“技能層”的引入正好填補了這一空白。

軟件開發(fā)者 Thomas Rehmer 評價 道：

確實該這么搞。有了這些‘可發(fā)現(xiàn)’的技能，總算把智能體架構(gòu)里那個‘你能干嘛？’的經(jīng)典難題給破了。

與此同時，AI 工程師 Aakash Harish 發(fā)文 稱：

這就是 AI 智能體界的 npm。它的精髓在于：比起糾結(jié)協(xié)議有多復雜，Skills 更看重好不好組合。如果說 MCP 搞定的是‘智能體怎么跟工具搭火’，那 Skills 搞定的就是‘開發(fā)者怎么分享和找現(xiàn)成的能力’。這倆以后肯定不是誰取代誰，而是強強聯(lián)手：用 Skills 搞定發(fā)現(xiàn)和共享，用 MCP 去啃那些對確定性要求極高的企業(yè)級硬骨頭。

不少開發(fā)者將 Skills.sh 與目前圍繞智能體執(zhí)行興起的其他工具和標準進行了對比。類似的理念也出現(xiàn)在其他協(xié)議驅(qū)動的方案中，例如 Anthropic 推出的 Model Context Protocol (MCP)（側(cè)重于通過結(jié)構(gòu)化的 API 訪問工具和數(shù)據(jù)），以及 OpenAI 的 Function Calling（通過 JSON schema 暴露預定義動作）。此外，包括 LangChain 的 tools 和 CrewAI 的 tasks 在內(nèi)的其他項目也致力于為智能體提供受控的執(zhí)行權(quán)限，不過它們通常依賴于更高層的 Python 抽象，而非基于 shell 的命令。

https://www.infoq.com/news/2026/02/vercel-agent-skills/