Le prompting LLM traditionnel oblige souvent le modèle à charger toutes les instructions potentielles à l'avance, ce qui peut gaspiller la fenêtre de contexte et dégrader les performances, car le modèle a du mal à hiérarchiser les informations pertinentes. Les compétences des agents utilisent la "divulgation progressive", un modèle de conception dans lequel l'agent n'accède qu'aux fonctionnalités spécifiques requises pour la tâche qu'il est en train d'effectuer.

Par exemple, si un agent est chargé d'une tâche de nettoyage des données, il n'a pas besoin de charger des instructions d'audit de sécurité. L'agent commence par une requête de base minimale et ne "divulgue" et charge la compétence "Data Cleaner" spécifique dans son contexte que lorsque l'utilisateur demande une requête de base de données.

Une compétence est essentiellement un répertoire ou un dossier autonome qui inclut les instructions et les ressources nécessaires pour effectuer une tâche spécifique. Elle est rédigée dans un langage simple, de sorte qu'aucune expérience en programmation n'est requise. Elle s'appuie sur un mélange de métadonnées requises et d'éléments groupés facultatifs pour fonctionner, ce qui garantit que l'agent dispose de tout ce dont il a besoin pour effectuer une tâche sans surcharge inutile. 

Il s'agit du composant principal obligatoire d'une compétence, qui contient les instructions que l'agent doit suivre. 

• YAML Frontmatter : placé en haut du fichier, il contient le nom et la description (1 024 caractères maximum). L'agent ne lit que cette partie au démarrage pour voir quelles compétences sont disponibles. Ces métadonnées permettent la divulgation progressive.
• Corps Markdown : contient les instructions de procédure, les conseils détaillés et les exemples que l'agent suit une fois la compétence activée.

Vous pouvez ajouter des sous-répertoires pour rendre les compétences plus efficaces. Un dossier "scripts/" peut contenir du code exécutable (comme Python ou bash), tandis que "references/" ou "assets/" peuvent stocker des modèles, des documents d'API ou des schémas. L'agent peut exécuter ces scripts pour obtenir des résultats déterministes sans que le code lui-même n'occupe de l'espace dans la fenêtre de contexte.

Pour maintenir les performances, les agents doivent trouver un équilibre entre la richesse des fonctionnalités et la réactivité. L'agent utilise une approche par niveaux pour accéder uniquement aux instructions pertinentes pour la tâche en cours, au lieu de charger l'intégralité de la bibliothèque de fonctionnalités en une seule fois. Ce processus permet à l'agent de rester léger et spécialisé tout au long de la session.

1. Découverte : au démarrage, l'agent charge uniquement les métadonnées (environ 100 jetons par compétence) dans l'invite système pour savoir ce qui est disponible.
2. Activation : lorsqu'une tâche correspond à la description d'une compétence, l'agent utilise des commandes bash pour lire l'intégralité des instructions SKILL.md dans son contexte actif.
3. Exécution : l'agent suit le workflow, en lisant de manière sélective les fichiers référencés ou en exécutant les scripts groupés uniquement lorsque la tâche l'exige.

Le passage aux compétences d'agent marque une transition entre la rédaction de textes généraux et l'application de requêtes plus précises et spécifiques. 

• Processus plutôt que prose : les compétences imposent des points de contrôle et des critères de sortie déterministes, plutôt que de s'appuyer sur des essais génériques de bonnes pratiques.
• Efficacité des jetons : les compétences n'utilisent la fenêtre de contexte que lorsqu'elles sont déclenchées, ce qui vous permet d'installer des dizaines de compétences avec une surcharge minimale.
• Interopérabilité multiplate-forme : basées sur une spécification ouverte, ces compétences fonctionnent avec des outils tels qu'Antigravity CLI, Gemini Enterprise Agent Platform, Claude Code, VS Code, Cursor et d'autres outils CLI personnalisés.
• Composabilité : les agents peuvent combiner plusieurs compétences de manière dynamique pour exécuter des workflows complexes en plusieurs étapes.

Les compétences d'agent permettent de transformer l'IA, qui n'est qu'un assistant général, en un collaborateur numérique prêt pour la production.

Les équipes d'ingénierie utilisent les compétences des agents pour appliquer des normes de codage. Par exemple, une compétence peut inclure un guide de style d'entreprise dans son dossier references/ et un script de linting dans scripts/. Lorsqu'un développeur envoie une demande d'extraction, l'agent exécute le script pour vérifier s'il contient des erreurs et laisse des commentaires d'examen basés sur le guide de style, sans qu'il soit nécessaire d'écrire une requête complexe.

Les agents utilisent des compétences d'analyse pour extraire des données structurées de PDF, de feuilles de calcul ou de texte. L'agent ne charge les scripts d'analyse lourds que lorsqu'un document est en cours de traitement, ce qui permet d'économiser une quantité considérable d'espace dans la fenêtre de contexte.

Les analystes de données utilisent leurs compétences pour interagir avec les bases de données de manière sécurisée. Un agent charge une compétence "Analyste de données" contenant le schéma de la base de données. Cela fournit le contexte nécessaire pour écrire des requêtes SQL précises, qu'il exécute à l'aide d'un script de connecteur de données fourni.

Les équipes DevOps peuvent créer une compétence qui regroupe les règles de sécurité de l'Infrastructure as Code (IaC). Avant de provisionner un environnement cloud, l'agent utilise la compétence pour exécuter des scripts de validation sur les fichiers de configuration. Il s'assure ainsi qu'aucun port ouvert ni aucun bucket non chiffré n'est déployé.

Les travailleurs du savoir en entreprise peuvent créer des compétences pour s'assurer que tous les contenus destinés aux utilisateurs respectent les consignes de la voix de la marque.

Comme les compétences d'agent peuvent être associées à des privilèges exécutables, elles peuvent étendre votre surface d'attaque. Vous devez les traiter avec la même rigueur en matière de sécurité que n'importe quelle autre dépendance logicielle.

Les plates-formes d'entreprise peuvent aider à atténuer ce risque en analysant les compétences pour détecter les failles, comme les instructions cachées ou l'autonomie excessive, avant le déploiement. La signature cryptographique permet aux développeurs d'associer une signature numérique au répertoire de compétences, ce qui prouve son authenticité et garantit qu'il n'a pas été falsifié.

Les compétences des agents s'intègrent de façon native à l'écosystème d'IA de Google Cloud. Gemini Enterprise Agent Platform vous permet de gérer des agents autonomes avec un seul appel d'API. Vous pouvez ainsi importer des compétences personnalisées ou utiliser des compétences prédéfinies pour les workflows d'entreprise complexes.

Ces agents sont alimentés par le harnais Antigravity, qui fournit un environnement sécurisé et isolé pour le raisonnement, la planification et l'exécution. Ces compétences fonctionnent avec le Model Context Protocol (MCP) pour connecter de manière sécurisée les agents à des sources de données externes actives, ce qui garantit que votre configuration est à la fois sécurisée et auditable.

Agent Development Kit (ADK) est le framework principal pour utiliser la norme Open Agent Skills avec l'infrastructure d'entreprise. Vous pouvez utiliser l'ADK pour déployer des compétences sur des agents optimisés par Gemini, ce qui leur permet d'exécuter des scripts Python ou Bash groupés dans des environnements de calcul isolés et en bac à sable.

Le SDK permet aux skills de s'authentifier auprès de services tels que BigQuery et Cloud Storage, tout en veillant à ce que chaque activation de skill et chaque exécution de script soient enregistrées dans Cloud Logging et Cloud Monitoring pour une auditabilité complète.

Pour un point de départ, consultez le dépôt officiel de Google Agent Skills. Il fournit des packs de compétences "agent-first" pour des produits tels que BigQuery, Cloud Run et GKE. Vous pouvez installer ces fonctionnalités validées à l'aide de commandes standards telles que npx skills add google/skills.