Perintah LLM tradisional sering kali memaksa model untuk memuat semua potensi petunjuk di awal, yang dapat menghabiskan jendela konteks dan menurunkan performa, karena model kesulitan memprioritaskan informasi yang relevan. Keahlian agen menggunakan "pengungkapan progresif", yaitu pola desain yang memungkinkan agen hanya mengakses kemampuan spesifik yang diperlukan untuk tugas yang sedang dijalankannya.

Misalnya, jika agen ditugaskan untuk pekerjaan pembersihan data, agen tidak perlu memuat petunjuk audit keamanan. Agen memulai dengan perintah dasar minimal dan hanya "mengungkapkan" serta memuat keahlian "Pembersihan Data" tertentu ke dalam konteksnya saat pengguna meminta kueri database.

Keahlian pada dasarnya adalah direktori atau folder mandiri yang berisi petunjuk dan aset yang diperlukan untuk melakukan tugas tertentu, yang ditulis dalam bahasa sederhana sehingga tidak diperlukan pengalaman coding. Agen ini mengandalkan kombinasi metadata yang diperlukan dan aset gabungan opsional agar dapat berfungsi, sehingga memastikan agen memiliki semua yang dibutuhkan untuk menjalankan tugas tanpa overhead yang tidak perlu. 

Ini adalah komponen inti wajib dari sebuah keahlian, dan berisi petunjuk yang diikuti agen. 

• YAML Frontmatter: Berada di bagian atas file, bagian ini berisi nama dan deskripsi (maksimal 1024 karakter). Agen hanya membaca bagian ini saat startup untuk melihat keahlian mana yang tersedia. Metadata ini mendukung pengungkapan progresif.
• Markdown Body: Berisi petunjuk prosedural yang sebenarnya, panduan langkah demi langkah, dan contoh yang diikuti agen setelah keahlian diaktifkan.

Anda dapat menambahkan subdirektori agar keahlian menjadi semakin efektif. Folder scripts/ bisa menyimpan kode yang dapat dieksekusi (seperti Python atau bash), sedangkan references/ atau assets/ dapat menyimpan template, dokumen API, atau skema. Agen dapat menjalankan skrip ini untuk mendapatkan output deterministik tanpa membuat kode itu sendiri menghabiskan ruang di jendela konteks.

Untuk mempertahankan performa, agen harus menyeimbangkan antara kelengkapan fitur dan tetap responsif. Agen menggunakan pendekatan bertingkat untuk mengakses hanya petunjuk yang relevan untuk tugas yang sedang dikerjakan, bukan memuat seluruh library kemampuan sekaligus. Proses ini memastikan agen tetap ringan dan khusus selama sesi berlangsung.

1. Penemuan: Saat startup, agen hanya memuat metadata (~100 token per keahlian) ke dalam perintah sistem untuk mengetahui apa yang tersedia.
2. Aktivasi: Saat tugas cocok dengan deskripsi keahlian, agen menggunakan perintah bash untuk membaca petunjuk SKILL.md lengkap ke dalam konteks aktifnya.
3. Eksekusi: Agen mengikuti alur kerja, membaca file yang direferensikan secara selektif atau menjalankan skrip yang digabungkan hanya jika diperlukan oleh tugas.

Peralihan ke keahlian agen adalah perubahan dari menulis prosa yang luas menjadi menerapkan perintah yang lebih terperinci dan spesifik. 

• Proses lebih penting daripada prosa: Keahlian memberlakukan checkpoint deterministik dan kriteria keluar, bukan mengandalkan esai praktik terbaik generik.
• Efisiensi token: Keahlian hanya menggunakan jendela konteks saat dipicu, sehingga Anda dapat menginstal berbagai keahlian dengan overhead minimal.
• Interoperabilitas lintas platform: Berdasarkan spesifikasi terbuka, keahlian ini berfungsi di berbagai alat seperti Antigravity CLI, Gemini Enterprise Agent Platform, Claude Code, VS Code, Cursor, dan alat CLI kustom lainnya.
• Composable: Agen dapat menggabungkan beberapa keahlian secara dinamis untuk menyelesaikan alur kerja multi-langkah yang kompleks.

Keahlian agen membantu mengubah AI dari asisten umum menjadi worker digital yang siap produksi.

Tim engineering menggunakan keahlian agen untuk menerapkan standar coding. Misalnya, keahlian dapat menyertakan panduan gaya perusahaan di folder references/ dan skrip lint di scripts/. Saat developer mengirimkan PR, agen menjalankan skrip untuk memeriksa error dan memberikan komentar ulasan berdasarkan panduan gaya, tanpa perlu menulis perintah yang rumit.

Agen menggunakan keahlian penguraian untuk mengekstrak data terstruktur dari PDF, spreadsheet, atau teks. Agen memuat skrip penguraian yang berat hanya saat dokumen sedang diproses secara aktif, sehingga menghemat banyak ruang jendela konteks.

Analis data menggunakan keahlian untuk berinteraksi dengan database secara aman. Agen memuat keahlian "Analis Data" yang berisi skema database. Hal ini memberikan konteks yang diperlukan untuk menulis kueri SQL yang akurat, yang dijalankan menggunakan skrip konektor data yang dipaketkan.

Tim DevOps dapat membuat keahlian yang menggabungkan kebijakan keamanan infrastructure-as-code (IaC). Sebelum lingkungan cloud disediakan, agen menggunakan keahlian untuk menjalankan skrip validasi terhadap file konfigurasi, sehingga memastikan tidak ada port terbuka atau bucket yang tidak dienkripsi yang di-deploy.

Pekerja intelektual perusahaan dapat membuat keahlian untuk memastikan semua teks yang ditampilkan kepada pengguna selaras dengan panduan gaya bahasa brand.

Karena keahlian agen dapat dikemas dengan hak istimewa yang dapat dieksekusi, keahlian tersebut dapat memperluas permukaan serangan Anda. Anda harus memperlakukannya dengan ketelitian keamanan yang sama seperti dependensi software lainnya.

Platform perusahaan dapat membantu memitigasi risiko ini dengan memindai keahlian untuk menemukan kerentanan, seperti petunjuk tersembunyi atau agensi yang berlebihan, sebelum deployment. Penandatanganan kriptografis memungkinkan developer melampirkan tanda tangan digital ke direktori keterampilan, membuktikan keaslian, dan memastikan bahwa direktori tersebut tidak berubah.

Keahlian agen terintegrasi secara native ke dalam ekosistem Google Cloud AI. Gemini Enterprise Agent Platform memungkinkan Anda mengelola agen otonom dengan satu panggilan API, sehingga Anda dapat mengupload keahlian kustom atau menggunakan keahlian bawaan untuk alur kerja perusahaan yang kompleks.

Agen ini didukung oleh harness Antigravity, yang menyediakan lingkungan sandbox yang aman untuk penalaran, perencanaan, dan eksekusi. Keahlian ini berfungsi dengan Model Context Protocol (MCP) untuk menghubungkan agen secara aman ke sumber data eksternal langsung, sehingga memastikan penyiapan Anda aman dan dapat diaudit.

Agent Development Kit (ADK) adalah framework utama untuk menggunakan standar keahlian agen terbuka dengan infrastruktur perusahaan. Anda dapat menggunakan ADK untuk men-deploy skill ke agen yang didukung Gemini, sehingga agen tersebut dapat menjalankan skrip Python atau bash yang dipaketkan dalam lingkungan komputasi yang terisolasi dan di-sandbox.

ADK memungkinkan keahlian untuk mengautentikasi dengan layanan seperti BigQuery dan Cloud Storage, sekaligus memastikan setiap aktivasi keahlian dan eksekusi skrip dicatat di Cloud Logging dan Cloud Monitoring untuk auditabilitas penuh.

Sebagai titik awal, kunjungi repositori Keahlian Agen Google resmi. Ekstensi ini menyediakan paket keahlian yang "mengutamakan agen" untuk produk seperti BigQuery, Cloud Run, dan GKE. Anda dapat menginstal kemampuan terverifikasi ini menggunakan perintah standar seperti npx skills add google/skills.