O método tradicional de comandos de LLM geralmente força o modelo a carregar todas as instruções possíveis de antemão, o que pode desperdiçar a janela de contexto e prejudicar o desempenho, já que o modelo tem dificuldade para priorizar as informações relevantes. As habilidades do agente usam a "divulgação progressiva", que é um padrão de design em que o agente só acessa os recursos específicos necessários para a tarefa que está realizando no momento.

Por exemplo, se um agente tiver a tarefa de limpeza de dados, ele não vai precisar carregar instruções de auditoria de segurança. O agente começa com um comando básico mínimo e só "revela" e carrega a habilidade específica de "Limpeza de dados" no contexto quando o usuário pede uma consulta ao banco de dados.

Uma habilidade é basicamente um diretório ou pasta independente que inclui as instruções e os recursos necessários para realizar uma tarefa específica, escritos em linguagem simples para que não seja necessária experiência em programação. Ela depende de uma combinação de metadados obrigatórios e recursos opcionais para funcionar, garantindo que o agente tenha tudo o que precisa para realizar uma tarefa sem sobrecarga desnecessária. 

Esse é o componente principal obrigatório de uma habilidade e contém as instruções que o agente segue. 

• YAML Frontmatter: localizado no topo do arquivo, contém o nome e a descrição (máximo de 1.024 caracteres). O agente lê apenas essa parte no momento da inicialização para ver quais habilidades estão disponíveis. Esses metadados permitem a divulgação progressiva.
• Corpo em Markdown: contém as instruções de procedimento, orientações detalhadas e exemplos que o agente segue quando a habilidade é ativada.

É possível adicionar subdiretórios para tornar as habilidades mais poderosas. Uma pasta "scripts/" pode conter código executável (como Python ou bash), enquanto "references/" ou "assets/" podem armazenar modelos, documentos de API ou esquemas. O agente pode executar esses scripts para gerar resultados determinísticos sem que o código em si ocupe espaço na janela de contexto.

Para manter o desempenho, os agentes precisam equilibrar a quantidade de recursos com a capacidade de resposta. O agente usa uma abordagem em camadas para acessar apenas as instruções relevantes para a tarefa em questão, em vez de carregar toda a biblioteca de recursos de uma só vez. Esse processo garante que o agente permaneça leve e especializado durante toda a sessão.

1. Descoberta: na inicialização, o agente carrega apenas os metadados (~100 tokens por habilidade) no comando do sistema para saber o que está disponível
2. Ativação: quando uma tarefa corresponde à descrição de uma habilidade, o agente usa comandos bash para ler as instruções completas do SKILL.md no contexto ativo
3. Execução: o agente segue o fluxo de trabalho, lendo seletivamente os arquivos de referência ou executando scripts agrupados apenas conforme a tarefa exige

A mudança para as habilidades do agente é uma mudança da escrita de prosa ampla para a aplicação de comandos mais granulares e específicos. 

• Processo em vez de prosa: as habilidades impõem pontos de verificação determinísticos e critérios de saída, em vez de depender de ensaios genéricos de práticas recomendadas
• Eficiência de tokens: as habilidades só consomem a janela de contexto quando são acionadas, o que permite instalar dezenas de habilidades com o mínimo de sobrecarga
• Interoperabilidade multiplataforma: com base em uma especificação aberta, essas habilidades funcionam em ferramentas como a CLI do Antigravity, a plataforma Gemini, o Claude Code, o VS Code, o Cursor e outras ferramentas de CLI personalizadas
• Composição: os agentes podem combinar várias habilidades de forma dinâmica para concluir fluxos de trabalho complexos e com várias etapas

As habilidades do agente ajudam a transformar a IA de um assistente geral em um funcionário digital pronto para produção.

As equipes de engenharia usam as habilidades do agente para aplicar padrões de programação. Por exemplo, uma habilidade pode incluir um guia de estilo da empresa na pasta references/ e um script de linting em scripts/. Quando um desenvolvedor envia um PR, o agente executa o script para verificar se há erros e deixa comentários de revisão com base no guia de estilo, sem precisar que alguém escreva um comando complexo.

Os agentes usam habilidades de análise para extrair dados estruturados de PDFs, planilhas ou textos. O agente carrega os scripts de análise pesada apenas quando um documento está sendo processado ativamente, economizando grandes quantidades de espaço na janela de contexto.

Os analistas de dados usam habilidades para interagir com bancos de dados de forma segura. Um agente carrega uma habilidade de "Analista de dados" que contém o esquema do banco de dados. Isso fornece o contexto necessário para escrever consultas SQL precisas, que são executadas usando um script de conector de dados integrado.

As equipes de DevOps podem criar uma habilidade que agrupa políticas de segurança de infraestrutura como código (IaC, na sigla em inglês). Antes do provisionamento de um ambiente de nuvem, o agente usa a habilidade para executar scripts de validação em arquivos de configuração, garantindo que nenhuma porta aberta ou bucket não criptografado seja implantado.

Os profissionais de conhecimento da empresa podem criar habilidades para garantir que todo o texto voltado para o usuário esteja alinhado às diretrizes de voz da marca.

Como as habilidades do agente podem ser empacotadas com privilégios executáveis, elas podem expandir sua superfície de ataque. É preciso tratá-los com o mesmo rigor de segurança que qualquer outra dependência de software.

As plataformas empresariais podem ajudar a reduzir esse risco ao verificar as habilidades em busca de vulnerabilidades, como instruções ocultas ou agência excessiva, antes da implantação. A assinatura criptográfica permite que os desenvolvedores anexem uma assinatura digital ao diretório de habilidades, comprovando a autenticidade e garantindo que ele não foi adulterado.

As habilidades dos agentes se integram de forma nativa ao ecossistema de IA do Google Cloud. A plataforma Gemini permite gerenciar agentes autônomos com uma única chamada de API, permitindo que você faça upload de habilidades personalizadas ou use habilidades pré-criadas para fluxos de trabalho empresariais complexos.

Esses agentes usam o harness Antigravity na plataforma Gemini, que oferece um ambiente seguro e em sandbox para raciocínio, planejamento e execução. Essas habilidades funcionam com o Protocolo de Contexto de Modelo (MCP) para conectar agentes com segurança a fontes de dados externas em tempo real, garantindo que sua configuração seja segura e auditável.

O Kit de Desenvolvimento de Agente (ADK) é o principal framework para usar o padrão de habilidades de agente aberto com infraestrutura empresarial. Você pode usar o ADK para implantar habilidades em agentes com tecnologia Gemini, permitindo que eles executem scripts Python ou bash agrupados em ambientes de computação isolados e em sandbox.

O ADK permite que as habilidades sejam autenticadas com serviços como o BigQuery e o Cloud Storage, garantindo que cada ativação de habilidade e execução de script seja capturada no Cloud Logging e no Cloud Monitoring para auditoria completa.

Para começar, acesse o repositório oficial de habilidades do agente do Google. Ele oferece pacotes de habilidades "priorizando o agente" para produtos como BigQuery, Cloud Run e GKE. É possível instalar esses recursos verificados usando comandos padrão como npx skills add google/skills.