Agent Skills w Claude API są już w fazie GA

Agent Skills i endpoint /v1/skills są już GA (General availability) ogólnie dostępne w Claude API. Od 19 sierpnia 2026 r. aplikacje nie muszą wysyłać nagłówka beta skills-2025-10-02, a aktualny kod SDK korzysta ze zwykłego client.messages.create. To niewielka zmiana w żądaniu, ale ważny sygnał dla zespołów, które chcą traktować procedury agenta jak wersjonowany element produkcji.

GA nie oznacza nowego modelu ani automatycznej poprawy jakości Claude. Anthropic ustabilizował interfejs służący do dostarczania agentowi katalogów z instrukcjami, skryptami i zasobami. Code execution nadal jest wymagany, a wraz z nim pozostają koszty kontenera, zasady retencji danych i odpowiedzialność za kod umieszczony w Skill.

• nagłówek skills-2025-10-02 nie jest już wymagany, lecz starsze integracje nadal działają;
• Skills ładuje się przez container.skills w Messages API;
• w jednym żądaniu można wskazać do 20 Skills;
• produkcja powinna przypinać konkretną wersję, a nie polegać na latest;
• custom Skills są wspólne dla całego workspace’u i nie są objęte Zero Data Retention.

Co dokładnie zmieniło przejście z beta do GA

Notatki wydawnicze Claude Platform mówią o dwóch elementach: ogólnej dostępności Agent Skills oraz Skills API pod /v1/skills. Zniknął wymóg osobnego nagłówka beta zarówno dla operacji zarządzania Skills, jak i żądań Messages API, które ładują je do kontenera.

Migracja może więc ograniczyć się do usunięcia nagłówka oraz przejścia z beta namespace w SDK. Nie trzeba wykonywać jej awaryjnie: Anthropic deklaruje, że żądania nadal wysyłające stary nagłówek działają bez zmian. Rozsądniej potraktować tę okazję jako przegląd całego łańcucha — wersji Skill, uprawnień workspace’u, testów, kosztów i retencji.

Skill to nie prompt, narzędzie ani MCP

Najprostsza definicja Skill to katalog, którego punktem wejścia jest plik SKILL.md. Zawiera on metadane i instrukcje, a obok mogą znaleźć się skrypty, szablony oraz materiały referencyjne. Dzięki temu wiedza proceduralna nie musi być kopiowana do każdego promptu.

Skill może uczyć agenta, jak korzystać z narzędzia, ale sam nie zastępuje połączenia z usługą. To różnica podobna do relacji między instrukcją pracy a kluczem do systemu. Wcześniej opisywaliśmy zarówno Model Context Protocol Anthropic, jak i podejście do agentów AI w firmie. Skills uzupełniają oba elementy: pozwalają zapisać procedurę korzystania z dostępnych danych i funkcji.

Jak Claude ładuje umiejętność

Architektura wykorzystuje progressive disclosure, czyli stopniowe ujawnianie kontekstu. Na początku model widzi tylko nazwę i opis każdej dostępnej umiejętności. Pełny SKILL.md jest ładowany dopiero wtedy, gdy Claude uzna go za przydatny, a kolejne pliki referencyjne mogą być otwierane jeszcze później.

Anthropic wyjaśnia ten mechanizm na przykładzie Skill do obsługi PDF. Zamiast wkładać całą dokumentację do system promptu, agent najpierw rozpoznaje właściwą umiejętność, potem czyta jej instrukcję, a następnie sięga tylko po pliki potrzebne do danego zadania. Skrypty mogą zostać wykonane bez wczytywania całego kodu i przetwarzanego dokumentu do kontekstu modelu.

W Claude API zarówno gotowe Skills Anthropic, jak i własne pakiety mają ten sam kształt integracji. Różnią się typem oraz identyfikatorem. Wbudowane pakiety do PowerPointa, Excela, Worda i PDF używają krótkich identyfikatorów pptx, xlsx, docx i pdf. Custom Skill otrzymuje identyfikator generowany przez API i jest prywatny dla workspace’u.

Minimalne wywołanie po migracji

Aktualny wzorzec w Pythonie nie zawiera nagłówka Skills beta. Nadal trzeba jawnie dołączyć code execution, bo właśnie w jego kontenerze znajdują się i działają pliki umiejętności:

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=4096,
    container={
        "skills": [{
            "type": "custom",
            "skill_id": "skill_...",
            "version": "skver_..."
        }]
    },
    messages=[{
        "role": "user",
        "content": "Przygotuj raport według naszej procedury."
    }],
    tools=[{
        "type": "code_execution_20250825",
        "name": "code_execution"
    }]
)

W przykładzie wersja jest przypięta. Jeżeli pole version zostanie pominięte albo otrzyma wartość latest, żądanie uruchomi najnowszą wersję dostępną w workspace. To wygodne podczas developmentu, ale ryzykowne w produkcji: aktualizacja dokonana przez inną osobę może natychmiast zmienić zachowanie wszystkich agentów korzystających z tego samego Skill.

Jak zbudować custom Skill

Pakiet musi zawierać SKILL.md w katalogu głównym albo na najwyższym poziomie pojedynczego katalogu opakowującego. Frontmatter YAML wymaga co najmniej pól name i description. Nazwa może mieć do 64 znaków i składać się z małych liter, cyfr oraz łączników; opis może mieć do 1024 znaków. Łączny rozmiar plików po rozpakowaniu musi być mniejszy niż 30 MB.

Pakiet można przesłać jako archiwum ZIP lub zestaw plików. Nowa wersja nie jest łatką: to pełny snapshot, więc przy każdej aktualizacji trzeba ponownie wysłać cały zestaw. W praktyce źródłem prawdy powinien być katalog w repozytorium, a Skills API — kanałem dystrybucji sprawdzonego artefaktu.

Taki model przypomina zamianę udanego procesu w powtarzalny składnik. Podobną ideę, choć w ekosystemie OpenAI, pokazuje Codex Record & Replay: raz przeprowadzony workflow może stać się instrukcją dla kolejnych wykonań. Różnica polega na sposobie rejestracji, formacie pakietu i środowisku uruchomieniowym.

Wersjonowanie jest ważniejsze niż samo usunięcie nagłówka

Dokumentacja Agent Skills zaleca konkretną strategię: latest w development i testach, a identyfikator wersji w produkcji. Każdą zmianę instrukcji, skryptu lub zasobu warto traktować jak wdrożenie kodu.

1. Przechowuj katalog Skill w Git i wymagaj code review.
2. Buduj pełny pakiet w powtarzalny sposób.
3. Utwórz nową wersję przez Skills API.
4. Uruchom zestaw testów na reprezentatywnych zadaniach.
5. Przypnij zaakceptowany identyfikator skver_... w konfiguracji produkcyjnej.
6. Zachowaj poprzedni identyfikator, aby móc szybko wycofać zmianę.

Stała lista Skills ma też znaczenie dla prompt cache. Anthropic układa ich metadane w system prompt w stałej kolejności, dzięki czemu identyczna lista może tworzyć ten sam prefiks. Dodanie Skill, zmiana kolejności albo opublikowanie nowej wersji używanej jako latest może spowodować cache miss.

Koszt: Skills nie mają osobnego cennika, kontener ma

Samo wskazanie Skill nie jest opisane jako osobna pozycja cennika. Żądanie nadal zużywa płatne tokeny wybranego modelu, a wykonanie odbywa się w kontenerze code execution. Według cennika Anthropic obowiązującego 21 sierpnia 2026 r. każde uruchomienie kontenera bez web search lub web fetch ma minimum pięć minut. Organizacja otrzymuje 1550 bezpłatnych godzin miesięcznie, a dalsze użycie kosztuje 0,05 USD za godzinę na kontener.

Jeżeli żądanie zawiera aktualne narzędzie web search lub web fetch, code execution nie ma dodatkowej opłaty poza tokenami i kosztami pozostałych narzędzi. Trzeba jednak uważać na pliki: ich wstępne załadowanie do kontenera może uruchomić naliczanie czasu nawet wtedy, gdy model ostatecznie nie wywoła code execution.

Do kosztu dochodzi wpływ na kontekst. Metadane wszystkich dostępnych Skills są widoczne na starcie, a pełne instrukcje pojawiają się po aktywacji. Warto więc dołączać tylko pakiety potrzebne danemu agentowi, mierzyć liczbę tokenów oraz czas kontenera na rzeczywistych zadaniach, zamiast zakładać, że wielokrotne użycie procedury zawsze oznacza oszczędność.

Najważniejsze ograniczenia bezpieczeństwa

GA stabilizuje interfejs, ale nie usuwa ryzyka. Skill może zawierać kod. Anthropic wprost ostrzega, że złośliwy pakiet może wprowadzić podatności albo kierować agenta do niepożądanych działań. Każdy zewnętrzny Skill powinien przejść audyt instrukcji, skryptów, zależności i dołączonych zasobów.

W Claude API custom Skills są dostępne w całym workspace. Każdy klucz API należący do tego workspace’u może je odczytywać i wywoływać, a dokumentacja zaleca osobny workspace dla każdego klienta platformy wielotenantowej. To granica izolacji, której nie należy zastępować konwencją nazewniczą.

Środowisko wykonawcze nie ma dostępu do internetu i nie pozwala instalować pakietów w czasie działania. To ogranicza część ataków i poprawia powtarzalność, lecz równocześnie wymusza korzystanie z bibliotek już dostępnych w kontenerze. Co równie ważne, Agent Skills nie są objęte ZDR: definicje umiejętności i dane wykonania podlegają standardowej polityce retencji Anthropic.

Checklista migracji z beta do GA

• usuń skills-2025-10-02 dopiero po teście z aktualnym SDK;
• zamień beta namespace na aktualne wywołanie Messages API;
• potwierdź zgodność wybranego modelu z code execution;
• sprawdź, czy produkcja przypina wersję zamiast latest;
• przetestuj cache po zmianie listy Skills;
• zweryfikuj limity 20 Skills i 30 MB na pakiet;
• przejrzyj role i klucze we wszystkich workspace’ach;
• uwzględnij brak ZDR i koszt kontenera w ocenie ryzyka;
• przygotuj testy regresji oraz procedurę rollbacku.

Warto potraktować migrację podobnie jak wcześniejsze porządki w narzędziach deweloperskich Anthropic. Przy wyłączeniu starego Claude Workbench najważniejsze nie było samo przeniesienie promptu, lecz zachowanie powtarzalności i kontroli nad konfiguracją. W przypadku Skills dochodzą jeszcze wykonywalny kod, wersje i zasoby.

Co GA realnie zmienia

Największa zmiana nie polega na skróceniu żądania o jeden nagłówek. Agent Skills stają się stabilnym elementem Claude API, który można włączyć do normalnego cyklu tworzenia oprogramowania: repozytorium, code review, testy, wersjonowanie, wdrożenie i rollback.

Nie ma jednak podstaw, by z samego statusu GA wyciągać wniosek o lepszej jakości odpowiedzi. Anthropic nie opublikował niezależnego benchmarku Skills po tej zmianie. Zespół wdrażający powinien więc mierzyć własne kryteria: odsetek poprawnie uruchomionych procedur, stabilność po aktualizacji, liczbę tokenów, czas kontenera, błędy skryptów oraz przypadki niepożądanego aktywowania Skill.

Dla firm, które dotąd utrzymywały wiedzę agenta w długich promptach, GA jest dobrym momentem na rozdzielenie trzech warstw: bieżącego polecenia, dostępu do narzędzi i wersjonowanej procedury. Właśnie ta separacja — bardziej niż etykieta „umiejętność” — może poprawić kontrolę nad produkcyjnym agentem.