Habilidades de agentes de IA: o que são e como criá-las

O que é uma habilidade de agente de IA?

Uma habilidade de agente (agent skill) é um conjunto reutilizável de instruções — um procedimento padronizado que ensina a um agente como realizar uma tarefa específica com maestria. Consiste em um único arquivo Markdown chamado SKILL.md e pode agrupar outros arquivos necessários para a tarefa, como documentos de referência, modelos ou scripts executáveis.

Veja a habilidade grill-me como exemplo:

---
name: grill-me
description: Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
---

Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer.

Ask the questions one at a time.

If a question can be answered by exploring the codebase, explore the codebase instead.

Um arquivo SKILL.md contains um pequeno bloco de metadados e um corpo de instruções. Os metadados consistem no nome e na descrição da habilidade, carregados pelo agente de IA durante a inicialização.

Como funcionam as habilidades de agentes de IA: divulgação progressiva

Inicialmente, apenas o nome e a descrição são carregados no contexto. Quando a solicitação do usuário corresponde à descrição de uma habilidade, o corpo de instruções correspondente é inserido no mesmo contexto.

Vejamos como a habilidade grill-me é utilizada na prática.

Passo a passo

1. Solicitação (Request) — O usuário pede algo ao agente ("sabatine-me sobre o design do meu fluxo de trabalho").
2. Prompt de seleção — A solicitação do usuário, juntamente com as descrições de todas as habilidades disponíveis, é enviada ao LLM.
3. Seleção do LLM — O LLM compara a solicitação com cada descrição e retorna a(s) habilidade(s) correspondente(s).
4. Confirmação — O agente exibe a habilidade proposta ao usuário, que confirma (ou rejeita/ajusta) a escolha.
5. Instruções carregadas — O agente busca as instruções completas para a habilidade confirmada: o corpo do arquivo SKILL.md.
6. Prompt de execução — A solicitação do usuário somada às instruções da habilidade selecionada é enviada ao LLM.
7. Resposta — O LLM gera a saída, que é a primeira pergunta da sabatina.

Agora vamos usar o excalidraw-diagram-skill para ilustrar como funciona uma habilidade vinculada a um documento de referência:

Passo a passo

1. Solicitação (Request) — O usuário pede algo ao agente ("desenhe o fluxo de trabalho do processo de deploy").
2. Prompt de seleção — A solicitação do usuário, além das descrições de todas as habilidades disponíveis, é enviada ao LLM.
3. Seleção do LLM — O LLM compara a solicitação com as descrições e retorna o que for compatível. Aqui, "desenhe o fluxo de trabalho" corresponde à descrição do excalidraw-diagram, sendo selecionado.
4. Confirmação — O agente apresenta a habilidade proposta ao usuário, que confirma (ou rejeita/ajusta) a escolha.
5. Instruções carregadas — O agente busca as instruções completas da habilidade: o corpo do SKILL.md e quaisquer arquivos referenciados (para o excalidraw-diagram, isso inclui a paleta de cores, o esquema JSON e os modelos de elementos).
6. Prompt de execução — A solicitação do usuário somada às instruções da habilidade selecionada vai para o LLM. O modelo agora tem a metodologia detalhada em mãos.
7. Resposta — O LLM gera a saída (um arquivo JSON .excalidraw), que o agente entrega de volta ao usuário.

Habilidades de agentes de IA vs. Ferramentas e MCP

Habilidades não substituem prompts, ferramentas ou integrações MCP. Ferramentas e protocolos MCP ampliam o alcance do agente a sistemas externos — consultando um banco de dados, chamando uma API e assim por diante. Já as habilidades aprofundam o conhecimento prático (know-how) do agente para a execução de uma tarefa específica.

Um MCP como o Configuração do NetSuite MCP no ChatGPT e Claude permite que o agente responda a perguntas acessando dados financeiros e operacionais em tempo real no NetSuite. Em seguida, uma habilidade de relatórios operacionais do NetSuite orienta o agente sobre como estruturar esse relatório e apresentar as respostas estruturadas ao usuário.

Alguns cenários ideais para o uso de habilidades incluem:

• Fluxos de trabalho de várias etapas
• Processamento de documentos, como extração de dados de PDFs
• Padronização de geração de código

Como criar habilidades de agentes de IA

1. Crie uma pasta com o nome da habilidade (ex: netsuite-operation-report/).
2. Escreva o arquivo SKILL.md contendo um name, uma description precisa e um corpo de instruções conciso (com menos de 200 palavras).
3. Adicione os recursos que a tarefa exige — documentos de referência, templates, scripts. Mantenha o arquivo SKILL.md enxuto e aponte os links para os detalhes.
4. Instale a habilidade em um diretório onde os agentes possam descobri-la. Consulte Centralização de habilidades para agentes para entender como gerenciar habilidades em múltiplos agentes.

Algumas dicas para escrever excelentes habilidades:

• Redija a descrição pensando no acionamento (trigger) do sistema, não na leitura humana.
• Mantenha o SKILL.md curto (menos de 200 palavras). Coloque o caso geral no corpo do texto e delegue as exceções para documentos de referência.
• Use scripts para tarefas determinísticas. Não peça para o LLM fazer contas e aritmética simples.
• Controle as versões. Adicione-o ao Git.

Conclusão

Diferente das ferramentas e do MCP, que especificam ao que se conectar, as habilidades de agentes empacotam como realizar o trabalho. Elas são complementos fundamentais, não substitutos.

Ao tirar proveito da divulgação progressiva, as habilidades mantêm a janela de contexto do seu agente limpa e eficiente — carregando instruções detalhadas, documentos de referência e scripts executáveis apenas quando a intenção da solicitação do usuário os ativa de fato.