--- title: "Habilidades de agentes de IA: o que são e como criá-las" description: "Descubra o que são habilidades de agentes de IA, entenda a divulgação progressiva e aprenda a criar instruções reutilizáveis para fluxos de trabalho eficientes." canonical_url: "https://techvoyage.dev/pt/article/ai-agent-skills-what-they-are-how-to-create-them" last_updated: "2026-10-20T09:53:43.068Z" --- ## 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`](https://github.com/mattpocock/skills/blob/733d312884b3878a9a9cff693c5886943753a741/skills/productivity/grill-me/SKILL.md) como exemplo: ```yaml --- 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`](https://github.com/mattpocock/skills/blob/733d312884b3878a9a9cff693c5886943753a741/skills/productivity/grill-me/SKILL.md) é utilizada na prática. ![Diagrama de sequência ilustrando o mecanismo de divulgação progressiva para a execução de habilidades de agentes de IA](https://inimages.techvoyage.dev/articles/AI%20Agent%20Skills%20What%20They%20Are%20%26%20How%20to%20Create%20Them/ai-agent-skill-progressive-disclosure-sequence-diagram.webp) ### 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`](https://github.com/coleam00/excalidraw-diagram-skill) para ilustrar como funciona uma habilidade vinculada a um documento de referência: ![Diagrama de sequência mostrando um agente de IA executando uma habilidade carregada com arquivos de referência e modelos externos](https://inimages.techvoyage.dev/articles/AI%20Agent%20Skills%20What%20They%20Are%20%26%20How%20to%20Create%20Them/ai-agent-skill-with-reference-files-sequence-diagram.webp) ### 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](/article/setup-netsuite-mcp-on-chatgpt-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](/article/centralised-the-skills-for-agents) 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.