Vercel 最近发布了开源项目 Skills.sh，想要给 AI 智能体（Agents）配上一套“标准动作库”。简单来说，它让智能体能通过命令行执行各种可复用的操作，也就是所谓的“技能”（Skills）。Vercel 将其定义为一个开放的智能体技能生态系统，开发者可以在这里定义、分享并运行一个个独立的指令，供智能体在工作流中随时调用。这一工具的核心逻辑，是把智能体的“推理”和“执行”分开——让智能体去调用那些受控、预定义的命令，而不是由它自己去瞎猜、乱写 shell 逻辑。
在技术架构上，Skills.sh 充当了一个轻量级运行时环境，允许智能体调用以 shell 脚本形式实现的各种技能。每一项技能都遵循简单的契约协议，明确定义了其输入、输出和执行行为。这使得智能体能够以一种可预测、可审计的方式执行各项任务，例如读取或修改文件、运行构建步骤、调用 API 或查询项目元数据。由于技能具有显式定义和版本控制的特性，开发团队可以更清晰地了解智能体被授权的操作范围，并在开发或生产环境中对其行为进行审查。
这些技能的设计兼顾了本地开发与自动化环境（如 CI 流水线）。开发者可以在本地机器安装 Skills.sh 直接运行技能，同时将相同的技能无缝集成到由智能体驱动的工作流中。这种一致性旨在减少从实验阶段转向结构化应用场景时的阻力。此外，技能通过简单的配置文件进行描述，这使得开发者无需引入额外的框架或沉重的依赖库，即可轻松地检查、扩展或自定义功能。
Vercel 将该生态系统定位为开源及社区驱动。开发者可以发布自己的技能，并复用他人创建的成果，从而形成一个共享的常用智能体动作库。根据公司分享的早期使用数据，该项目在发布后迅速获得了广泛关注，安装量据报已达数万次。
社区评论更多地聚焦于该方案的实用性而非新颖性。X 平台上的开发者指出，许多智能体任务的失败并非源于推理能力不足，而是由于执行环节的不可靠，而“技能层”的引入正好填补了这一空白。
软件开发者 Thomas Rehmer 评价道：
确实该这么搞。有了这些‘可发现’的技能，总算把智能体架构里那个‘你能干嘛？’的经典难题给破了。
与此同时，AI 工程师 Aakash Harish 发文称：
这就是 AI 智能体界的 npm。它的精髓在于：比起纠结协议有多复杂，Skills 更看重好不好组合。如果说 MCP 搞定的是‘智能体怎么跟工具搭火’，那 Skills 搞定的就是‘开发者怎么分享和找现成的能力’。这俩以后肯定不是谁取代谁，而是强强联手：用 Skills 搞定发现和共享，用 MCP 去啃那些对确定性要求极高的企业级硬骨头。
不少开发者将 Skills.sh 与目前围绕智能体执行兴起的其他工具和标准进行了对比。类似的理念也出现在其他协议驱动的方案中，例如 Anthropic 推出的 Model Context Protocol (MCP)（侧重于通过结构化的 API 访问工具和数据），以及 OpenAI 的 Function Calling（通过 JSON schema 暴露预定义动作）。此外，包括 LangChain 的 tools 和 CrewAI 的 tasks 在内的其他项目也致力于为智能体提供受控的执行权限，不过它们通常依赖于更高层的 Python 抽象，而非基于 shell 的命令。
原文链接：
