Escríbeme

Published

23 may 2026

min read

Qué son las AI Agent Skills: guía simple

Aprende qué son las AI Agent Skills, cómo funciona el skill.md, el progressive disclosure y sus diferencias con MCP, RAG y fine-tuning.

Infografía estilo doodle de cuaderno, en español, que explica las AI Agent Skills: el hueco del conocimiento (semántico vs procedimental), la anatomía de un skill.md, el progressive disclosure en 3 niveles, la comparación entre Skills, MCP, RAG y fine-tuning, y la sección de seguridad y confianza.

¿Sabes qué es raro de los agentes de IA? Te pueden explicar mecánica cuántica, pero no son capaces de seguir un flujo de trabajo de 47 pasos para generar un reporte financiero.

Suena a broma. No lo es.

Los modelos grandes de lenguaje saben hechos. Saben cuál es la capital de Francia. Saben la historia de SQL. Te pueden decir la velocidad de vuelo de una golondrina sin carga. Y hasta saben a qué tipo de golondrina se refiere la pregunta.

Pero el conocimiento no son solo hechos. Hay otro tipo. El que usas cuando de verdad haces algo.

Andar en bici. Hacer tu declaración de impuestos. Preparar un café. Esas no son cosas que sabes. Son cosas que haces. Y conocer los hechos sobre ellas no significa que las puedas hacer.

Eso es el conocimiento procedimental. Y los agentes de IA no lo tienen.

El problema con los agentes

No lo tienen por defecto. Cuando le das a un agente una tarea que requiere un proceso específico, tiene dos opciones:

Le deletreas cada paso, una y otra vez.
El agente adivina.

Ninguna funciona. Deletrear 47 pasos cada vez echa por tierra el propósito de tener un agente. Adivinar echa por tierra el propósito de tener un proceso.

Entonces, ¿qué haces?

¿Qué es una Agent Skill?

Las Agent Skills son capacidades modulares que extienden la funcionalidad de un LLM. Son recursos reutilizables, basados en el sistema de archivos, que contienen instrucciones, metadata y recursos opcionales (scripts, plantillas) que Claude usa automáticamente cuando son relevantes para tu petición.

Le das una skill al agente.

Una skill es simplemente un archivo markdown. Eso es todo. Un archivo llamado skill.md dentro de una carpeta.

La estructura básica

Arriba del todo pones un front matter en YAML con dos campos obligatorios:

Name (nombre) — Identifica la skill.
Description (descripción) — Le dice al agente cuándo usarla.

Debajo de eso escribes las instrucciones. Paso a paso. Reglas. Ejemplos. Lo que el agente necesite saber.

Agregados opcionales

Puedes agregar carpetas opcionales:

Scripts — Código ejecutable en JavaScript, Python o bash.
References (referencias) — Documentación extra que se carga cuando se necesita.
Assets (recursos) — Recursos estáticos como plantillas y archivos de datos.

Eso es todo el asunto.

Cómo funciona el progressive disclosure

Aquí es donde se pone interesante. ¿Qué pasa si un agente tiene cientos de skills? Cargarlas todas en memoria usaría hasta el último token antes de que alguien siquiera haga una pregunta.

Por eso las skills usan progressive disclosure (divulgación progresiva) en tres niveles.

Nivel uno: solo la metadata

El agente carga únicamente el nombre y la descripción de cada skill. Son unos cuantos tokens por skill. Aunque tengas cien skills instaladas, esa carga no llena la ventana de contexto.

Esto es, en esencia, una tabla de contenidos.

Nivel dos: instrucciones completas

Cuando el agente ve una petición que coincide con la descripción de una skill, lee las instrucciones completas y las mete al contexto. Ahora ya sabe qué hacer.

La coincidencia ocurre gracias al propio razonamiento del LLM. El modelo decide cuándo aplica una skill. Por eso una buena descripción importa tanto.

Nivel tres: recursos opcionales

Los scripts, referencias y assets solo se cargan cuando una tarea específica los necesita.

El agente arranca con un índice ligero. Jala los detalles cuando importan. Toma los recursos solo en el momento en que los necesita.

Skills vs otros métodos de conocimiento

Hay varias formas de darle conocimiento a un agente. Cada una resuelve cosas distintas.

Método	Qué provee	Limitación
MCP (Model Context Protocol)	Acceso a APIs externas y herramientas.	Da capacidad, pero no criterio.
RAG (Retrieval-Augmented Generation)	Fragmentos de referencia con hechos.	Da contexto, pero no enseña a ejecutar.
Fine-Tuning	Hornea el conocimiento dentro de los pesos del modelo.	Permanente, pero caro y difícil de actualizar.
Skills (skill.md)	Conocimiento procedimental (cómo hacer y con qué criterio).	Versionable, fácil de actualizar, y usa MCP para llamadas externas.

MCP (Model Context Protocol)

Qué te da: acceso a herramientas.
Qué hace: deja que los agentes llamen APIs externas e interactúen con servicios.
Qué no hace: decirle al agente cuándo echar mano de algo o qué hacer una vez que lo tiene.

RAG (Retrieval-Augmented Generation)

Qué te da: conocimiento factual.
Qué hace: jala fragmentos relevantes de una base de conocimiento en tiempo de ejecución.
Qué no hace: enseñarle al agente cómo hacer algo. Es material de referencia.

Fine-Tuning

Qué te da: conocimiento horneado en los pesos del modelo.
Qué hace: vuelve el conocimiento permanente.
Qué no hace: salir barato. Si el modelo cambia, hay que rehacer el fine-tuning.

Skills

Qué te dan: conocimiento procedimental.
Qué hacen: le dicen al agente cómo hacer las cosas, en qué orden y con qué criterio.
Qué las hace distintas: son solo archivos. Control de versiones. Actualizaciones fáciles. Portables entre plataformas.

En la práctica, las skills suelen apoyarse en estos otros métodos. El MCP da la capacidad de invocar algo externo. La skill da el criterio de cuándo y cómo hacerlo.

El estándar abierto

El formato skill.md es un estándar abierto publicado en https://agentskills.io. Es un proyecto con licencia Apache 2.0.

Las principales plataformas de IA ya lo adoptaron:

Claude Code
OpenAI Codex
Muchas otras herramientas

Una skill construida para una plataforma funciona en cualquier plataforma que soporte la especificación.

Un marco desde la ciencia cognitiva

Aquí va una forma útil de pensar en las skills. Los humanos tenemos distintos tipos de memoria.

Memoria semántica (hechos)

Roma es la capital de Italia.

Equivale a: RAG y bases de conocimiento.

Memoria episódica (experiencias)

Fui a Roma el verano pasado.

Equivale a: logs de conversación e historial de interacción.

Memoria procedimental (skills)

Cómo andar en scooter por las calles de Roma y vivir para contarlo.

Equivale a: archivos de skill.

Las arquitecturas de agentes están empezando a reflejar esta misma estructura.

El problema de la confianza

Las skills pueden incluir scripts ejecutables con acceso a:

Tu sistema de archivos
Variables de entorno
Llaves de API (API keys)

Esto es lo que hace poderosas a las skills. Y también es lo que hace que la confianza importe.

Cuando un agente corre un script, está ejecutando comandos en tu máquina. Las auditorías han encontrado que las skills disponibles públicamente con frecuencia contienen cosas malas:

Prompt injection
Tool poisoning (envenenamiento de herramientas)
Malware oculto

Trata la instalación de una skill igual que tratas instalar cualquier dependencia de software. Revísala. Entiende qué hace. Y luego decides.

Dónde nos deja todo esto

Las skills son la memoria procedimental de los agentes de IA. Se definen en un archivo markdown que vive en una carpeta. Le enseñan al agente cómo hacer un trabajo específico. Se cargan de forma eficiente gracias al progressive disclosure. El formato es un estándar abierto.

Un agente que ya sabe la velocidad de vuelo de una golondrina sin carga ahora también puede aprender a realizar cualquier tarea repetible que tú le definas.

Ese es el hueco que llenan las skills. Y por eso todas las grandes plataformas de IA para programar las adoptaron.

Preguntas frecuentes (FAQ)

Q1: ¿Puedo crear mi propia agent skill?

Sí. Una skill es simplemente un archivo skill.md dentro de una carpeta. Escribes un nombre y una descripción en el front matter YAML, y luego agregas instrucciones paso a paso en markdown plano. Opcionalmente puedes incluir scripts, referencias o assets.

Q2: ¿Las skills funcionan en distintas plataformas de IA?

Sí. El formato skill.md es un estándar abierto publicado en https://agentskills.io bajo licencia Apache 2.0. Una skill construida para una plataforma funciona en cualquier plataforma que soporte la especificación, incluyendo Claude Code y OpenAI Codex.

Q3: ¿Las agent skills son seguras de usar?

No de forma automática. Las skills pueden incluir scripts ejecutables con acceso a tu sistema de archivos, variables de entorno y API keys. Se ha encontrado que skills públicas contienen prompt injection, tool poisoning y malware oculto. Siempre revisa una skill antes de instalarla.

Q4: ¿En qué se diferencia una skill del MCP?

El MCP (Model Context Protocol) les da a los agentes acceso a herramientas para llamar APIs y servicios externos. Una skill provee el criterio de cuándo usar esas herramientas y qué hacer con ellas. Las skills a menudo usan MCP para la ejecución.

Q5: ¿En qué se diferencia una skill del RAG?

El RAG (Retrieval-Augmented Generation) jala conocimiento factual de una base de datos en tiempo de ejecución. Es material de referencia. Una skill enseña conocimiento procedimental: cómo hacer algo paso a paso.

Q6: ¿Qué pasa si un agente tiene cientos de skills?

El agente usa progressive disclosure. Al arranque, carga solo el nombre y la descripción de cada skill (unos cuantos tokens por skill). Cuando una tarea coincide con la descripción de una skill, carga las instrucciones completas. Los scripts y recursos se cargan solo cuando se necesitan.

Q7: ¿Cuáles son los campos obligatorios en un archivo skill.md?

Nombre y descripción. El nombre identifica la skill. La descripción le dice al agente qué hace la skill y cuándo usarla; esa es la condición de disparo (trigger).

Q8: ¿Una skill puede incluir código?

Sí. La carpeta opcional de scripts puede contener código ejecutable en JavaScript, Python o bash que el agente puede correr.

Q9: ¿Por qué las skills se están volviendo un estándar abierto?

Porque resuelven un problema específico: darle conocimiento procedimental a los agentes. Como las skills son solo archivos, se pueden versionar, actualizar fácil y mover entre plataformas. Las principales plataformas de IA para programar ya adoptaron la especificación.

Q10: ¿Para qué tipo de tareas son mejores las skills?

Para flujos de trabajo repetibles con pasos específicos, como generar un reporte financiero que cumpla normas, extraer un PDF, o cualquier proceso de varios pasos que requiera ejecución y criterio consistentes.

¿Esto te generó una pregunta o quieres aplicarlo en tu negocio?

Escríbeme directo a aldo@avoficial.com — Aldo Verteramo

Si te gustó este contenido, sígueme aquí: