Manus AI 拥抱开放标准：集成 Agent Skills，开启智能体新篇章
从通用助手到专业化身
人工智能（AI）代理正从通用的数字助手迅速演变为能够处理复杂、专业化任务的强大工具。然而，要让一个通用智能体在特定领域达到专家级水平，需要大量的上下文、流程知识和专业技能。为了应对这一挑战，Anthropic 推出了 Agent Skills，一个旨在为 AI 代理提供模块化、可复用能力的开放标准。
在 Manus AI，我们始终致力于构建最强大、最灵活的通用 AI 代理。我们坚信，开放标准是推动技术进步的关键。因此，我们非常激动地宣布：Manus AI 将全面集成 Agent Skills 开放标准，将我们的能力提升到一个全新的高度，并为我们的用户解锁前所未有的可能性。
什么是 Agent Skills？
Agent Skills 是一种创新的方法，它将专业知识、工作流程和“最佳实践”（Best Practice）打包成可重用的、基于文件系统的资源。您可以将其想象为“为新员工准备的入职指南”。与一次性、冗长的会话指令不同，Skills 可以被 AI 代理按需发现和加载，从而将一个通用代理转变为能够胜任特定任务的专家。
这一架构的核心优势在于：
•专业化：为特定领域的任务（如法律审查、财务分析或品牌内容创作）定制能力。
•可复用性：一次创建，即可在多个对话、多个项目甚至多个兼容的 AI 代理产品中自动使用。
•可组合性：将多个独立的 Skills 组合起来，构建出能够处理复杂、多步骤任务的强大工作流程。
Skills 的核心用户价值
我们相信，集成 Skills 将为用户带来两大核心价值：
1. 固化个人最佳实践，提升工作效率
在日常工作中，您可能会与 Manus AI 经历一次非常成功的交互，高效地完成了一项复杂任务。现在，您可以将这次成功的流程一键封装成一个个人 Skill。这相当于将您在特定任务上的“know-how”和“最佳实践”沉淀并固化下来。未来处理重复性任务时，您只需调用自己的 Skill，即可稳定复现成功路径，无需重复思考和试错，从而显著提升个人工作效率。
2. 降低使用门槛，复用团队经验
对于一个团队而言，最有价值的资产之一就是成员的经验和知识。通过我们即将推出的“团队技能库”（Team Skill Library），团队成员可以将自己验证过的、高效的个人 Skill 分享出来。这意味着团队的新成员或经验较少的成员，可以“站在巨人的肩膀上”，直接使用专家成员创建的 Skill 来完成任务，极大地降低了使用门槛，并促进了整个团队知识的沉淀与流动。
核心设计：渐进式披露的力量
Agent Skills 最具革命性的设计是其“渐进式披露”（Progressive Disclosure）机制。这一原则确保了 AI 代理在处理任务时，能够以最高效的方式利用其宝贵的上下文窗口。Skills 的内容被分为三个层级，仅在需要时才加载到上下文中，从而最大限度地减少了资源浪费。
层级 | 内容 | 加载时机 | 上下文成本 |
Level 1: 元数据 | name 和 description | 启动时加载 | 极低 (~100 tokens/Skill) |
Level 2: 指令 | SKILL.md 文件主体 | Skill 被触发时加载 | 中等 (<5k tokens) |
Level 3: 资源 | 脚本、参考文件、资产 | 按需加载 | 仅在引用时消耗 |
Manus AI 与 Agent Skills：天作之合
Manus AI 的核心架构与 Agent Skills 的设计理念不谋而合，为无缝集成奠定了坚实的基础。
•架构天然兼容：Manus AI 在一个完全隔离的沙盒虚拟机环境中运行，拥有完整的 Ubuntu 文件系统访问权限和 Shell 执行能力。这正是 Agent Skills 所需的理想环境。我们可以轻松地读取 Skill 目录、解析 SKILL.md 文件，并执行其中包含的 Python 或 Bash 脚本。
•能力完美互补：Manus AI 强大的多工具协作能力（浏览器、代码执行、文件操作）与 Skills 的专业化知识相结合，将产生巨大的协同效应。例如，一个“市场研究” Skill 可以指导 Manus AI 使用浏览器工具访问特定网站，使用数据分析脚本处理下载的数据，并最终根据预设的模板生成一份完整的市场分析报告。
•对开放标准的承诺：我们相信，AI 的未来是开放和协作的。Agent Skills 作为一个开放标准，允许多个 AI 产品和服务共享一个统一的能力扩展格式。通过集成 Skills，Manus AI 不仅增强了自身功能，也为构建一个更加互联互通的 AI 生态系统贡献了力量。
Skill 与 MCP 的关系：互补而非替代
在 Manus AI 的生态中，Skill 与 MCP（模型上下文协议）是两种目标不同但能力互补的技术。
•MCP 的核心目标是解决数据孤岛问题，通过标准化的协议让 AI 能够安全、稳定地访问外部数据源（如 Gmail、Notion）。它侧重于数据层面的连接。
•Skill 的核心目标是封装和复用工作流程。虽然它并非为连接外部服务而设计，但通过在 Skill 中包含代码脚本（如 Python 脚本），它也可以间接实现对任何第三方 API 的调用。在某些场景下，这种直接执行脚本的方式，在上下文消耗和数据访问效率上甚至可能优于通过 MCP 服务中转的方式。
总而言之，MCP 为 Manus AI 提供了标准化的“数据管道”，而 Skill 则提供了执行这些管道的“操作手册”，两者共同构成了 Manus AI 强大的可扩展生态。
具体用例：用 Skill 解锁数据源
Manus AI 内置了许多强大的数据源，如 SimilarWeb、YahooFinance 和 LinkedinSearch。过去，它们更像是内部、未公开的 API。通过将每一种数据源封装成一个 Skill，我们将这些不透明的工具转变为用户可发现、可理解的透明组件。用户可以在他们的技能库中浏览这些数据源，通过阅读 SKILL.md 文件了解其功能和参数，并稳定、可靠地调用它们。这一转变极大地提升了平台功能的易用性和可发现性。
用 Manus Skills 武装您的工作流
我们的集成超越了简单地采用标准。我们正在引入新功能，使 Skills 成为 Manus AI 体验中不可或缺的一部分。
使用 Manus 构建 Skill
我们很高兴推出 “使用 Manus 构建 Skill” 功能。当您与 Manus AI 完成一次任务并对结果和过程非常满意时，您现在可以指示 Manus “将此工作流打包成一个 Skill”。Manus 将分析成功的交互流程，自动生成必要的 SKILL.md 文件，并捆绑任何相关脚本。这将您的有效流程捕获到一个可重用的 Skill 中，您可以自己重复使用或与他人分享。
精准可靠的触发机制
为了确保在您需要时精确激活特定的 Skill，您现在可以在聊天框中使用斜杠命令。通过输入 /SKILL_NAME，您可以明确指示 Manus 加载相应的 Skill。此操作保证 Manus 会读取 SKILL.md 文件并触发其指令，让您能够精确控制代理的行为。
我们的技能集成路线图
为了确保平稳而强大地集成 Agent Skills，我们制定了清晰的路线图：
1.项目与连接器集成：很快，您将能够将 Skills 直接集成到您的 Manus 项目中。结合连接器（Connectors），这将允许您深度定制日常工作的标准操作程序（SOP），创建高度自动化和智能化的工作流。
2.团队技能库：对于我们的团队版用户，我们将引入团队技能库。成员可以将其经过实战检验的个人 Skill 发布到这个共享库中，实现整个组织内专业知识和流程经验的无缝共享，促进协作改进和知识沉淀的文化。
未来是可组合与开放的
我们正处在一个激动人心的技术拐点。AI 代理的未来将是可组合、可扩展和开放的。像 Agent Skills 和模型上下文协议（MCP）这样的开放标准，正在为构建一个智能、互联的 AI 工具网络铺平道路。
Manus AI 很自豪能够成为这一运动的积极参与者。通过拥抱开放标准，我们相信我们不仅能为用户提供更强大的产品，还能与整个社区一起，共同塑造一个更加协作和创新的 AI 未来。
我们邀请您与我们一起踏上这段旅程。