Manus AI 擁抱開放標準：整合 Agent Skills 開啟 Agent 新篇章
從通用助手到專業專家
人工智慧 (AI) Agent 正在迅速從通用數位助手演變為能夠處理複雜專業任務的強大工具。然而，將通用 Agent 提升到特定領域的專家級別需要大量的上下文、程序知識和專業技能。為了解決這一挑戰，Anthropic 推出了 Agent Skills，一種開放標準，旨在為 AI Agent 提供模組化、可重用的能力。
在 Manus AI，我們致力於打造最強大、最靈活的通用 AI Agent。我們堅信開放標準是推動技術進步的關鍵。因此，我們很高興地宣布，Manus AI 將全面整合 Agent Skills 開放標準，將我們的能力提升到一個新的水平，為使用者解鎖前所未有的可能性。
什麼是 Agent Skills？
Agent Skills 是一種創新方法，將專業知識、工作流程和最佳實踐打包成可重用的基於檔案系統的資源。您可以將它們視為「新員工的入職指南」。與一次性、冗長的對話指令不同，Skills 可以被 AI Agent 按需發現和載入，將通用 Agent 轉變為能夠處理特定任務的專家。
這種架構的核心優勢包括：
•專業化： 為特定領域定制能力，例如法律審查、財務分析或品牌內容創建。
•可重用性： 一次創建即可自動用於多個對話、專案，甚至不同的相容 AI Agent 產品。
•可組合性： 結合多個獨立的 Skills 構建強大的工作流程，能夠處理複雜的多步驟任務。
Skills 的核心使用者價值
我們相信，整合 Skills 將為使用者帶來兩個主要好處：
1. 鞏固個人最佳實踐並提升效率
在您的日常工作中，您可能與 Manus AI 進行了一次非常成功的互動，以高效完成複雜任務。現在，您可以通過單擊將這一成功的過程封裝成個人 Skill。這相當於捕捉並鞏固了您針對特定任務的專業知識和最佳實踐。當您未來需要處理相同任務時，只需調用您的 Skill 即可可靠地複製成功的工作流程，消除重複思考和試錯的需要，從而顯著提高個人生產力。
2. 降低門檻並重用團隊專業知識
對於團隊來說，最寶貴的資產之一是成員的經驗和知識。通過我們即將推出的「團隊技能庫」，團隊成員可以分享他們經過驗證的高效個人 Skills。這意味著新的或經驗較少的團隊成員可以「站在巨人的肩膀上」，使用專家成員創建的 Skills 完成任務。這極大地降低了入門門檻，並促進了團隊內知識的累積和流動。
核心設計：漸進式披露的力量
Agent Skills 最具革命性的設計是其「漸進式披露」機制。該原則確保 AI Agent 在處理任務時能夠最有效地利用其寶貴的上下文窗口。Skill 的內容分為三個級別，僅在需要時載入到上下文中，從而最大限度地減少資源浪費。
級別 | 內容 | 載入時間 | 上下文成本 |
Level 1: Metadata | 名稱和描述 | 啟動時載入 | 極低 (~100 tokens/Skill) |
Level 2: Instructions | SKILL.md 檔案的主要內容 | 觸發 Skill 時載入 | 中等 (<5k tokens) |
Level 3: Resources | 腳本、參考檔案、資產 | 按需載入 | 僅在引用時消耗 |
Manus AI 與 Agent Skills：完美匹配
Manus AI 的核心架構與 Agent Skills 的設計理念完美契合，為無縫整合奠定了堅實的基礎。
•原生架構相容性： Manus AI 在完全隔離的沙盒虛擬機環境中運行，具有完整的 Ubuntu 檔案系統訪問和 Shell 執行能力。這是 Agent Skills 所需的理想環境。我們可以輕鬆讀取 Skill 目錄，解析 SKILL.md 檔案，並執行其中包含的 Python 或 Bash 腳本。
•完美互補的能力： Manus AI 強大的多工具協作能力（瀏覽器、程式碼執行、檔案操作）與 Skills 的專業知識相結合，將產生巨大的協同效應。例如，「市場研究」Skill 可以指導 Manus AI 使用瀏覽器工具訪問特定網站，使用資料分析腳本處理下載的資料，並最終根據預設模板生成完整的市場分析報告。
•對開放標準的承諾： 我們相信 AI 的未來是開放和協作的。作為一種開放標準，Agent Skills 允許多個 AI 產品和服務共享統一的能力擴展格式。通過整合 Skills，Manus AI 不僅增強了自身功能，還為構建更互聯的 AI 生態系統做出了貢獻。
Skills 與 MCP 的關係：互補而非替代
在 Manus AI 生態系統中，Skills 和模型上下文協議 (MCP) 是兩個目標不同但能力互補的技術。
•MCP 的核心目標是通過標準化協議使 AI 能夠安全可靠地訪問外部資料來源（如 Gmail 和 Notion），解決資料孤島問題。它專注於資料連接層。
•Skill 的核心目標是封裝和重用工作流程。雖然不是為連接外部服務而設計，但 Skill 可以通過包含程式碼腳本（如 Python 腳本）間接調用任何第三方 API。在某些場景中，這種直接執行腳本的方式在上下文消耗和資料訪問方面甚至可能比通過 MCP 服務更高效。
總之，MCP 為 Manus AI 提供了標準化的「資料管道」，而 Skills 提供了執行這些管道的「操作手冊」。它們共同構成了 Manus AI 強大且可擴展的生態系統。
特定使用案例：通過 Skills 解鎖資料來源
Manus AI 擁有許多強大的內建資料來源，例如 SimilarWeb。過去，它們更像是內部未公開的 API。通過將每個資料來源封裝為 Skill，我們正在將這些不透明的工具轉變為使用者可發現和理解的元件。使用者可以在技能庫中瀏覽這些資料來源，通過閱讀 SKILL.md 檔案了解其功能和參數，並以穩定可靠的方式調用它們。這一變化極大地提高了平台功能的可用性和可發現性。
用 Manus Skills 武裝您的工作流程
我們的整合不僅僅是採用標準。我們正在引入新功能，使 Skills 成為 Manus AI 體驗中不可或缺的一部分。
使用 Manus 建構 Skill
我們很高興推出「使用 Manus 建構 Skill」功能。當您使用 Manus AI 完成任務並對結果和過程非常滿意時，您現在可以指示 Manus 將「此工作流程打包為 Skill」。Manus 將分析成功的互動流程，自動生成必要的 SKILL.md 檔案，並打包任何相關腳本。這將您的有效流程捕捉為可重複使用的 Skill，您可以重複使用或與他人分享。
精準可靠的觸發機制
為了確保您需要的特定 Skill 在您需要時被精準啟動，您現在可以在聊天框中使用斜線命令。通過輸入 /SKILL_NAME，您可以明確指示 Manus 載入相應的 Skill。此操作確保 Manus 將讀取 SKILL.md 檔案並觸發其指令，讓您對 Agent 的行為擁有精準控制。
我們的技能整合路線圖
為了確保 Agent Skills 的順利且強大的整合，我們制定了明確的路線圖：
1.專案和連接器整合： 很快，您將能夠將 Skills 直接整合到您的 Manus 專案中。結合連接器，這將使您能夠深入定制日常工作的標準操作程序 (SOP)，創建高度自動化和智慧化的工作流程。
2.團隊技能庫： 對於我們的團隊計畫使用者，我們將推出團隊技能庫。成員可以將他們經過驗證的個人 Skills 發佈到這個共享庫中，實現整個組織內專業知識和流程經驗的無縫共享，並促進協作改進和知識保留的文化。
未來是可組合和開放的
我們正處於一個令人興奮的技術拐點。AI Agent 的未來將是可組合、可擴展和開放的。像 Agent Skills 和模型上下文協議 (MCP) 這樣的開放標準正在為一個智慧、互聯的 AI 工具網絡鋪平道路。
Manus AI 很自豪能夠成為這一運動的積極參與者。通過擁抱開放標準，我們相信不僅可以為使用者提供更強大的產品，還可以與整個社群合作，共同塑造一個更具協作性和創新性的 AI 未來。
我們邀請您加入我們的旅程。