Supabase の AI ツーリングエンジニアである Pedro Rodrigues は、AI エージェントが製品固有の知識（特にセキュリティ設定や最新機能）を欠く「文脈のギャップ」を埋めるための手法として「スキル」の重要性を説きます。 MCP ツール単体では不十分であり、ドキュメントへの参照誘導、頻繁にスキップされがちな重要情報の直接記述、製品特有の最適ワークフローの提示という 3 つの原則に基づいたスキル設計が有効であることを実証しました。 評価実験では、Claude や GPT などの主要モデルにおいて、MCP とスキルを併用することでテスト完了スコアが大幅に向上し、セキュリティ違反や stale な知識によるエラーが激減した結果を示しています。
MCP ツールの活用だけでは不十分であり、ドキュメント構造とスキル設計の組み合わせが重要であるという実証的な知見は、AI エージェント開発者にとって即座に適用可能な貴重な洞察です。
- 01
文脈ギャップの解消
AI エージェントはトレーニングデータの限界により製品固有のセキュリティ要件（例：RLS）を無視しがちであり、スキルによる明示的なガイダンスが不可欠。
- 02
スキル設計の 3 原則
ドキュメントの重複を避け参照させること、重要な情報はリファレンスファイルではなく main ファイルに記述すること、製品特有の最適ワークフローを提示すること。
- 03
SSH を介した文脈拡張
ドキュメントを SSH 経由でファイルシステムとして公開し、エージェントが Linux ツールのように検索・参照できるようにする実験的アプローチを紹介。
- 04
評価による実証結果
Braintrust を用いた評価では、MCP とスキルの併用があらゆるモデルで最も高いテスト完了スコアを記録し、セキュリティ違反を防止した。
本発表は、AI エージェントの実装において単なるツール連携（MCP）だけでなく、製品固有の文脈をどう埋め込むかという「スキル」設計の標準化に向けた重要な指針となります。特にセキュリティリスクを伴うエンタープライズ環境や複雑なワークフローを持つプロダクトにおいて、エージェントの信頼性を高めるための具体的なプラクティスを提供し、業界全体の AI 開発品質向上に寄与します。