Anthropic Skills 仓库进阶实战：18个技能覆盖研发全链路

仓库地址：anthropics/skills

Stars：135,404 | Forks：15,958 | 语言：Python

定位：从「会用」到「会改、会写」的 Agent Skills 进阶实战指南

前言

两周前（2026-05-02），我们曾深入解析过 Anthropics Skills 仓库的整体架构，涵盖了 Skills 的核心原理、三层加载机制和在 Claude Code / Claude.ai / API 三种场景下的安装方式。

两周过去，该仓库 Stars 从 126,950 增长到 135,404（周均增速约 6,000），热度不减反增。Anthropic 也在此期间对多个技能做了更新，尤其是 mcp-builder 和 skill-creator 两个工程导向技能的内容大幅扩充。与此同时，仓库新增了 frontend-design 等技能，并对 PDF/DOCX 等文档技能的实现细节做了补充。

本文面向已有 Agent Skills 基础认识的读者，聚焦以下三个核心主题：

1. MCP Builder 技能：Anthropic 官方出品的 MCP 服务器开发指南，四阶段完整流程
2. Frontend Design 技能：如何用 Skill 约束模型生成「反 AI 味」的独特设计
3. 文档技能（PDF/DOCX/PPTX/XLSX）：支撑 Claude 文档能力的幕后实现架构
4. Skill Creator 迭代工作流：从编写到评估到优化的完整闭环

一、MCP Builder：MCP 服务器开发的系统性方法论

MCP（Model Context Protocol）是 Anthropic 主推的 AI 与外部工具交互协议。mcp-builder 技能将 MCP 服务器开发拆解为四个阶段：深度调研 → 规划 → 实现 → 测试，每一步都有明确的交付物和检查点。

1.1 Phase 1：深度调研与规划

1.1.1 理解 MCP 设计哲学

MCP 服务器的质量取决于两个维度的平衡：

• API 覆盖度：提供完整的 API 端点覆盖，给 Agent 最大组合自由度
• 工作流工具：针对高频场景封装高层工具，降低 Agent 操作复杂度

两者并不矛盾——Agent 能力强的客户端（如 Claude Code）可以直接组合基础工具完成复杂任务，而能力较弱的客户端则依赖封装好的工作流工具。

1.1.2 工具命名规范

工具命名采用 前缀_动作_资源 的三段式结构，例如 github_create_issue、github_list_repos。清晰的命名帮助 Agent 快速定位所需工具，而非在大量同名工具中迷失。

错误消息设计同样关键：每条错误应包含具体建议和下一步操作，而不是仅仅返回"失败"。

1.1.3 框架选择

技能推荐使用 TypeScript（基于 @modelcontextprotocol/typescript-sdk）作为首选语言，原因有三：

• AI 模型生成 TypeScript 代码质量高（静态类型 + 广泛使用）
• 远程服务器推荐 Streamable HTTP（无状态，易于扩展）
• 本地服务器推荐 stdio（简单直接）

Python 开发者可使用官方 python-sdk，行为模式一致。

1.1.4 调研阶段交付物

1.2 Phase 2：项目结构规划

my-mcp-server/
├── src/
│   ├── index.ts          # 入口文件，导出 server 实例
│   ├── tools/            # 各端点对应的工具实现
│   │   ├── repo-tools.ts
│   │   └── issue-tools.ts
│   ├── types/            # 共享类型定义
│   └── utils/            # 通用工具函数
├── package.json
└── tsconfig.json

核心原则：每个文件职责单一，工具函数按资源类型分目录组织。

1.3 Phase 3：实现要点

工具描述（description）的艺术

工具的 description 字段是 Agent 决策的关键依据。好的描述应该：

• 说明工具的用途而非实现细节
• 列举典型的输入格式和输出示例
• 指明适用场景和禁忌场景

分页与过滤支持

设计工具时，应支持 limit、page、filter 等通用参数，让 Agent 可以灵活控制返回数据量。例如：

{
  name: "list_repositories",
  description: "List repositories for the authenticated user. " +
    "Supports pagination with limit (max 100) and filter by visibility.",
  inputSchema: {
    type: "object",
    properties: {
      limit: { type: "integer", default: 30, maximum: 100 },
      page: { type: "integer", default: 1 },
      visibility: { type: "string", enum: ["all", "public", "private"] }
    }
  }
}

错误规范化

所有工具应返回统一格式的错误：

{
  "error": true,
  "code": "RESOURCE_NOT_FOUND",
  "message": "Repository not found: owner/repo",
  "suggestion": "Check the repository name and ensure you have access"
}

1.4 Phase 4：测试验证

使用 Playwright 进行端到端测试：

# 安装 MCP 服务器到 Claude Code
claude mcp add my-server ./path/to/server

# 在 Claude Code 中执行集成测试
/claude-code-test "list the first 5 repositories"

二、Frontend Design：对抗 AI 美学滑失的设计技能

frontend-design 是仓库中最具特色的技能之一，它的核心目标是解决 AI 生成界面同质化问题。

2.1 问题诊断：什么是「AI 味」界面？

Anthropic 的工程师在技能文档中指出，当前 AI 生成的 Web 界面普遍存在以下特征：

• 背景渐变 + 大量留白
• 蓝色/紫色为主色调
• 使用 Inter / Arial 等无特征字体
• 卡片式布局 + 圆角
• 「Get Started」「Learn More」式按钮文案

这些特征本身不是问题，问题是它们出现在每一个 AI 生成的项目中，导致界面失去品牌辨识度。

2.2 设计约束的三个层次

Frontend Design 技能通过三步约束来解决这个问题：

第一步：明确设计方向

在写代码之前，Agent 必须先确认：

• 目的（Purpose）：这个界面解决什么问题？谁来用？
• 基调（Tone）：选择一种极端风格——极简主义、复古未来、杂志风、工业风、奢华精致、卡通玩具……风格没有对错，但必须极端且一致
• 约束（Constraints）：技术限制（框架、性能、无障碍）是什么？
• 差异化（Differentiation）：用户会记住这个界面的什么？

第二步：字体选择

技能要求 Agent 避免使用 Arial、Inter、Roboto 等常见字体，改用具有独特气质的字体：

关键原则：展示字体 + 正文字体的配对比正文内容本身更重要。

第三步：配色克制

避免使用 AI 偏爱的蓝紫渐变。推荐策略：

• 主色：选择一个有情感倾向的颜色（如 #D97757 的温暖橙，而非中性的蓝）
• 背景：考虑非白色（如 #faf9f5 的米白）或非纯黑（如 #141413 的深灰）
• 强调色：通过 2-3 个辅色构建色彩系统，而非随机添加

2.3 代码质量标准

技能对生成的代码有明确要求：

• 可用性优先：生成的界面必须是可以正常运行的完整代码，而非设计稿
• 细节打磨：光标样式、过渡动画、hover 状态、focus 可见性等微交互必须到位
• 响应式布局：至少覆盖 375px（移动端）和 1440px（桌面端）
• 无障碍基础：aria-label、keyboard navigation、色彩对比度合规

三、文档技能：支撑 Claude 文件能力的幕后架构

Claude 的「创建文件」能力（Word、PDF、PPT、Excel）背后，是一组 Anthropic Source-Available（而非开源）的文档技能。它们位于仓库的 skills/docx、skills/pdf、skills/pptx、skills/xlsx 目录下。

3.1 DOCX 技能：.docx 是 ZIP + XML

DOCX 技能的核心知识是：.docx 文件本质上是一个 ZIP 压缩包，内部是结构化的 XML 文件。

document.docx
├── word/document.xml       # 正文内容
├── word/styles.xml         # 样式定义
├── word/numbering.xml      # 编号列表
├── word/header.xml         # 页眉
├── word/footer.xml         # 页脚
├── word/settings.xml       # 文档设置
├── [Content_Types].xml     # 文件类型声明
└── _rels/.rels             # 内部关系

技能的指令覆盖了完整的操作矩阵：

3.2 PDF 技能：表单字段提取

PDF 技能的亮点是对表单字段的处理能力：

# 提取 PDF 中的表单字段
python scripts/pdf/extract_form_fields.py document.pdf

# 输出示例
{
  "fields": [
    {"name": "full_name", "type": "text", "page": 1, "rect": [72, 650, 288, 678]},
    {"name": "email", "type": "text", "page": 1, "rect": [72, 600, 288, 628]},
    {"name": "agree_terms", "type": "checkbox", "page": 1, "rect": [72, 550, 96, 574]}
  ]
}

这使得 Agent 可以识别 PDF 表单的结构并进行批量填充，而非仅仅做文字提取。

3.3 PPTX 技能：基于 python-pptx 的结构化构建

PPTX 技能使用 python-pptx 库构建幻灯片，核心模式是：

from pptx import Presentation
from pptx.util import Inches, Pt

prs = Presentation()
slide = prs.slides.add_slide(prs.slide_layouts[6])  # 空白布局

# 添加标题
title = slide.shapes.add_textbox(Inches(0.5), Inches(0.5), Inches(9), Inches(1))
title.text = "Title Here"

# 添加内容
content = slide.shapes.add_textbox(Inches(0.5), Inches(1.5), Inches(9), Inches(5))
tf = content.text_frame
p = tf.paragraphs[0]
p.text = "Content here"
p.font.size = Pt(18)

技能的指令中包含模板主题系统，支持快速应用品牌色和字体。

3.4 XLSX 技能：结构化数据处理

XLSX 技能的核心依赖是 openpyxl 库，覆盖以下场景：

• 样式应用：单元格颜色、边框、合并、列宽、行高
• 公式处理：插入和验证 Excel 公式（VLOOKUP、SUMIF、INDEX/MATCH 等）
• 图表生成：基于数据范围创建柱状图、折线图、饼图
• 批量操作：多 sheet 管理、数据透视表

3.5 许可证说明

这四个文档技能采用 Proprietary 许可证（见各 SKILL.md 顶部的 license 字段），Anthropic 将其描述为「Source-Available」——代码已公开，但使用受限。这与仓库中其他技能的 Apache 2.0 许可证不同，需要注意区分。

四、Skill Creator：从编写到评估的完整迭代闭环

skill-creator 技能本身就是用 Agent Skills 工作流构建技能的示范。它将技能开发划分为四个阶段，循环迭代直到满意。

4.1 四阶段迭代流程

意图捕获 → SKILL.md 编写 → 测试用例运行 → 评估分析 → 重写优化 → 重复

Stage 1：捕获意图（Capture Intent）

从对话历史中提取：

• 技能要完成什么任务？
• 什么时候触发？（用户说什么时激活）
• 期望的输出格式是什么？
• 是否需要测试用例？

Stage 2：编写 SKILL.md

基于意图，编写符合规范的 SKILL.md，包含：

• name：小写 + 连字符，唯一标识
• description：触发条件 + 功能描述。注意：描述要略微「激进」，因为 Claude 有「技能触发不足」的问题
• compatibility：所需工具和依赖（可选）
• 正文：指令、示例、指南

description 的优化技巧：用 skill-creator 技能中的 description-optimizer 脚本分析触发准确率，持续优化描述文本。

Stage 3：测试与评估

创建测试 prompt（eval queries），确保覆盖：

• 技能应该触发的场景（正例）
• 技能不应触发的场景（负例）
• 边界条件和极端输入

使用 eval-viewer/generate_review.py 脚本生成评估报告。

Stage 4：迭代优化

根据评估结果重写 SKILL.md，重复流程直到：

• 触发准确率达标
• 输出质量稳定
• 测试用例覆盖主要场景

4.2 渐进式披露实践

技能描述（description）的大小预算遵循 LLM 上下文的经济学原则：

技能创建者需要在信息充分性和上下文成本之间找到平衡。description 应极度精炼——只描述「何时触发、做什么」，不解释「如何实现」。

五、18个技能速览与分类索引

以下是仓库 skills/ 目录下 18 个技能的快速索引，按应用场景分类：

创意与设计类

研发与工程类

企业与沟通类

文档类（Source-Available）

六、安装与使用

在 Claude Code 中安装

# 方式一：注册为 Plugin 市场
/plugin marketplace add anthropics/skills

# 安装示例技能集
/plugin install document-skills@anthropic-agent-skills
/plugin install example-skills@anthropic-agent-skills

# 方式二：直接安装
/plugin install document-skills@anthropic-agent-skills
/plugin install example-skills@anthropic-agent-skills

安装后，直接在对话中提及技能即可触发，例如：

「Use the PDF skill to extract form fields from contract.pdf」

在 Claude.ai 中使用

付费用户可直接使用仓库中所有示例技能。上传自定义技能参考官方文档中的使用指南。

通过 API 上传自定义技能

参考 Skills API Quickstart。

总结

两周前我们对仓库做了整体鸟瞰，这一次我们深入了三个具体技能的实现细节。核心收获可以归纳为三点：

第一，Skills 是工程化的，不是灵感式的。 MCP Builder 的四阶段方法论、Skill Creator 的迭代评估闭环，都在说同一件事：高质量技能需要系统性开发，而非靠一次 prompt 搞定。

第二，文档技能的「Source-Available」模式值得关注。 Anthropic 将最核心的生产级技能（PDF/DOCX/PPTX/XLSX）公开了源码但不开放使用许可，这既维护了商业利益，又为开发者提供了研究材料。这种中间态的开放策略在 AI 原生应用中可能是常态。

第三，「反 AI 味」是 Skill 约束设计的试金石。 Frontend Design 技能的核心洞察——用设计风格约束对抗模型的同质化倾向——这个思路可以迁移到任何需要创造力的技能设计中：写作风格约束、代码架构约束、业务流程约束。本质上都是在模型灵活性上叠加人类偏好。

如果你想从「会用 Skills」进化到「会构建 Skills」，强烈建议从 template/SKILL.md 开始，基于 skill-creator 的流程迭代一个自己的技能——过程中对 Skill 的理解会远比只读文档深刻得多。

相关资源

• 仓库地址：github.com/anthropics/skills
• Agent Skills 规范：agentskills.io
• 官方博客：Equipping Agents for the Real World with Agent Skills
• 入门指南：Anthropics Skills 仓库全解析：从入门到精通的 Agent Skills 实战指南
• Skill Creator 专题：Skill Creator：Anthropic 出品的 AI Agent 技能开发框架完全指南
• Agent Skills 规范专题：Agent Skills：AI Agent 能力扩展开放规范完全指南