Anthropic把技能标准交给Linux基金会,100万个技能换了主人

首页 / AI资讯 / AI智能体

0:00
0:00
1x
定时

一个标准的价值,往往在交出控制权之后才被真正检验。10 月下旬,Anthropic 把 Agent Skills 这一智能体技能规范的名称、标识、GitHub 组织与 agentskills.io 域名一并移交给 Linux 基金会旗下的 Agentic AI Foundation。这个基金会由 Anthropic 与 Block、OpenAI 共同发起,模型上下文协议 MCP 也放在同一屋檐下。官方给出的规模数据是,自 2025 年 12 月以来已有 70 多个智能体平台接入,社区累计发布约 100 万个技能,安装量约 2.8 亿次。

技能不是插件,它装的是一套做事的方法

把技能和插件混为一谈,会看不清这次移交的分量。插件通常绑定一个具体接口,输入什么、输出什么由服务方定义,换个平台就得改代码。技能是写给模型看的操作说明书,里面包含步骤、判断条件、常见错误的处理方式、甚至某家公司内部的审批流程。它不改代码,改的是模型的做事顺序,所以同一份技能可以在不同平台上被理解,这正是它能成为跨平台标准的前提。

这也是技能生态增长快的原因。写一份技能的门槛比接一个接口低,业务人员把流程讲清楚就有价值,开发者补充边界条件就能复用。100 万个技能、2.8 亿次安装这两个数字放在一起看,平均每个技能的安装次数不到 30 次,说明长尾极长,大量技能只在很小的范围内被使用。真正被反复调用的,集中在文档处理、数据核对、报表生成、代码审查这些通用环节,它们的共同点是流程稳定、判断标准明确。

把标准交出去,是为了让对手放心用

由一家模型公司掌握标准,天然存在信任问题。竞争对手会担心规则被单方面修改,客户会担心迁移成本被锁定,监管会担心事实上的入口垄断。把商标、仓库、域名移交给中立基金会,等于把这些疑虑一次性处理掉,代价是失去单方面定义权。

这个动作在基础设施史上反复出现。协议要成为公共品,通常要经历从公司资产到基金会资产的迁移,迁移之后标准演进变慢,但采用速度变快。Anthropic 选择在这个时点交出,判断依据大概是技能生态已经度过了冷启动,继续握在手里带来的边际收益,小于开放带来的网络效应。

值得留意的是基金会的构成。Anthropic 与 Block、OpenAI 共同发起,三家都是智能体赛道的重要玩家,谁也没有绝对多数。这种结构有利于平衡,也意味着标准演进会更保守,任何影响兼容性的改动都需要多方妥协。对使用方来说,保守不是坏事,标准频繁变动才是成本。

平台为什么愿意接入别人的技能格式

表面看,平台接入外部技能格式是让利。深一层看,这是降低自身生态的启动成本。智能体平台的竞争,本质是可用能力的竞争,用户不会因为平台宣称支持多少工具而付费,只会因为能完成自己的任务而留下。技能库越大,平台越容易覆盖长尾需求,而这些需求自己开发并不划算。

目前已接入的名单里包含 ChatGPT、Cursor、GitHub Copilot 这类头部产品,覆盖编程、办公、浏览三类主要场景。它们的共同点是用户已经在平台上完成了任务闭环,接入技能只是把闭环做深。这种互补关系让标准扩散得比预期快,也让后来者必须在兼容与自建之间做选择,兼容意味着放弃差异化,自建意味着失去现成的技能供给。

这套逻辑有前提。平台用户得先形成稳定的任务习惯,否则技能库再全也只是陈列;平台还得愿意接受外部质量的参差,因为社区产出的技能不可能都达到商用标准。愿意开放的平台,通常已经解决了基础能力问题,把竞争焦点转到覆盖广度上,而不是守住自家那几十个功能。

标准中立之后,真正的难题是治理

技能本质上是可执行的操作指令,一旦被广泛安装,供应链风险就随之出现。一份技能可以引导模型读取本地文件、调用外部接口、按特定顺序执行多步操作,恶意技能能做的事情比恶意插件更隐蔽,因为它的行为写在自然语言里,静态扫描很难判断意图。100 万个技能的规模,已经超出任何团队人工审核的能力。

治理需要三层支撑:来源可追溯、权限最小化、行为可回放。来源靠签名与发布者身份,权限靠技能声明所需的能力范围并由平台强制执行,行为靠日志留存以便事后复盘。这三层在插件生态里有成熟实践,搬到技能上并不容易,因为技能的执行路径由模型动态决定,同样一份技能在不同上下文里可能走出完全不同的流程。

基金会接手后最该做的,可能不是扩充功能,而是把这套治理框架定下来。标准的功能可以慢慢加,信任一旦被一次安全事故击穿,恢复成本极高。

与 MCP 分工,边界正在变清楚

MCP 解决的是模型怎么连上外部系统,技能解决的是连上之后按什么方法做事。前者是管道,后者是手册。两者放在同一个基金会下,边界会更容易对齐,比如技能声明需要哪些工具、平台如何按声明校验权限、失败时如何回报给模型,这些接口约定在两个规范之间必须有唯一答案。

对企业采购而言,这套组合的实际意义是降低锁定。工具接入走 MCP,业务方法沉淀成技能,换模型或换平台时,资产还在自己手里。前提是技能本身写得规范,把公司特有的流程显式表达出来,而不是依赖某个模型的隐含习惯。写得不规范的技能,迁移时会暴露出大量隐形依赖,这类隐性成本往往在切换的那一刻才被发现。分层投入是更现实的路径,重复劳动写成技能,系统接入交给 MCP,剩下的精力留给业务判断。

素材来源:Anthropic 官方、AI Briefs、Linux 基金会、VentureBeat 发布时间:2026-10-25