2025年12月18日，圣诞假期的氛围正悄然蔓延，Anthropic却抛出了一颗足以改写AI产业格局的重磅炸弹，将Agent Skills正式发布为开放标准，相关规范与SDK同步上线至agentskills.io。几乎在同一时间，微软迅速在VS Code与GitHub中集成了这套标准，Cursor、Goose、OpenCode等主流编码Agent也纷纷跟进适配。更值得玩味的是，OpenAI也悄悄在其Codex文档中增补了Skills支持，这与两个月前DevDay上发布AgentKit时的规划截然不同。

这绝非一次普通的产品更新，而是整个AI行业从“Agent军备竞赛”迈向“知识资产化”的战略拐点。当大多数从业者还在纠结如何打造更聪明的Agent时，OpenAI与Anthropic这两大巨头早已悄然达成共识，2024年遍地开花的Agent实验，必须在2025年进化为可规模化交付的商业解决方案。而这场进化的核心，从来不是模型参数的比拼，而是如何将散落的组织知识，转化为AI可高效执行的标准化工作流。

回溯两个月前的行业动态，这场战略转向的伏笔早已埋下。10月初，旧金山OpenAI DevDay上，Sam Altman站在台上宣布AgentKit问世，承诺让开发者实现“从原型到生产”的几小时速成。仅仅十天后，Anthropic便推出Claude Skills，旗帜鲜明地提出“别再造更多Agent，把专业经验做成可复用的技能”。表面上看，这是两家公司的产品策略博弈，实则是它们基于行业痛点得出的共同结论，Agent的野蛮生长时代已然落幕，工程化与标准化的浪潮正在袭来。

Agent动物园的崩溃：碎片化架构的不可持续

OpenAI与Anthropic的战略转向，并非空穴来风，而是源于对行业现状的深刻洞察。在AgentKit的发布会上，Ramp公司的案例被反复提及，其利用Agent Builder仅用几小时便搭建起采购Agent，而这项工作此前需要耗费数月时间。Ramp方面坦言，Agent Builder并未降低技术难度，而是将复杂编排、自定义代码与手动优化的流程标准化，让产品、法务和工程团队得以同步协作，迭代周期缩短70%，从两个季度压缩至两个冲刺阶段。

这个案例的核心启示在于，AI落地的核心瓶颈早已不是技术能力，而是协作成本与组织规范。Anthropic的内部研究更直接印证了这一点，其工程师60%的工作中都会使用Claude，自我报告的生产力提升达50%，这一数据是前一年的两到三倍。更重要的是，27%的Claude辅助工作是原本被优先级无限压低的“边缘任务”，包括构建内部工具、创建文档以及解决那些被称为“纸割伤”的小质量改进。

但研究也揭示了一个令人不安的现象，当Skills让工程师能够跨领域工作时，后端开发者可以搭建用户界面，研究人员能够创建数据可视化，部分员工开始担忧自身技能退化。这一信号背后，是AI对工作流程的重构，更是对组织能力边界的重塑。当Agent越来越像“虚拟员工”，缺乏统一规范的组织级流程、质检标准，最终得到的不是自动化效率，而是更大规模的返工自动化。

“一个Agent一个场景”的模式，早已陷入不可持续的困境。Anthropic技术人员Mahesh Murag在接受VentureBeat采访时明确指出，Skills与传统的AI定制方法有着本质区别，其核心是“渐进式披露”，Claude最初仅能看到技能名称与简要描述，再根据任务自主决定加载哪些技能，仅访问当下所需的特定文件与信息。这种设计哲学的转变，正是对过往碎片化模式的彻底否定。

回顾2024年的Agent热潮，行业陷入了一种惯性思维，缺财务能力就造财务Agent，缺法务能力就做法务Agent，缺运营能力就做运营Agent。最终形成的，是一个混乱的“智能体动物园”，每个Agent都拥有独立的Prompt、工具链、权限、评测集与失败兜底机制，同一条业务规则在多个Agent中重复编写，版本各异且难以同步。这种架构不仅会撑爆上下文窗口，导致成本飙升，更会让调试工作陷入僵局，成为规模化落地的最大障碍。

殊途同归：从工作流编排到知识资产化的标准化之路

面对Agent动物园的困境，OpenAI与Anthropic走出了两条不同的路径，却最终在标准化的终点相遇。OpenAI的AgentKit，核心是将Agent开发工作流标准化，构建了一套全链路工具矩阵，包括用于创建和版本控制多代理工作流的可视化画布Agent Builder，用于管理数据和工具连接的Connector Registry，以及用于嵌入聊天式代理体验的ChatKit。

这套工具的设计逻辑，是让开发者无需从零开始拼凑编排、连接器与UI界面，通过统一平台拖拽节点、连接工具、配置防护栏，几小时内就能上线一个可用的Agent。在DevDay的演示中，一位开发者仅用8分钟就制作出读取会议议程并推荐小组讨论的Agent，效率令人惊叹。但隐藏在高效背后的问题的是，这个Agent无法复用议程格式认知、用户偏好逻辑，下一次会议仍需重新搭建流程，缺乏可复用的知识沉淀。

Anthropic的Skills，恰恰瞄准了这一痛点，走出了一条“知识资产化”的道路。12月18日的更新中，Anthropic推出了组织级Skills管理功能，企业管理员可在Team和Enterprise计划中统一管理Skills，控制全组织可用的工作流。更具行业影响力的是，Anthropic将Agent Skills发布为独立开放标准，微软、Cursor、Goose等企业与工具的迅速跟进，让Skills成为跨平台的知识交换协议。

这意味着，在Claude中创建的“财务报表生成”Skill，可无缝迁移至GitHub Copilot、Cursor等任何支持该标准的AI平台，不再受限于单一产品生态。Skills不再是某家公司的私有格式，而是整个行业的通用知识载体，这种开放策略，彻底打破了知识复用的平台壁垒。

梳理两家公司的时间线，不难发现这场战略转向的必然性。10月6日OpenAI发布AgentKit，10月16日Anthropic推出Claude Skills，12月9日Anthropic将MCP捐赠给Linux基金会，12月18日Skills成为开放标准，12月20日OpenAI在Codex文档中加入Skills支持。短短两个多月，行业巨头从各自为战到相互适配，背后是对“标准化是规模化前提”的共识。

Anthropic的战略逻辑尤为清晰，通过构建解决互操作性问题的开放规范，将价值归于整个生态而非自身，以此确立在AI基础设施领域的定义权。即便Claude不是唯一使用Skills的AI，只要它最擅长运用这些技能，就能在生态中占据核心位置。而OpenAI的跟进，则印证了开放标准的强大引力，无论此前的产品策略如何，最终都要融入这场标准化浪潮。

MCP+Skills：AI的“App Store时刻”已然到来？

2024年，行业还在争论“要不要做Agent”，2025年的核心问题已变成“如何让Agent进入生产环境”。答案正在形成一套清晰的三层技术架构，让AI的工程化落地有了明确路径。

第一层是连接层，以MCP（Model Context Protocol）为核心。12月9日，Anthropic将MCP捐赠给Linux基金会，与OpenAI共同创立Agentic AI Foundation，Block、Google、Microsoft、AWS等企业纷纷加入，由基金会负责管理各类开放规范。MCP的核心作用，是解决“Agent能连接什么”的问题，实现与CRM、网盘、数据库、内部系统等各类工具与数据的安全对接，为AI构建起强大的外部连接能力。

第二层是知识层，即Skills。如果说MCP解决了连接问题，Skills则解决了“Agent怎么把事做对”的核心诉求，将工作流、规范、步骤、边界、检查点等程序性知识封装成标准化模块。正如行业观点所言，MCP提供与外部软件和数据的安全连接，而Skills提供有效使用这些工具的程序性知识，两者结合构成了AI落地的核心能力。

第三层是编排层，以AgentKit、Agent Builder为代表。通过可视化工作流设计、多Agent协调、防护栏配置等功能，实现对Skills与MCP连接的灵活调度，让复杂业务场景的自动化成为可能。这三层架构相互独立又协同联动，每一层都可自主演进，无需受其他层级的限制，为AI的规模化落地提供了稳定可靠的技术底座。

这种架构分工，让人不禁联想到移动互联网时代的App Store生态，MCP如同iOS的系统API，定义了应用如何访问设备硬件与系统资源，Skills则像是一个个独立App，将通用能力封装成特定场景的解决方案，而Skills Directory就是AI领域的App Store，构建起可发现、可分发、可评价的技能市场。

目前，Skills目录已上线来自Notion、Figma、Atlassian等合作伙伴的专业技能，这些技能与各自的MCP连接器无缝协作，形成强大的集成工作流。正如Simon Willison所言，他已经开始构思构建专属技能，比如关于如何搭建Datasette插件的技能，而Skills的设计亮点在于，它不局限于特定模型，只需将Skills文件夹指向Codex CLI或Gemini CLI，就能实现跨模型复用。

这种真正的开放，打破了平台与模型的壁垒，让知识资产能够在整个AI生态中自由流动。当一个“税务合规”Skill可以在Claude、Codex、Cursor中无缝使用，一个“客户画像分析”Skill能够从Google Drive拉取数据并通过Notion输出报告，AI才算真正具备了进入企业生产环境的能力，这场“App Store时刻”的到来，将彻底激活AI的生态创造力。

企业落地考验：从隐性知识显性化到安全治理

AI的战略转向，最终要在企业场景中接受检验。日本电商巨头乐天的实践，为行业提供了宝贵的参考样本。乐天AI团队正利用Skills改造此前需要跨部门手动协调的财务运营流程，乐天AI总经理Yusuke Kaji表示，Skills极大简化了管理会计和财务工作流的落地难度。

这个案例的核心价值，不在于AI能够处理财务工作，而在于Skills实现了跨部门隐性知识的显性化。财务运营涉及的流程性知识，比如先拉数、校验、汇总、套模板再出具报告的步骤；合规性知识，比如必填字段、审批流程、格式要求；组织性知识，比如权限分配、复核责任人、问题对接机制，这些原本散落在老员工脑海中的隐性知识，被封装成一个个可复用、可版本控制、可审计的Skill，彻底改变了知识传承的方式。

但企业级部署从来不是一帆风顺，Skills包含可执行代码的特性，带来了不容忽视的安全风险。Anthropic在文档中明确警告，建议仅从可信来源安装Skills，对于来源不明的Skill，需在使用前彻底审核，重点关注代码依赖项、捆绑资源以及连接外部网络源的指令。这就要求企业必须建立完善的Skill治理体系，将安全与合规贯穿始终。

一套完整的Skill治理体系，至少应包含三个核心环节。一是审核环节，将Skill上线前的审核等同于代码Review，确保没有安全漏洞与合规风险；二是权限环节，明确Skill的安装权限与使用范围，不是所有用户都能安装，也不是所有Skill都能在全组织范围内运行；三是审计环节，建立完整的操作日志，清晰记录“谁在什么时候触发了哪个Skill，做了什么动作”，确保每一次操作都可追溯、可问责。

对于Anthropic的Team和Enterprise计划用户，管理员需在Admin设置中手动启用代码执行、文件创建与Skills功能，同时可上传组织专属技能并向全用户开放。这一系列配置要求，本质上是将AI落地与组织变革深度绑定，AI的规模化应用，不仅需要技术支撑，更需要组织架构、治理流程的协同调整，这正是企业级AI部署的核心考验。

标准之争背后：从AI战国到统一生态

Anthropic的开放标准战略，正在重塑AI行业的竞争格局。仔细观察其一系列动作，不难发现清晰的战略脉络：先构建解决真实问题的协议，无论是MCP还是Skills，都瞄准了行业的核心痛点；再将协议发布为开放标准，让整个生态共享技术价值；最后捐赠给中立基金会，建立行业信任；同时确保Claude在使用这些标准时具备领先优势，以此确立自身在生态中的核心地位。

这种战略与OpenAI形成了鲜明对比，OpenAI更倾向于构建完整的产品生态，从ChatGPT Apps到AgentKit，再到Connector Registry，形成闭环的产品矩阵，而Anthropic则聚焦于基础设施建设，通过开放标准定义行业规则。但有趣的是，OpenAI最终还是选择加入Skills生态，这充分说明，在AI的规模化进程中，开放标准的价值远大于封闭生态的短期利益，即便是行业巨头，也无法逆势而行。

Linux基金会的入场，标志着AI行业从“百家争鸣”的战国时代，迈入“标准化治理”的新阶段。作为全球极具影响力的开源组织，Linux基金会在标准化制定、生态治理方面拥有丰富经验，其介入将加速AI开放标准的落地与推广，避免行业陷入碎片化的标准之争。当所有企业都遵循统一的MCP与Skills标准，AI的互操作性将大幅提升，生态繁荣才有了坚实基础。

标准化带来的最大价值，是打破平台壁垒，实现知识资产的跨场景复用。想象一下，一个企业沉淀的“客户服务话术优化”Skill，不仅能在内部的Claude中使用，还能无缝迁移到客服系统的AI助手、社交媒体的自动回复工具中；一个“项目管理流程”Skill，能够对接不同的协作工具，在Jira、Notion、Trello中保持一致的执行逻辑。这种跨平台、跨场景的复用能力，将彻底释放AI的价值，让知识资产成为企业的核心竞争力。

行业标准的统一，还将降低AI的开发门槛。对中小企业而言，无需投入大量资源从零构建Agent，只需在标准生态中选择合适的Skills，结合自身业务需求进行简单配置，就能快速实现AI落地。这将让AI不再是大型企业的专属，而是成为所有企业提升效率的通用工具，推动整个行业的数字化转型。

终局：知识组织方式成新核心竞争力

回到最初的问题，为什么OpenAI和Anthropic都在劝你别再堆Agent了？因为它们都看到了AI行业的竞争本质正在发生变化，2025年的AI竞争，不再是模型参数的比拼，不再是Agent数量的堆砌，而是知识组织能力的较量，是将组织知识转化为可执行工作流的效率之争。

Gartner分析师Arun Chandrasekaran指出，对于许多需要人工输入的业务用例，带有Skill的AI模型已经能够代表人类执行操作，这为模型赋予了更强的代理能力，让AI从辅助工具升级为执行主体。Omdia分析师Lian Jye Su补充道，Skills让代理能够直接运行软件，无需在不同工具之间协调，大幅提升了自动化的流畅度。

随着标准的收敛与生态的成熟，Skills将逐渐分化为两类，成为企业AI落地的核心支撑。一类是通用Skills，可在市场上直接购买或订阅，比如GDPR合规检查、财务报表生成、代码安全扫描等，这类Skills的竞争焦点在于质量、可靠性与维护能力，谁能提供更稳定、更高效的通用解决方案，谁就能在市场中占据优势。

另一类是组织私有Skills，沉淀企业独有的流程与知识，比如公司特殊的报销流程、客户分级标准、产品研发规范等。这类Skills是企业的核心护城河，无法被竞争对手复制，其价值远超过通用Skills。未来，企业的AI竞争力，将直接取决于私有Skills的沉淀数量与质量，取决于能否将隐性知识高效转化为标准化的可执行模块。

对于AI从业者而言，这场战略转向意味着职业方向的重构，三点建议值得关注。首先，要彻底停止“一个场景一个Agent”的惯性思维，在内部决策中少问“要不要做新Agent”，多问“哪个流程能写成Skill，实现复用、治理与规模化”，从碎片化开发转向知识资产化沉淀。

其次，要将Skills当成代码一样管理，建立完整的生命周期管控体系，用Git管理版本，实施Code Review流程，编写测试用例与评测集，做好发布管理与灰度上线，确保Skills的质量与安全，避免因管理疏漏引发业务风险。

最后，要重点投资知识工程能力，未来最具价值的角色将是“知识工程师”，他们能够将领域专家的隐性知识，翻译成AI可执行的Skill，搭建起人类知识与AI能力之间的桥梁。Simon Willison曾提到，有人认为Skills过于简单，算不上核心功能，但这种“简单却强大”的设计，恰恰是优秀产品的标志，足够简单让人人都能使用，足够强大能解决真实问题。

结语：AI范式重构的革命已然开启

2024年，我们见证了Agent能力的爆发式增长，AI从实验室走向大众视野，展现出惊人的潜力。2025年，我们正在见证Agent工程化的开启，AI行业迎来了从“造更聪明的AI”到“让AI更好地理解和执行人类组织知识”的范式重构。

OpenAI与Anthropic的战略转向，本质上是在做同一件事，那就是把Agent从玩具变成工具，从Demo变成产品，从实验变成基础设施。它们用各自的路径，推动着AI行业从野蛮生长走向规范成熟，让AI真正具备规模化落地的能力。

在这场静悄悄的革命中，真正拉开企业差距的，不是拥有多少个Agent，而是沉淀了多少可复用、可治理、可分发的Skills。当大模型越来越通用，当技术壁垒逐渐降低，知识的组织方式将成为新的核心竞争力，决定着企业在AI时代的生死存亡。

目前，这场范式转换才刚刚开始，AI的知识资产化之路还有很长的距离要走，标准的完善、生态的繁荣、治理的优化，都需要行业各方的共同努力。但可以确定的是，AI的下一个时代，将是知识资产化的时代，谁能提前布局，谁能高效沉淀知识资产，谁就能在这场变革中占据先机，成为AI时代的领跑者。而那些仍沉迷于堆砌Agent的从业者，或许将在这场范式重构中，逐渐被行业淘汰。