Google Cloud が2026年3月17日、AIエージェントのスキル設計パターン5つを公開した。Anthropic（Claude Code）やVercelの公式リポジトリを横断分析し、実務で繰り返し現れる構造を抽出したものだ。ADK（Agent Development Kit）開発者向けに整理されているが、Claude Code・Cursor・GitHub Copilotなど主要ツール全てに適用できる。この記事では各パターンの仕組み、具体的な実装例、そしてパターン同士の組み合わせ方を解説する。
そもそもAIスキルとは何か
AIスキルは、エージェントに特定の能力を追加するモジュールだ。SKILL.mdファイルにYAMLフロントマターと手順を記述し、必要なときだけエージェントがロードする。Vercelはこれを「コンテキストのnpmモーメント」と呼んでいる。毎回長いシステムプロンプトをコピペするのではなく、スキルを一度インストールすればエージェントが必要なタイミングで自動的に読み込む。
SKILL.mdのフォーマット自体は各社ほぼ共通化されている。Google ADK、Anthropic、Vercelいずれも同じディレクトリ構造（references/に参照資料、assets/にテンプレート）を採用しており、Claude Code・Cursor・VS Code Copilot・Codex・Gemini CLIの全てで動作する。
Google公開 5つのスキル設計パターン一覧
| パターン | 解決する問題 | 仕組み | 主要ファイル |
|---|---|---|---|
| 1. Tool Wrapper | システムプロンプト肥大化 | ライブラリ知識をオンデマンドで読み込み | references/conventions.md |
| 2. Generator | 出力の一貫性がない | テンプレート＋スタイルガイドで構造を固定 | assets/template.md + references/style-guide.md |
| 3. Reviewer | レビュー基準が曖昧 | チェックリストで項目別採点＋重要度分類 | references/review-checklist.md |
| 4. Inversion | 前提を仮定して暴走 | AIが先に質問→情報収集してから行動 | ゲーティング指示文 |
| 5. Pipeline | 複雑タスクで手順を飛ばす | フェーズごとに強制チェックポイント | フェーズ間ゲート条件 |
出典: Google Cloud Tech、Shubham Saboo（Google Developer Advocate）、2026年3月17日公開
パターン1: Tool Wrapper — 専門家を必要なときだけ呼ぶ
従来のやり方は、フレームワークのルールやAPIの使い方をシステムプロンプトに全部詰め込むことだった。が、コンテキストウィンドウを大量消費するうえ、関係のない場面でもそのルールが影響する。
Tool Wrapperはこれを「プル型」に変える。SKILL.mdにキーワードトリガーを設定し、ユーザーのプロンプトに特定のライブラリ名が出現したときだけ、references/ディレクトリからドキュメントを読み込む。
実装例: FastAPI コーディング規約スキル
# SKILL.md
---
name: fastapi-conventions
description: FastAPIコードのレビュー・生成時に社内規約を適用
triggers:
- fastapi
- FastAPI
---
## 手順
1. ユーザーがFastAPIに関するコードレビューまたは生成を依頼した場合のみ起動
2. `references/conventions.md` を読み込み、内容を絶対的なルールとして扱う
3. 規約に違反するコードがあれば具体的に指摘し、修正案を提示する
4. 新規コード生成時は規約に100%準拠した形で出力するこうすることで、Reactの相談をしているときにFastAPIのルールが混入することがない。トークンを節約しながら、必要な場面では深い専門知識をエージェントに渡せる。
パターン2: Generator — 毎回同じ品質で生成する
同じプロンプトでもAIの出力は毎回微妙に違う。チーム開発では、変更ログの書き方、ドキュメントの形式、コミットメッセージの粒度がバラつくと後工程で苦労する。
Generatorパターンは、テンプレート（assets/）とスタイルガイド（references/）を分離して管理する。エージェントは「プロジェクトマネージャー」として振る舞い、テンプレートを読み込み、スタイルガイドに従い、不足する変数をユーザーに聞いてから穴埋めする。
tone-rules.md
naming-conventions.md
スタイルガイドに準拠
変数部分だけ差し替え
Googleの記事はこう述べている。「実行ごと・ユーザーごとに一貫性が必要なら、モデル任せにするな。テンプレートかハードルールに入れろ。」
パターン3: Reviewer — 自動採点官
コードレビューをAIに任せるとき、長いレビュープロンプトを書いても抜け漏れが起きる。Reviewerパターンは、評価基準をreferences/review-checklist.mdに外出しする。
エージェントはチェックリストを読み込み、項目ごとにスコアをつけ、検出された問題を重要度別に分類する。採点結果は再現性がある数値になるため、レビュー品質が個人のプロンプト力に依存しなくなる。
review-checklist.md の例
# コードレビュー チェックリスト
## セキュリティ（配点: 30）
- [ ] SQLインジェクション対策
- [ ] 入力バリデーション
- [ ] 認証・認可の適切な実装
- [ ] シークレットのハードコード禁止
## パフォーマンス（配点: 25）
- [ ] N+1クエリの有無
- [ ] 不要なループ処理
- [ ] キャッシュ戦略
## 可読性（配点: 25）
- [ ] 関数の単一責任
- [ ] 命名規則の一貫性
- [ ] コメントの適切さ
## テスト（配点: 20）
- [ ] エッジケースのカバー
- [ ] テスト命名の明確さGoogleは「少数の明確な評価軸を一貫して適用する方が、解釈の余地がある長いチェックリストより、きれいなシグナルを出す」と指摘している。
パターン4: Inversion — 先に聞く、後で動く
AIエージェントの典型的な問題は、曖昧な指示をもらうと仮定で補完してそのまま走ること。結果、意図と違うものを大量に生成して手戻りが発生する。
Inversionパターンは制御を反転させる。エージェントが即座に実行するのではなく、構造化された質問をユーザーに投げ、全ての回答が揃うまで生成を開始しない。SKILL.mdには「全フェーズが完了するまで構築を開始してはならない（DO NOT start building until all phases are complete）」とゲーティング指示を明記する。
Googleの計測では、このパターンを導入した結果、曖昧さに起因するリトライ回数がセッションあたり4.1回から1.3回に減少した。
パターン5: Pipeline — 自動化ライン
複雑なタスクをエージェントに任せると、面倒な中間ステップを飛ばして最終出力だけ生成しようとすることがある。Pipelineパターンは、ワークフロー自体をSKILL.mdの指示として定義し、各フェーズ間に強制チェックポイントを設ける。
たとえば、ドキュメント生成パイプラインなら「docstring生成 → ユーザー確認 → ドキュメント組み立て → Reviewerによる自己検査」という流れになる。エージェントは前のフェーズの出力が承認されるまで次に進めない。
Pipelineの末尾にReviewerパターンを組み込むことで、エージェントが自分の出力を検査してから納品する構造が作れる。
5パターンは組み合わせて使う
これらのパターンは排他的ではない。むしろ組み合わせることで真価を発揮する。
- Pipeline + Reviewer: パイプラインの最終ステップでReviewerを実行し、自己検査を組み込む
- Generator + Inversion: テンプレートを埋める前にInversionで変数をヒアリングし、抜け漏れを防ぐ
- Tool Wrapper + Pipeline: パイプラインの各ステップで必要なTool Wrapperだけをロードし、トークンを最小化する
Googleはこう述べている。「ひとつのパターンが別のパターンを内包でき、メンテナンスの複雑さを増やさずにスキルの高度化が可能になる。」
Anthropic・Vercel・Googleの立場
| 項目 | Anthropic | Vercel | Google ADK |
|---|---|---|---|
| 公式リポ | anthropics/skills | vercel-labs/agent-skills | ADK Skills Docs |
| 設計思想 | シンプルで組み合わせ可能なパターン | 「コンテキストのnpm」 | 5パターンのフレームワーク |
| SKILL.md上限 | 明示なし | 500行以下推奨 | 明示なし |
| 対応ツール | Claude Code | Cursor・VS Code等 | 全ツール対応 |
3社のアプローチは表面的には異なるが、根底にある哲学は共通している。Anthropicの「Building Effective Agents」研究が結論づけた通り、「成功しているエージェント実装は、複雑なフレームワークではなく、シンプルで組み合わせ可能なパターンを使っている」。
バイブコーディングでの活用法
これらのパターンは、バイブコーディング（自然言語でAIに開発を指示するスタイル）と相性が良い。以下は具体的な活用シナリオだ。
| シナリオ | 適用パターン | 効果 |
|---|---|---|
| チーム開発でコード規約を徹底 | Tool Wrapper | 規約違反を自動検出 |
| ブログ記事を一定品質で量産 | Generator + Inversion | 構造統一＋ヒアリングで抜け漏れ防止 |
| プルリクエストの自動レビュー | Reviewer | 採点基準の属人化を排除 |
| 大規模リファクタリング | Pipeline + Reviewer | 段階的実行＋自己検査で品質担保 |
| 新規プロジェクトの要件定義 | Inversion | リトライ68%削減 |
よくある質問（FAQ）
Q. SKILL.mdはどのAIツールで使えますか？
Claude Code、Cursor、VS Code Copilot、GitHub Codex、Gemini CLI、Google Antigravityの全てで動作します。SKILL.mdフォーマットは2026年時点でエージェントスキルのデファクトスタンダードになっています。
Q. 5つのパターンのうち、最初に導入すべきはどれですか？
Tool Wrapperから始めるのが最も手軽です。既存のコーディング規約やAPI仕様をreferences/ディレクトリに入れるだけで機能します。効果を実感したらReviewerやGeneratorを追加していくのがおすすめです。
Q. パターン同士を組み合わせるとき、制限はありますか？
技術的な制限はありません。Googleも「パターンは排他的ではなく、組み合わせ可能」と明言しています。ただし、SKILL.mdは500行以下が推奨（Vercel基準）なので、複雑な組み合わせは別スキルに分離する方が管理しやすくなります。
Q. Inversionパターンの「リトライ68%削減」の根拠は？
Googleの計測データです。Inversionパターン導入前のセッションあたりリトライ回数4.1回が、導入後に1.3回まで減少しました。曖昧な指示によるやり直しが構造的に防止されるためです。
Q. これらのパターンはADK専用ですか？
ADKのドキュメントで公開されましたが、フレームワーク非依存です。LangChain、LlamaIndex、直接API呼び出しなど、どの実装方法でも適用できます。パターンの本質はSKILL.mdの中身の構造化であり、特定のSDKに依存しません。
ソースリスト
- Google Cloud Tech 公式ポスト（2026年3月17日）
- Shubham Saboo（Google Developer Advocate）解説記事
- Google ADK Skills ドキュメント
- Anthropic Skills 公式リポジトリ
- Vercel Agent Skills リポジトリ
- Anthropic「Building Effective Agents」
- Awesome Agent Skills（500+スキルカタログ）
最終更新: 2026年3月19日
