保存しただけのプロンプトは負債です。特定ベンダーの画面の中にしかなく、他の人は読めず、製品名が変わればなくなってしまうこともあります。スキルは同じ指示に、トリガー、例、担当者を加えて、自分で管理できるフォルダに置いたものです。生き残るのはこちらです。
このタイミングは決して他人事ではありません。Googleは個人アカウントでのGeminiのGemsを終了し、2026年後半に予定しているスケジュールで「スキル」へ変換します。ユーザーはタスクのスレッドで「/」を入力して呼び出します（TechCrunch）。その翌日、OpenAIはChatGPTのプラグインを拡張し、サイドバーのホーム、インタラクティブなパネル、Plugin Creatorを追加しました（TechCrunch）。カスタムGPT、Gems、プラグイン、アプリ、スキル。呼び方は違っても、根っこにあるのは「指示を毎回打ち直したくない」という同じ発想です。
そうしたアシスタントを数十個作ってきたなら、今やるべきことは2つあります。作ったものを残すこと、そして次に名前が変わっても、かかるのが数か月ではなく半日で済むくらい持ち運びやすくしておくことです。このガイドでは、テンプレート、テスト手順、移行チェックリスト、そして「作らなくてよい場合」への率直な答えとともに、その両方の方法を紹介します。
保存したアシスタントの名前が変わり続ける理由
Gemsは2024年に、毎回指示を繰り返さずに使えるタスク特化型アシスタントとして登場し、共有もできました。Google自身のヘルプページには、Gemsは個人アカウントでは終了し、自動的にスキルへ移行すると書かれています（Google Gemini Help）。TechCrunchによると、自動移行なのでユーザー側の操作は不要です。また、スキルはスラッシュコマンドで呼び出す形で、同誌はこれをエンジニアが好みがちなインターフェースだと評しています。
自動移行と聞くと安心ですが、指示のテキストについてはおおむねその通りです。Googleによれば、対応するナレッジファイルも一緒に移行されます。ただしスキルへのアップロードはプレーンテキスト、PDF、画像に限られ、WordやExcelのファイルは使えません。また移行ページには、共有とDriveにリンクされたファイルは今後数週間で対応すると書かれています（Gemini Help、アップロードのルール）。移行で動くのはコンテンツです。頭の中にしまっていた例や、どのGemをいつ使うかを知っていたチームメンバーまでは移してくれません。
同じパターンはベンダーを問わず繰り返されています。OpenAIがかつて共有に使っていた形式はカスタムGPTでしたが、現在の開発者向けドキュメントでは、MCPサーバーとあわせてスキルをパッケージ化するプラグインが説明されています（OpenAI Developers）。Anthropicのスキルに至っては、同社の製品同士でも同期されません。Anthropicのドキュメントによると、claude.aiにアップロードしたスキルはAPIでは使えず、Claude Codeのスキルはファイルシステムベースで、その両方とは別物です（Claude docs）。どのプラットフォームも、そこに保存したものの名前を変え、統合し、分割するものと考えておきましょう。
スキルとは何か:宣伝文句を抜きにして
スキルはフォルダです。Anthropicの定義では、エージェントが特定のタスクのために見つけて動的に読み込める、指示、スクリプト、リソースが入っています（Anthropic Engineering）。必須ファイルは SKILL.md だけで、冒頭に名前と説明を書き、その後に指示を続けます。
最も重要なのは説明（description）です。起動時にアシスタントが読み込むのは各スキルの名前と説明だけ（Anthropicによると1つあたり約100トークン）で、あなたのリクエストをそのテキストと照合して、残りを開くかどうかを判断します。説明があいまいだと、スキルは一度も起動しません。逆に欲張りな説明だと、何にでも反応してしまいます。Anthropicの指針は、スキルが何をするのかと、いつ使うのかの両方を、三人称で書くことです。
これが、保存したプロンプトにないひとつ目の要素です。プロンプトは、あなたが貼り付けてくれるのを待っています。スキルにはトリガーがあるので、アシスタントは頼まれなくても自分で拾い上げられます。優れたスキルのほかの要素は、すべてこのトリガーを真剣に考えるところから決まってきます。
構成要素は6つです。トリガーは、いつ起動するかを示します。入力は、ユーザーが必ず用意するものと任意のものを示します。手順は、順番に並べた指示です。ツールは、チャットの外に出て使う必要があるものを指定します。例は、実際の入力と、承認された出力を並べて示します。出力形式は回答の形を固定するもので、これによって実行ごとの結果を比較できるようになります。
最も力を入れるべきなのは例です。例は二役をこなします。アシスタントに望みを教える入力と出力のペアが、そのまま、編集で何かが壊れたことを知らせるテストケースにもなるからです。例を省くと、フォルダの中にプロンプトを書いただけになってしまいます。
スキルはひとつのファイル形式に収束しつつある
ロックインを心配している人には朗報です。形式は固まりつつあります。Anthropicは2025年に、プラットフォーム間の移植性のためのオープンスタンダードとしてAgent Skillsを公開し、仕様はagentskills.ioで公開されています。スキルは、必須の SKILL.md を含むディレクトリで、任意の scripts/、references/、assets/ フォルダを置けます。name は小文字の英字、数字、ハイフンで64文字まで、description は1,024文字までです（Agent Skills spec）。
OpenAIのドキュメントによると、同社のスキルも同じオープンスタンダードの上に作られています。各スキルは、名前と説明のフロントマターを持つ必須の SKILL.md を含むディレクトリで、ChatGPTでは @、Codexでは $ で明示的に呼び出せます。説明をもとにモデルに選ばせることもできます（OpenAI）。GoogleのGemini CLIのドキュメントには、スキルが同じ標準に基づくと書かれています（Gemini CLI docs）。またGeminiアプリのヘルプページには、他のプラットフォームで作ったスキルは SKILL.md ファイルをアップロードしてインポートできるとあります（Gemini Help）。ただし、アプリがオープン仕様のすべてに対応しているというGoogleの記述は見つかりませんでした。頼りにする前に、必ずアップロードを試してください。
つまり、持ち運べるコアはすでに3ベンダーに広がっています。ClaudeとClaude Codeは読み込めますし、ChatGPTとCodexもOpenAIの説明ではそうです。Google Geminiはアップロードを受け付けます。同じフォルダを唯一の情報源として持ち、アップロードのたびに例を再実行しましょう。Geminiのアップロードでは、.docxなどのバイナリ形式は拒否され、外部サイトを呼び出すスクリプトはブロックされます（Gemini Help）。
移行しても生き残るスキルの書き方
移植性は、ほとんどが習慣の問題です。次の4つを守れば大半をカバーできます。
- 情報源は、ベンダーのエディタの中だけに置かず、バージョン管理下のプレーンなフォルダに置きます。ベンダー側のコピーはあくまでデプロイ先です。
- 製品の機能ではなく、成果物と形式を指定して書きます。「3列の表を返す」はどこでも通用しますが、「キャンバスパネルを使う」は通用しません。
- 長いもの（スタイルガイド、スキーマ、ポリシー）は別の参照ファイルに置き、
SKILL.mdから1階層だけの深さでリンクします。Anthropicは、それより深いチェーンだと一部しか読まれないと警告しています。 - 短く保ちます。Anthropicは本文を500行未満にすることを勧めており、オープン仕様も、指示は約5,000トークン以内に収めるよう提案しています。
多くのチームが繰り返す作業、週次のクライアント報告を例に、実際の形を見てみましょう。
---
name: drafting-client-updates
description: Drafts a weekly client status update from raw project notes. Use when the user pastes notes, a ticket export or a standup log and asks for a client-ready update.
metadata:
owner: ops-team
version: "1.2"
---
# Drafting client updates
## Inputs
- Required: raw notes for the week
- Optional: client name, tone (default: plain and direct)
## Steps
1. Group items into Done, In progress and Blocked.
2. Drop internal ticket IDs and jargon.
3. Lead with the one thing the client must decide, if any.
## Output
Use the template in references/update-template.md.
## Examples
See examples/ for three accepted drafts.何が書かれていないかに注目してください。おだてる言葉も、「あなたは世界クラスのアカウントマネージャーです」という一文も、ステータス報告とは何かの説明もありません。アシスタントはすでに知っているからです。Anthropic自身の助言は、すべての段落に対して「トークンのコストに見合うか」と問いかけ、モデルが持っていない文脈だけを加えることです。
metadata ブロックにも注目してください。オープン仕様ではこれを自由形式のキーと値のマップと定義しており、担当者やバージョン番号を入れる場所として適しています。お使いのプラットフォームがインポート時にこれを保持するか確認しましょう。
ソフトウェアと同じようにテストする。実際そうなのだから
Anthropicの作成ガイドで最も役立つ一文は、詳しいドキュメントを書く前に評価を作れ、というものです。手順は短いものです。まずスキルなしで代表的なタスクをアシスタントに実行させ、どこで失敗するかを記録します。その穴を突くシナリオを3つ書きます。それを通すのに必要なだけの指示を加えます。そしてベースラインと比較します。
3つというのは、Anthropicの共有前チェックリストに載っている最低ラインで、あくまで下限です。自分の仕事から実際の入力を5〜10件拾い、実際に採用した出力を残しておきましょう。そのフォルダがリグレッションテスト一式になります。編集のたびに、そしてプラットフォームが変わるたびに、入力を再実行して差分を読みます。手間は小さく、気づかないうちに起きるずれを見つけられる唯一の方法です。
モデルをまたいだテストも必要です。Anthropicのガイドによると、最上位の強力なモデルで完璧に動くスキルでも、小型のモデルではもっと詳しい記述が必要になることがあります。使う予定のモデルすべてで実行してください。ベンダー間を移る場合も同じです。あるアシスタントで調整したスキルは、そこで例を実行するまで、別のアシスタントでテストしたことにはなりません。
ツールが欲しければ、PromptfooはCIで保存したケースをプロンプトに対して実行でき、PromptLayerはプロンプトのバージョンと実行を追跡できます。ほかのツールはプロンプトエンジニアリングツールのランキングで紹介しています。どれも必須ではありません。例を入れたフォルダとチェックリストがあれば、かなりのところまでカバーできます。基盤モデルが変わっても通用するパターンは、長持ちするプロンプトの指南書で解説しています。
MCPの位置づけ
スキルは、仕事のやり方をアシスタントに伝えるものです。何かへのアクセス権を与えるわけではありません。そのためにはツールが必要で、持ち運べる形でツールを提供する方法がModel Context Protocolです。AIアプリケーションを外部システムにつなぐためのオープンスタンダードで、ドキュメントではUSB-Cポートにたとえられています（MCP docs）。対応クライアントとして、Claude、ChatGPT、Cursor、VS Codeなどが挙げられています。動く実例を見るなら、Model Context Protocol serversリポジトリが参考になります。
OpenAIのプラグインのドキュメントは、役割をきれいに分けています。ワークフローの指示にはスキル、ライブデータ、認可、制御されたアクションにはサーバーを使う、という線引きです。スキルがMCPサーバーを必要とする場合は、agents/openai.yaml で依存関係を宣言します。申請時にプラグインのMCPサーバーからインポートされたスキルは、ドラフト内ではスナップショットになり、ChatGPTやCodexが実行時にあなたのサーバーから取得することはありません（OpenAI Developers）。実務上の結果として、スキルを変更したら、サーバーを再デプロイして再スキャンしてから、新しいプラグインバージョンを申請することになります。
Anthropicには、実際のデバッグ時間を節約できる小さな書き方のルールがあります。MCPツールは ServerName:tool_name という完全修飾名で参照することです。複数のサーバーが接続されていると、名前だけでは解決に失敗することがあるためです。
Shopifyは、これがどこへ向かうかを示しています。サーバー間エージェント向けにホスト型のMCPサーバーを、ブラウザエージェント向けに提案中のWebMCP標準を公開しています。さらに最近、チェックアウトの取得、更新、完了のツールを追加しました。これにより、エージェントはページをスクレイピングせずに、チェックアウト画面を読み取り、購入者の承認のもとで注文を送信できます（TechCrunch）。Shopifyのストアを運営しているなら、ツール層はプラットフォームが提供するものになりつつあります。スキルの役割は、その周辺での判断です。
OpenAI自身の発表も同じ方向を示しています。ChatGPTは会話の途中でアプリを提案するようになり、同社は週間ユーザー数を12億人としています（TechCrunch）。またプラグインの更新で、提案中のMCP Events仕様への対応を加えたとOpenAIは述べています。これにより、接続したアプリのイベントでオートメーションを開始できるようになります（TechCrunch）。ツールをMCPの背後に置くほど、個々のアシスタントのプラグイン形式は重要でなくなります。
別の混乱を生まずにチームで共有する
スキルをどこに置くかで誰が使えるかが決まり、そのルールは製品ごとに違います。Claudeのドキュメントでは、claude.aiのカスタムスキルは個々のユーザーのものなので、チームメンバーはそれぞれ別々にアップロードする必要があり、管理者が一括配布することはできません。APIではワークスペース全体で使えます。Claude Codeでは、個人用フォルダか、プロジェクトの .claude/skills/ ディレクトリに置かれるため、リポジトリと一緒に持ち運べます。
ほとんどのチームにとって、リポジトリを使うのが最良の答えです。スキルをgitに置き、変更はコードと同じようにレビューし、リリースにはタグを付け、各自がプルして使います。zipファイルをノートPC間でコピーしていると、クライアント報告スキルが7バージョンできて、どれが正しいのか分からなくなります。
共有するスキルには、名前の決まった担当者、バージョン、編集ごとの変更履歴1行が必要です。セキュリティレビューも欠かせません。Anthropicのドキュメントは、スキルをインストールするソフトウェアと同じように扱い、同梱のスクリプトを監査し、外部URLを取得するスキルには警戒するよう述べています。取得したコンテンツに悪意ある指示が含まれる可能性があるからです。これは同僚が書いたスキルにも、公開GitHubリポジトリのスキルを索引化しているSkillsMPのような公開コレクションのスキルにも当てはまります。
すでにお持ちのスキルで、下のスコアラーを試してみてください。これは標準ではなく、私たち独自のチェックリストで、あえて手厳しくしてあります。トリガー、例、テストセット、プラットフォーム外のコピーは2倍で数えます。上のセクションで述べたとおり、スキルをテストして移せるかどうかを決めるのはこの4つだからです。
保存したすべてのアシスタント向けの移行チェックリスト
ベンダーに迫られる前に、アシスタント1つにつき1回ずつ実施してください。時間の大半は、元のナレッジファイルを探す作業に費やされます。
最も大事なのが再実行のステップで、最も飛ばされがちでもあります。読んだ限り問題なさそうなのに、出力形式がいつの間にか変わっている変換後のGemは、目に見えて壊れたものより悪質です。1か月も誰も気づかないからです。保存した出力と一致しなければ、直すのは期待ではなくスキルのほうです。
手動で呼び出すアシスタントでも、トリガーの一文は書いておきましょう。何のためのものかを決めざるを得なくなりますし、保存したアシスタントの中には、ひとつの名前で2つの仕事をこなしているものが見つかります。そういうものは分割してください。
スキルを作らないほうがよいとき
ほとんどのプロンプトはスキルにしなくて構いません。2回しか実行しないタスクはただのプロンプトです。パッケージ化のコストのほうが節約分を上回りますし、メンテされないスキルが的外れなタイミングで起動すると、アシスタントが選ぶ候補を散らかすため、ないほうがましです。
判断を伴わない固定の手順は、多くの場合、普通の自動化にしたほうがうまくいきます。毎回同じトリガー、同じAPI呼び出し、同じ出力なら、n8nやZapierのようなワークフローツールのほうが、モデルにレシピを守らせるより安くて予測しやすくなります（使い分けはエージェントと自動化ツールの比較ガイドで解説しています）。スキルを選ぶのは、作業が言語、判断、あるいは雑多な入力を必要とするときです。
入力のたびに進め方そのものが変わるなら、必要なのはエージェントで、スキルとツールはそれが取り出して使う部品になります。選択肢はAIエージェントのランキングで紹介しています。下の比較は私たち独自の編集上の分類で、ベンダーの仕様でも実測データでもありません。チェックマークは、スキルが説明との一致で読み込まれる、プラグインがライブのツールサーバーを追加する、といった上のセクションで裏付けられる項目です。半円は、アシスタントごとにプラグイン形式が違うように、ベンダーや環境によることを示します。
まだ迷うなら、下のツリーが3つの質問でほとんどのケースを振り分けます。ツールや習慣の選び方についてもっと広い文脈は、実践プロンプトエンジニアリングガイドと、プロンプトエンジニア向けAIツールのランキングをご覧ください。
タイミングについて、最後にもうひとつデータを挙げます。OpenAIは、プラグインディレクトリのランキングとレコメンドを改善したと述べており（TechCrunch）、そのエンタープライズ向けマーケットプレイスは、Adobe、Figma、Salesforceを含む30社以上のパートナーとともに始まりました（TechCrunch）。ドキュメント化されテストされたスキルなら、自分のスケジュールで申請も共有も終了もできます。保存しただけのプロンプトは、ベンダーが残してくれるのを願うしかありません。
よくある質問
Gems、カスタムGPT、スキルは同じものですか?
重なる部分はありますが、同一ではありません。どれも再利用のために指示を保存するものです。スキルには、説明に基づくトリガーが加わり、オープン形式では、必要なときだけ読み込まれるスクリプトと参照ファイルも含められます。Gemsとカスタム GPTは、主に、1つのベンダーのエディタ内の指示とアップロードしたナレッジでした。
Gemsは手間なくスキルに変換されますか?
Googleによると、移行は自動で、ユーザーの操作は不要であり、対応するファイルはGemと一緒に移行されます。指示のテキストは引き継がれるはずです。添付ファイル、共有アクセス、頼りにしていた出力形式が同じように動くかどうかは、保存した例を実行して確認してください。
ひとつのスキルをClaude、ChatGPT、Geminiで動かせますか?
SKILL.md 形式はオープンスタンダードで、AnthropicとOpenAIの両方のドキュメントに記載があります。GoogleのGeminiアプリも SKILL.md のアップロードを受け付けますが、スクリプトとファイル形式には制限があります。3つのどれでも、1つのフォルダを情報源として持ち、アップロードのたびに例を再実行してください。
スキルはどのくらいの長さにすべきですか?
短くしてください。Anthropicはメインファイルを500行未満にするよう勧めており、オープン仕様も指示を約5,000トークン以内に収めるよう提案しています。長い参照資料は、必要なときだけ読み込まれる別ファイルに移しましょう。
スキルを作るのにMCPは必要ですか?
いいえ。指示、例、テンプレートだけのスキルなら、ツールはまったく不要です。スキルがライブデータを読んだり、アクションを実行したりする必要があるときにMCPを加え、権限は指示の中ではなくサーバー側で管理してください。
チームのスキルは誰が管理すべきですか?
スキル1つにつき名前の決まった担当者を1人置き、共有リポジトリも用意してください。担当するというのは、質問に答え、編集をレビューし、プラットフォームが変わったら例を再実行することです。それがなければ、スキルは、置き換えるはずだったウィキと同じ速さで朽ちていきます。