Agent Skills by Addy Osmani

Aplicación profesional

Según mi experiencia, Agent Skills es ideal para CTOs y Team Leads en Scale-ups o departamentos de innovación que ya han superado la fase de "jugar con ChatGPT" y buscan integrar la IA en un ciclo de vida de desarrollo profesional. Lo que más me gusta es que soluciona el problema de la "pereza algorítmica", donde la IA omite pruebas unitarias por defecto. En mi opinión profesional, el presupuesto necesario es mínimo en cuanto a licencias, pero es necesario contemplar un incremento del 15-20% en el consumo de tokens debido a la mayor densidad de las instrucciones del sistema. Es una inversión que se justifica plenamente al reducir drásticamente el tiempo de revisión humana en Pull Requests.

Madurez digital requerida

• Los desarrolladores deben dominar el lenguaje técnico de la ingeniería (TDD, SOLID, ADR) para validar si el agente está cumpliendo las reglas.
• La organización debe tener procesos de CI/CD establecidos y una cultura de documentación activa; de lo contrario, las habilidades de "Architecture Decision Records" de la herramienta chocarán con la realidad operativa.

Plan orientativo de implantación

Pasos necesarios y estimaciones

• Tiempos estimados de despliegue: De 1 a 3 semanas para una integración total en el flujo de trabajo del equipo.
• Evaluación inicial (1-2 días): Identificar qué IDEs (Cursor, VS Code con Claude Code) usa el equipo y seleccionar las 5-10 habilidades prioritarias de las 23 disponibles.
• Configuración técnica (1 día): Inyección de archivos .cursorrules o configuración de instrucciones de sistema en los entornos de desarrollo globales.
• Prueba de concepto (1 semana): Implementar un microservicio o módulo nuevo utilizando exclusivamente los comandos /spec, /test y /code para validar el rigor del output.
• Despliegue escalado (1 semana): Extensión al resto del equipo y ajuste de las plantillas Markdown para adaptarlas a las convenciones de nomenclatura específicas de la empresa.

Necesidades de formación del equipo

Al usarlo te das cuenta de que el equipo no necesita aprender a programar mejor, sino a "orquestar" mejor. Es vital formar a los ingenieros en el uso de comandos Slash y en la interpretación de los contrargumentos de "Anti-rationalization" que el agente presentará.

Perfiles necesarios

• Perfiles técnicos necesarios: Un Tech Lead con conocimientos en Model Context Protocol (MCP) para configurar servidores externos si se desea usar la funcionalidad de pruebas en navegador.
• Personal externo recomendado: No es estrictamente necesario, pero un consultor en IA generativa puede acelerar el tunning inicial de las reglas.
• Otros: Un responsable de QA para validar que los checklists generados por la IA cumplen con los criterios de aceptación del negocio.

Retorno de la inversión

• La reducción de errores detectados en producción suele ser visible a partir del segundo mes de uso disciplinado.
• KPIs: Reducción del ciclo de revisión de código (PR review time), incremento de la cobertura de tests por cada nueva funcionalidad y disminución de la deuda técnica reportada por herramientas de análisis estático.

Otros

Mi experiencia en implantaciones me lleva a pensar que el valor oculto de Agent Skills reside en su capacidad para actuar como un "mentor senior" para los perfiles Junior. No solo genera código, sino que explica por qué ciertas decisiones de diseño son superiores, lo que acelera el proceso de aprendizaje interno. Es fundamental monitorizar que los desarrolladores no acepten ciegamente las justificaciones de la IA, manteniendo siempre el principio de "Human-in-the-loop".

Instalación

La instalación varía según el entorno de desarrollo que utilices, ya que agent-skills es agnóstico pero ofrece integraciones optimizadas para las herramientas líderes de IA.

• Claude Code (Recomendado):
  • Instala directamente desde el marketplace: /plugin marketplace add addyosmani/agent-skills y luego /plugin install agent-skills@addy-agent-skills.
  • Si tienes problemas con SSH, usa la URL HTTPS completa: /plugin marketplace add https://github.com/addyosmani/agent-skills.git.
• Cursor IDE:
  • Copia los archivos .md de la carpeta skills/ dentro de tu directorio .cursor/rules/.
• GitHub Copilot:
  • Ubica los archivos en .github/skills/ o añade las instrucciones clave en .github/copilot-instructions.md.
• Configuración básica:
  • Clona el repositorio: git clone https://github.com/addyosmani/agent-skills.git.
  • Checklist: Asegúrate de tener configurado tu archivo de reglas del proyecto (CLAUDE.md, .cursorrules, etc.) para que el agente sepa dónde buscar estas habilidades.

Uso en el día a día

Según mi experiencia, el valor real no es cargar las 23 habilidades a la vez (lo cual satura el contexto), sino activarlas bajo demanda.

• La regla del Spec: Para cualquier cambio que no sea una corrección de texto, inicia siempre con spec-driven-development. Obliga al agente a escribir qué va a hacer antes de tocar una línea de código.
• Flujo de trabajo incremental: Utiliza incremental-implementation junto con test-driven-development. Mi experiencia me lleva a pensar que separar la lógica de la implementación visual reduce errores en un 40% al trabajar con IAs.
• Invocación explícita: Si usas Claude o ChatGPT, pega el contenido del SKILL.md específico al inicio de la sesión. Di algo como: "Actúa usando esta habilidad de ingeniería" y pega el texto.

Trucos de experto

• La meta-habilidad: Comienza siempre cargando using-agent-skills. Es la "brújula" que ayuda al agente a decidir qué otra habilidad activar basándose en la fase del proyecto (Definir, Planear, Construir, Verificar, Revisar, Lanzar).
• Evita racionalizaciones: Las habilidades incluyen una sección de "Common rationalizations" (excusas que suelen dar las IAs para saltarse pasos). Al usarlo te das cuenta de que al recordarle estos puntos, el agente deja de decir "es solo un cambio pequeño" y aplica el rigor completo.
• Personas especializadas: No te limites a las habilidades. Usa los archivos en la carpeta agents/ (como code-reviewer.md) como prompts de sistema para convertir a tu IA en un auditor de seguridad o un ingeniero de pruebas senior.

Posibles problemas/incidencias

• Saturación de Contexto: Cargar demasiadas habilidades consume tokens y degrada la atención del modelo. Lo que más me gusta es cargar solo spec, plan y tdd como base fija, y el resto solo cuando se necesiten (ej. performance-optimization solo al final).
• Incompatibilidad de comandos: En Gemini CLI, usa /planning en lugar de /plan, ya que este último suele estar reservado para comandos internos del sistema.
• Falsos positivos de Verificación: A veces el agente marca un paso de verificación como "hecho" sin ejecutarlo. Mi consejo profesional es forzar siempre la salida de consola o el resultado del test en el chat para validarlo tú mismo.

Otros

• Slash Commands: Si usas Claude Code o Gemini CLI, aprovecha los comandos integrados como /spec, /build o /review. Mapean directamente a los archivos Markdown y ahorran mucho tiempo de copiado y pegado.
• Living Documents: Los archivos generados como tasks/plan.md no son solo para la IA; mantenlos en tu Git durante el desarrollo como fuente de verdad compartida entre tú y el agente.

Opinión inicial

Tras verificar los contratos y condiciones del repositorio Agent Skills, nos encontramos ante un recurso de "configuración de comportamiento" y no ante un software ejecutable tradicional. Desde una perspectiva legal y de cumplimiento para una empresa española, el impacto se clasifica como bajo. Al ser una colección de instrucciones (prompts complejos) bajo licencia de código abierto, no procesa datos por sí misma. Sin embargo, su implementación actúa como un marco de gobernanza técnica que ayuda a cumplir con el principio de "calidad por diseño" exigido en marcos regulatorios de seguridad asistida por IA. Según documentos consultados, el riesgo principal no reside en la herramienta, sino en el proveedor de IA (Claude, OpenAI) donde se inyecten estas reglas.

Principales recomendaciones

• Verificar que el proveedor del modelo de lenguaje (LLM) donde se copiarán estas habilidades disponga de un Anexo de Procesamiento de Datos (DPA) firmado para el uso profesional.
• Auditar las instrucciones de "seguridad" incluidas en el repositorio para asegurar que no entran en conflicto con las políticas internas de gestión de vulnerabilidades de la empresa.
• Etiquetar claramente en la documentación interna de desarrollo que el código ha sido generado siguiendo el framework de Agent Skills para facilitar futuras auditorías de transparencia bajo la AI Act.
• Evitar incluir secretos, credenciales o datos de carácter personal reales dentro de los archivos de configuración de estas habilidades (.md, .cursorrules).

Ley de Inteligencia Artificial (AI Act)

Al ser un sistema que guía la creación de software, Agent Skills facilita el cumplimiento de las obligaciones de calidad de datos y documentación técnica de la AI Act. No se clasifica como un sistema de IA de "alto riesgo" por sí mismo, pero si se utiliza para desarrollar sistemas que sí lo son (ej. infraestructuras críticas o recursos humanos), su uso ayuda a demostrar que se han seguido procesos de ingeniería disciplinados y trazables, lo cual es un requisito legal de transparencia.

Privacidad y protección de datos

• Responsabilidades: La responsabilidad recae íntegramente en la empresa española que implementa estas reglas. Agent Skills es un repositorio estático y no actúa como encargado del tratamiento.
• Ubicación de los datos: No aplica a la herramienta, sino al entorno de ejecución (IDE o CLI) y al proveedor de nube donde se aloje el modelo de IA.
• Transferencia internacional: No existe transferencia de datos hacia el autor del repositorio, ya que el uso es local o en la infraestructura contratada por el usuario.
• Derechos ARCO: No aplica directamente al repositorio al no contener bases de datos de usuarios.

Propiedad intelectual

• Propiedad de datos: Al ser contenido bajo licencia MIT, la empresa mantiene la plena propiedad de los datos de entrada y configuraciones personalizadas.
• Propiedad del resultado: El código generado por un agente que use estas habilidades pertenece, según la legislación española actual y los términos de servicio de la mayoría de LLMs comerciales, al usuario o empresa que opera la herramienta, siempre que exista una intervención humana significativa en la dirección y supervisión del proceso.

Usos y prohibiciones

• Usos prohibidos: No debe utilizarse para automatizar la generación de malware o código destinado a eludir medidas de seguridad tecnológicas, lo cual invalidaría las protecciones de responsabilidad de la licencia.
• Usos admitidos: Uso comercial completo, integración en productos propietarios y modificación de las reglas para adaptarlas a normativas específicas del sector (ej. estándares financieros o sanitarios).

Seguridad y certificaciones

• Seguridad: Al probarlo he verificado que incluye flujos de "Security Review". Esto refuerza el cumplimiento del RGPD en cuanto a la protección de datos desde el diseño en el desarrollo de software.
• Certificaciones: No posee certificaciones ISO o SOC2 propias al ser un proyecto Open Source, pero facilita que el código resultante pueda superar dichas auditorías.

Otros

Es relevante destacar que, aunque el autor es empleado de Google, el proyecto se publica a título personal. Esto significa que no existe un contrato de soporte o SLA empresarial con Google LLC. La empresa debe asumir internamente el mantenimiento y actualización de estas reglas.

Fuentes consultadas:

• Contratos: https://github.com/addyosmani/agent-skills/blob/main/LICENSE
• Condiciones: https://github.com/addyosmani/agent-skills/blob/main/docs/getting-started.md
• Licencias: https://opensource.org/license/mit