Cuatro de los repos más populares de GitHub son bibliotecas de skills, y ya hay un problema de empaquetado

Abrí la página diaria de tendencias de GitHub en la mañana del 8 de noviembre. Quince repositorios. Cuatro son colecciones de skills para agentes: anthropics/skills, google/skills, mattpocock/skills y cloudflare/security-audit-skill. Un quinto, vercel-labs/agent-browser, es una CLI de automatización de navegador que incluye un envoltorio de skill junto al binario.
Esa proporción es la noticia. Un formato que apenas existía hace un año ocupa ahora más de un cuarto de la lista de tendencias, y los repos vienen de Anthropic, Google, Cloudflare y una persona muy conectada con unos 60.000 suscriptores de newsletter.
La adopción va bien. El fallo interesante es que hay cuatro formas mutuamente incompatibles de instalar el mismo objeto conceptual.
Qué es un skill en realidad
Un skill es una carpeta. Dentro, un archivo `SKILL.md` con frontmatter YAML que contiene un nombre y una descripción, más las instrucciones, scripts y archivos de referencia que necesite la tarea. El agente lee la descripción, decide que el skill es relevante y carga el cuerpo.
Ese es todo el contrato, y está especificado en agentskills.io. El formato es deliberadamente aburrido. El repositorio de Anthropic describe los skills como carpetas de instrucciones, scripts y recursos que Claude carga de forma dinámica, y señala que los skills docx, pdf, pptx y xlsx del repo son los mismos que alimentan las funciones de documentos del producto, publicados bajo Apache 2.0 como implementación de referencia.
Aburrido es el punto. Un formato lo bastante simple para escribirse en diez minutos es un formato que se extiende.
Cuatro rutas de instalación, un objeto
Aquí se pone desordenado. Toma los cuatro repos en tendencia y mira cómo se supone que llevas los skills a tu máquina.
El repo de Anthropic es un marketplace de plugins de Claude Code. Lo añades con `/plugin marketplace add anthropics/skills`, eliges `anthropic-agent-skills` y luego instalas `document-skills` o `example-skills`. O te saltas el menú y ejecutas `/plugin install document-skills@anthropic-agent-skills`. Después disparas un skill mencionándolo: pides a Claude Code que use el skill de PDF para extraer campos de formulario de un archivo.
El repo de Google usa un mecanismo completamente distinto. `npx skills add google/skills` te lleva a preguntas sobre qué skills, qué agentes destino y si la instalación es a nivel de proyecto o global. Actualizar es `npx skills update`, que también ofrece eliminar skills obsoletos. El catálogo es amplio y está organizado por producto: recetas de IAM, migración de inferencia en GKE, BigQuery AI, Genkit en cuatro lenguajes, Live API y una docena de skills solo para Agent Platform.
El repo de Matt Pocock te da una elección y te advierte de ella. Usa `claude plugin install mattpocock-skills@claude-plugins-official` y el plugin se actualiza solo. Usa skills.sh y obtienes archivos editables copiados a tu proyecto que actualizas a mano. Su README contiene la frase más útil de toda esta categoría: elige una por agente, porque instalar las dos te da cada skill dos veces.
El skill de auditoría de seguridad de Cloudflare va directo. `npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit`, con `--global` para una instalación a nivel de usuario. Después apuntas tu agente a una base de código y le pides una auditoría de seguridad.
Cuatro productos, cuatro modelos mentales. Un marketplace de plugins con interfaz de explorar e instalar. Una CLI basada en registro con preguntas interactivas. Un modelo de copiar a tu repo con actualizaciones manuales. Un único skill fijado por URL.
Por qué la duplicación es peor de lo que suena
El problema obvio es el espacio en disco y el desorden. El problema real es la precedencia.
Cuando dos skills con descripciones solapadas están instalados, el agente elige según el texto de descripción que lee al cargar. No sabe que uno es una copia vieja del otro. No sabe que la versión de proyecto debía sobrescribir la global. Lee dos párrafos que suenan relevantes y elige.
Eso produce un comportamiento muy difícil de depurar. El agente hace lo incorrecto con competencia. Vas a buscar un fallo en el skill y descubres que se ejecutó otro.
La historia de las actualizaciones lo empeora. Un plugin que se actualiza solo puede cambiar el comportamiento entre sesiones sin que lo notes. Los archivos copiados se quedan donde están hasta que alguien se acuerda de traerlos. Y la ruta `npx skills update` puede eliminar skills en los que confiabas, lo cual es una buena función y una sorprendente si no leíste la pregunta con cuidado.
El problema de confianza que nadie ha puesto en el precio
Un skill son instrucciones que un agente va a seguir, a menudo con acceso a herramientas, a menudo con capacidad de ejecutar scripts incluidos. Instalarlo se parece más a instalar un paquete que a leer una entrada de blog.
El repo de Cloudflare muestra cómo es uno serio. Ejecuta una auditoría estructurada en seis fases, desde el reconocimiento hasta la búsqueda guiada por cobertura, la validación de candidatos, la salida estructurada, la verificación independiente de registros y un informe neutral respecto al objetivo. Escribe un archivo de arquitectura y un libro de cobertura, los valida con dos scripts de Node sin dependencias, y trata las ejecuciones repetidas contra el mismo repo como aditivas, usando los libros anteriores para apuntar a huecos en lugar de volver a cubrir terreno viejo.
Es mucha maquinaria, y es del tipo que querrías leer antes de darle una base de código. Ese es exactamente el punto. El comando de instalación tarda cuatro segundos. La revisión tarda una tarde.
No hay firma de registro, ni metadatos de procedencia más allá del remoto de git, ni lockfile que registre qué versión de qué skill está activa en qué agente. Para un formato tan popular, eso es un hueco.
La capa de aplicación ya se está adaptando
Otro elemento de la misma página de tendencias merece mención porque es un tipo distinto de señal. meta/astryx apareció en el número seis: un sistema de diseño de código abierto sobre React 19 y StyleX, actualmente en beta, descrito como totalmente personalizable y listo para agentes.
Léelo como un fabricante que nota quién es el nuevo cliente. Si los agentes generan interfaces, la biblioteca de componentes tiene que constreñirlos. Tokens, variantes y reglas que un modelo puede seguir son un producto distinto de un sistema diseñado para que lo naveguen personas.
La misma lógica explica por qué se extienden los skills. Alguien tiene que codificar el estilo de la casa, la lista de despliegue, el procedimiento de auditoría, la forma en que tu equipo escribe una migración. En cuanto lo escribes como skill, el agente deja de improvisar.
Qué falta
La categoría tiene un formato, una especificación, varios registros y cuatro instaladores. Lo que no tiene es la infraestructura aburrida que hace sobrevivir a un ecosistema de paquetes: un lockfile, un grafo de dependencias resuelto entre agentes, procedencia firmada y una regla clara de precedencia cuando un skill de proyecto y uno global chocan.
Llegarán, porque siempre llegan. Mientras tanto, el consejo práctico es el que Matt Pocock ya escribió en su README. Elige una ruta de instalación por agente. Sabes dónde viven tus skills. Lee los que pueden ejecutar código.
Los repos están en tendencias porque los skills resuelven un problema real: los agentes son generales y tu trabajo es específico, y una carpeta de instrucciones es la forma más barata de cerrar esa distancia. El caos de empaquetado es el impuesto por averiguarlo.
Artículos relacionados
Google sacó los agentes de código del portátil, y el aviso de permiso sigue siendo el cuello de botella
La fontanería está casi resuelta. El aviso de permiso sigue siendo el cuello de botella humano.
NVIDIA libera cuatro modelos del mundo de 16B y la parte sin benchmark es el aprendizaje de políticas
NVIDIA dice que no está medido si estos modelos sirven para aprender políticas. La frase debería acompañar cualquier historia sobre modelos del mundo abiertos.
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene
Un modelo fuerte, una receta documentada, una capacidad infravalorada y una fecha que el laboratorio no ha comprometido.
Los agentes de IA todavía leen mal uno de cada tres geles, y el nuevo benchmark de OpenAI muestra dónde
Un recuento de colonias un 12 % alto y una placa de kanamicina tomada por un control de ampicilina. Los errores concretos valen más que la media.