Microsoft Skill Creator

Microsoft テクノロジー向けのハイブリッドスキルを作成し、本質的な知識をローカルに保存しながら、Learn MCP を使用した動的な詳細調査を可能にします。

スキルについて

スキルは、特殊知識とワークフローでエージェント機能を拡張するモジュール型パッケージです。スキルは、汎用エージェントを特定ドメインの特化したものに変換します。

スキル構造

skill-name/
├── SKILL.md (必須)         # Frontmatter (name, description) + 使用方法
├── references/             # 必要に応じてコンテキストに読み込まれるドキュメント
├── sample_codes/           # 動作するコード例
└── assets/                 # 出力で使用されるファイル (テンプレートなど)

主要原則

• Frontmatter は重要: name と description でスキルがトリガーされるタイミングが決まるため、明確で包括的にする
• 簡潔であること: エージェントが既に知っていることは含めない。コンテキストウィンドウは共有される
• 重複なし: 情報は SKILL.md OR 参照ファイル のいずれかに存在し、両方には存在しない

Learn MCP ツール

ツール	目的	使用時機
microsoft_docs_search	公式ドキュメントを検索	初期段階の探索、トピック検索
microsoft_docs_fetch	ページ全体のコンテンツを取得	重要なページの詳細調査
microsoft_code_sample_search	コード例を検索	実装パターンの取得

CLI の代替手段

Learn MCP サーバーが利用できない場合は、ターミナルまたはシェル (例: Bash、PowerShell、cmd) から mslearn CLI を使用してください:

# インストール不要で直接実行
npx @microsoft/learn-cli search "semantic kernel overview"

# または、グローバルにインストール後に実行
npm install -g @microsoft/learn-cli
mslearn search "semantic kernel overview"

MCP ツール	CLI コマンド
microsoft_docs_search(query: "...")	mslearn search "..."
microsoft_code_sample_search(query: "...", language: "...")	mslearn code-search "..." --language ...
microsoft_docs_fetch(url: "...")	mslearn fetch "..."

生成されたスキルには、エージェントが両方のパスを使用できるように、同じ CLI フォールバック表を含める必要があります。

作成プロセス

ステップ 1: トピックを調査

Learn MCP ツールを使用して、3つのフェーズで深い理解を構築します:

フェーズ 1 - スコープ発見:

microsoft_docs_search(query="{technology} overview what is")
microsoft_docs_search(query="{technology} concepts architecture")
microsoft_docs_search(query="{technology} getting started tutorial")

フェーズ 2 - コアコンテンツ:

microsoft_docs_fetch(url="...")  # フェーズ 1 からページを取得
microsoft_code_sample_search(query="{technology}", language="{lang}")

フェーズ 3 - 深掘り:

microsoft_docs_search(query="{technology} best practices")
microsoft_docs_search(query="{technology} troubleshooting errors")

調査チェックリスト

調査後、以下を確認してください:

• テクノロジーが何をするのかを 1 段落で説明できる
• 3～5 の主要概念を特定している
• 基本的な使用方法の動作するコードがある
• 最も一般的な API パターンを知っている
• より詳細なトピックの検索クエリがある

ステップ 2: ユーザーと明確化

調査結果を提示し、次の質問をします:

1. 「これらの主要領域を見つけました: [リスト]。最も重要なのはどれですか?」
2. 「エージェントはこのスキルで主にどのようなタスクを実行しますか?」
3. 「コード例はどのプログラミング言語を優先すべきですか?」

ステップ 3: スキルを生成

skill-templates.md から適切なテンプレートを使用します:

テクノロジータイプ	テンプレート
クライアントライブラリ、NuGet/npm パッケージ	SDK/Library
Azure リソース	Azure Service
アプリ開発フレームワーク	Framework/Platform
REST API、プロトコル	API/Protocol

生成されたスキル構造

{skill-name}/
├── SKILL.md                    # コア知識 + Learn MCP ガイダンス
├── references/                 # 詳細なローカルドキュメント (必要に応じて)
└── sample_codes/               # 動作するコード例
    ├── getting-started/
    └── common-patterns/

ステップ 4: ローカルと動的コンテンツのバランスを取る

ローカルに保存する場合:

• 基本的である (あらゆるタスクに必要)
• 頻繁にアクセスされる
• 安定している (変わらない)
• 検索が困難である

動的に保つ場合:

• 詳細なリファレンス (大きすぎる)
• バージョン固有である
• 状況的である (特定のタスクのみ)
• よくインデックス化されている (検索しやすい)

コンテンツガイドライン

コンテンツタイプ	ローカル	動的
コアコンセプト (3～5)	✅ 完全
Hello world コード	✅ 完全
一般的なパターン (3～5)	✅ 完全
トップ API メソッド	シグネチャ + 例	fetch 経由の完全なドキュメント
ベストプラクティス	トップ 5 個の箇条書き	さらに検索
トラブルシューティング		検索クエリ
完全な API リファレンス		ドキュメントリンク

ステップ 5: 検証

1. レビュー: ローカルコンテンツは一般的なタスクに十分か?
2. テスト: 提案された検索クエリは有用な結果を返すか?
3. 確認: コードサンプルはエラーなしで実行されるか?

一般的な調査パターン

SDK/ライブラリの場合

"{name} overview" → 目的、アーキテクチャ
"{name} getting started quickstart" → セットアップ手順
"{name} API reference" → コアクラス/メソッド
"{name} samples examples" → コードパターン
"{name} best practices performance" → 最適化

Azure Services の場合

"{service} overview features" → 機能
"{service} quickstart {language}" → セットアップコード
"{service} REST API reference" → エンドポイント
"{service} SDK {language}" → クライアントライブラリ
"{service} pricing limits quotas" → 制約

フレームワーク/プラットフォームの場合

"{framework} architecture concepts" → メンタルモデル
"{framework} project structure" → 規約
"{framework} tutorial walkthrough" → エンドツーエンドフロー
"{framework} configuration options" → カスタマイズ

例: 「Semantic Kernel」スキルの作成

調査

microsoft_docs_search(query="semantic kernel overview")
microsoft_docs_search(query="semantic kernel plugins functions")
microsoft_code_sample_search(query="semantic kernel", language="csharp")
microsoft_docs_fetch(url="https://learn.microsoft.com/semantic-kernel/overview/")

生成されたスキル

semantic-kernel/
├── SKILL.md
└── sample_codes/
    ├── getting-started/
    │   └── hello-kernel.cs
    └── common-patterns/
        ├── chat-completion.cs
        └── function-calling.cs

生成された SKILL.md

---
name: semantic-kernel
description: Build AI agents with Microsoft Semantic Kernel. Use for LLM-powered apps with plugins, planners, and memory in .NET or Python.
---

# Semantic Kernel

LLM をプラグイン、プランナー、メモリと共にアプリケーションに統合するためのオーケストレーション SDK です。

## 主要概念

- **Kernel**: AI サービスとプラグインを管理する中央オーケストレータ
- **Plugins**: AI が呼び出せる関数のコレクション
- **Planner**: 目標を達成するためにプラグイン関数をシーケンス化
- **Memory**: RAG パターン用のベクトルストア統合

## クイックスタート

[getting-started/hello-kernel.cs](sample_codes/getting-started/hello-kernel.cs) を参照してください

## 詳細情報

| トピック | 検索方法 |
|---------|---------|
| プラグイン開発 | `microsoft_docs_search(query="semantic kernel plugins custom functions")` |
| プランナー | `microsoft_docs_search(query="semantic kernel planner")` |
| メモリ | `microsoft_docs_fetch(url="https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-memory")` |

## CLI の代替手段

Learn MCP サーバーが利用できない場合は、`mslearn` CLI を使用してください:

| MCP ツール | CLI コマンド |
|-----------|-------------|
| `microsoft_docs_search(query: "...")` | `mslearn search "..."` |
| `microsoft_code_sample_search(query: "...", language: "...")` | `mslearn code-search "..." --language ...` |
| `microsoft_docs_fetch(url: "...")` | `mslearn fetch "..."` |

`npx @microsoft/learn-cli <command>` で直接実行するか、`npm install -g @microsoft/learn-cli` でグローバルにインストール後に実行してください。