Skills, промпты, Projects, MCP и сабагенты: как устроена агентная экосистема

Если вы работаете с Claude или другими AI-ассистентами, то наверняка сталкивались с терминами вроде Skills, Projects, MCP. Разберёмся, что это за компоненты, чем они отличаются и как их комбинировать.

Skills: процедурные знания

Skills — это папки с инструкциями, скриптами и ресурсами. Claude загружает их по мере необходимости.

Как это работает на практике: когда Claude выполняет задачу, он просматривает доступные Skills. Сначала загружаются метаданные — около 100 токенов. Если Skill подходит, подгружаются полные инструкции — обычно до 5 тысяч токенов. Файлы и скрипты подключаются только при реальной потребности.

Для чего это нужно:

Организационные процессы — бренд-гайдлайны, шаблоны, процедуры соответствия
Предметная экспертиза — формулы Excel, работа с PDF, анализ данных
Личные настройки — системы заметок, паттерны кодинга, методы исследования

Допустим, у вас есть Skill с корпоративным стилем: цветовая палитра, типографика, требования к макетам. Claude будет автоматически применять эти стандарты при создании презентаций.

Промпты: инструкции здесь и сейчас

Промпты — инструкции на естественном языке, которые вы передаёте в диалоге. Они не сохраняются между сессиями.

Типичные сценарии:

Разовые запросы — "Суммируй эту статью"
Уточнения — "Сделай тон более профессиональным"
Контекст на лету — "Проанализируй эти данные"
Спонтанные указания — "Оформи в виде списка"

Вот пример развёрнутого промпта для аудита безопасности:

Проведи обзор безопасности кода. Проверь:

1. Уязвимости:
   - Внедрение SQL, XSS, команд
   - Проблемы аутентификации и авторизации
   - Утечки чувствительных данных
   - Ошибки конфигурации

2. Для каждой проблемы укажи:
   - Серьёзность (Critical/High/Medium/Low)
   - Место в коде
   - Риск и способы эксплуатации
   - Рекомендации по исправлению

Расставь приоритеты по серьёзности.

Если вы вводите одни и те же промпты раз за разом — это сигнал создать Skill.

Projects: изолированные рабочие пространства

Projects доступны в платных тарифах Claude. Это изолированные пространства с собственной историей чатов и базой знаний. Контекстное окно — 200 000 токенов.

Всё, что вы загрузили в проект, доступно во всех его чатах. Claude автоматически использует этот контекст. При приближении к лимитам включается RAG, расширяя ёмкость примерно в 10 раз.

Где это полезно:

Постоянный контекст для каждого диалога
Отдельные пространства для разных инициатив
Командная работа — общая база знаний (Team и Enterprise)
Специфичные для проекта инструкции

Например, проект "Запуск Q4" с маркетинговыми исследованиями, анализом конкурентов и спецификациями. Любой чат в проекте имеет доступ к этим материалам без повторной загрузки.

Разница между Projects и Skills: Projects дают статичный справочный материал, Skills учат Claude выполнять задачи. Если вы копируете одни инструкции между проектами — пора создать Skill.

Сабагенты: автономные исполнители

Сабагенты — специализированные AI-ассистенты с собственными контекстными окнами, системными промптами и правами доступа к инструментам. Доступны в Claude Code и Agent SDK.

У каждого сабагента своя конфигурация. Claude может делегировать задачи автоматически или по явному указанию.

Когда это работает:

Специализация — code review, генерация тестов, аудит безопасности
Управление контекстом — узкоспециализированная работа не засоряет основной диалог
Параллельная обработка — несколько агентов работают над разными аспектами
Ограничение инструментов — доступ только к безопасным операциям

Пример: сабагент для code review с правами Read, Grep и Glob, но без Write и Edit. Claude передаёт код на проверку без риска случайного изменения.

Skills учат универсальной экспертизе, сабагенты — автономно выполняют конкретные задачи.

MCP: подключение к внешним данным

Model Context Protocol — открытый стандарт для связи AI-ассистентов с внешними системами.

MCP заменяет множество отдельных интеграций единым протоколом. MCP-серверы публикуют данные и возможности, клиенты подключаются к ним.

Типичные интеграции:

Внешние данные — Google Drive, Slack, GitHub, базы данных
Бизнес-инструменты — CRM, платформы управления проектами
Среды разработки — локальные файлы, IDE, системы контроля версий
Кастомные системы

Подключив Claude к корпоративному Google Drive через MCP, вы сможете искать документы, читать файлы и ссылаться на внутренние материалы без ручной загрузки.

MCP подключает Claude к данным, Skills учат его, что с ними делать. Обычно их используют вместе.

Сравнение компонентов

Характеристика	Skills	Промпты	Projects	Сабагенты	MCP
Назначение	Процедурные знания	Инструкции в моменте	Фоновый контекст	Делегирование задач	Подключение к данным
Сохранность	Между диалогами	Один диалог	В рамках проекта	Между сессиями	Постоянно
Содержимое	Инструкции + код + файлы	Естественный язык	Документы + контекст	Логика агента	Описания инструментов
Загрузка	По необходимости	Каждый ход	Всегда в проекте	При вызове	Всегда доступен
Подходит для	Специализированной экспертизы	Быстрых запросов	Централизованного контекста	Автономных задач	Интеграций

Пример: исследовательский агент для конкурентного анализа

Покажу, как компоненты работают вместе.

Шаг 1. Создаём Project

Проект "Competitive Intelligence" с отраслевыми отчётами, документацией конкурентов, отзывами клиентов из CRM, предыдущими аналитическими сводками.

Добавляем инструкции: "Анализируй конкурентов через призму нашей стратегии. Фокусируйся на возможностях дифференциации. Выводы с доказательствами и рекомендациями."

Шаг 2. Подключаем данные через MCP

Настраиваем MCP-серверы:

Google Drive — доступ к документам
GitHub — анализ репозиториев конкурентов
Web search — актуальная рыночная информация

Шаг 3. Создаём Skills

Skill "competitive-analysis" с правилами навигации по корпоративному Drive, соглашениями об именовании файлов, алгоритмом поиска документов.

Шаг 4. Настраиваем сабагентов

Сабагент market-researcher с инструментами Read, Grep, Web-search:

name: market-researcher
description: Исследование рыночных трендов и конкурентного ландшафта
tools: Read, Grep, Web-search
---
Вы аналитик рыночных исследований.

При исследовании:
1. Определите авторитетные источники (Gartner, Forrester)
2. Соберите количественные данные (доля рынка, темпы роста)
3. Проанализируйте качественные инсайты
4. Синтезируйте тренды

Выводы с цитатами и уровнями уверенности.

Сабагент technical-analyst для анализа технической архитектуры конкурентов.

Шаг 5. Запускаем

Запрос: "Проанализируй, как три ключевых конкурента позиционируют AI-возможности".

Что происходит:

Загружается контекст проекта
Активируются MCP-подключения — Claude ищет документы в Drive, подтягивает данные из GitHub
Подключается Skill competitive-analysis
Запускаются сабагенты — market-researcher собирает отраслевые данные, technical-analyst анализирует реализации
Вы уточняете промптом: "Особенно обрати внимание на enterprise в здравоохранении"

Результат: комплексный анализ из нескольких источников с учётом вашей аналитической рамки.

Когда что использовать

Skills vs сабагенты. Skills подгружает любой экземпляр Claude — это как учебные материалы. Сабагенты — автономные агенты со своим контекстом и правами. Можно комбинировать: сабагент code review использует Skill с best practices языка.

Skills vs промпты. Промпты — разовые инструкции, они не сохраняются. Skills — процедуры, нужные многократно; Claude сам понимает, когда их применять.

Skills vs Projects. Projects дают фоновый контекст — "вот что тебе нужно знать". Skills дают динамическую экспертизу — "вот как это делать". Projects задают базу знаний, Skills дают возможности.

Могут ли сабагенты использовать Skills? Да, в Claude Code и Agent SDK. Сабагент python-developer может использовать Skill pandas-analysis для преобразования данных по вашим стандартам.

Агентная экосистема состоит из компонентов с разными функциями: Skills хранят знания о том, как делать; Projects — знания о контексте; MCP — подключения к данным; сабагенты — автономных исполнителей; промпты — указания в моменте. Понимание этих различий позволяет строить более эффективные AI-рабочие процессы.