Skills

Skill — knowledge pack для agent: SKILL.md плюс опциональные supporting files (scripts, configs, reference templates), которые говорят agent: «когда встретишь task такого типа, думай и действуй так». Multica следует открытому стандарту Anthropic Agent Skills, поэтому любой совместимый Skill — из официального репозитория Anthropic, ClawHub или skills.sh — можно импортировать напрямую.

Workspace skills и local skills

Multica поддерживает два источника skill:

• Workspace skill — хранится в облаке Multica. После подключения к agent синхронизируется на daemon на время выполнения task. Это стандартный способ делиться skills в команде.
• Local skill — каталог на вашей машине. По запросу daemon сканирует машину, и вы вручную выбираете, какие skills перенести в workspace. Daemon проверяет два root в порядке приоритета: сначала skill directory самого runtime (у каждого AI coding tool есть conventional default path, например ~/.claude/skills/ у Claude Code), затем cross-tool universal directory ~/.agents/skills/ — общее место для экосистем вроде Codex и Gemini CLI. Если одно и то же имя skill есть в обоих, побеждает provider-specific directory — universal root показывает только дополнительные skills и никогда не меняет resolution существующего skill.

Обычно нужны workspace skills: импорт один раз — и agent каждого teammate может их использовать. Local skills подходят, когда сначала тестируете локально или когда content связан с чувствительными локальными данными.

Импорт skill

Workspace skills поступают из четырёх источников:

• New — напишите SKILL.md и связанные файлы прямо в UI
• From GitHub — вставьте URL репозитория (например, https://github.com/owner/repo/tree/main/skills/my-skill), и Multica загрузит SKILL.md и все файлы в этом каталоге
• From ClawHub — поиск и импорт из публичного marketplace ClawHub с выбором версии
• From local — daemon сканирует skill directories на машине, вы выбираете, что перенести в workspace

И отдельные файлы, и целые skill pack имеют лимиты размера (для одного файла при импорте из GitHub — около 1 MB). Точные правила — в import dialog; при превышении вернётся error.

Подключение к agent

После импорта skill нужно подключить к конкретному agent, иначе он не сработает. У одного agent может быть несколько skills; один skill может быть подключён к нескольким agents.

После подключения agent подхватывает skills при следующем запуске task — у каждого AI coding tool свой skill discovery path (Claude Code — .claude/skills/, Cursor — .cursor/skills/, Antigravity — .agents/skills/ и т. д.), и Multica кладёт файлы в нужное место автоматически. Однако три tool (Gemini, Hermes, OpenClaw) сейчас используют generic fallback path .agent_context/skills/ — читают ли эти tools skills из этого path, зависит от самого tool. Полное сопоставление paths и различие native discovery vs. fallback — в Сравнении AI coding tools → Куда попадают skill files.

После редактирования содержимого skill новую версию подхватывают только вновь созданные task — уже running task продолжают со старой версией skill.

Безопасность сторонних skills

Skills из GitHub или ClawHub могут содержать scripts и executable content. Multica не подписывает, не аудирует и не sandbox'ит их — содержимое skill передаётся соответствующему AI coding tool as-is, а executable ли это для tool — решает сам tool.

Skills vs. MCP

Оба расширяют возможности agent, но в разных направлениях:

• Skill = структурированный knowledge pack (static content + instructions). Agent читает skill, чтобы понять: «когда вижу X, вот как думать и что делать».
• MCP (Model Context Protocol) = tool channel. Agent через MCP подключается к внешним сервисам (databases, filesystems, third-party APIs) и вызывает их.

Они дополняют друг друга. В Multica сегодня MCP support provider-specific: Claude Code, Codex, Cursor, Hermes, Kimi, Kiro CLI, OpenCode и OpenClaw используют mcp_config; остальные tools получают поле, но фактически не применяют его. Отдельный раздел MCP появится в следующем релизе.

---

Теперь вы знаете, что такое agent, как его создать и как подключить skills. Следующий вопрос: где agent фактически выполняется и почему иногда «застревает»? Следующая глава — execution architecture: daemons, runtime и совместная работа task.

Далее

• Daemon и runtime — где agents реально работают и как отличить online от offline
• Executing tasks — полный lifecycle одной «рабочей сессии agent»
• Сравнение AI coding tools — полное сравнение всех 12 tools (включая skill injection path каждого)