Google ADK に「SkillToolset」登場——Progressive Disclosure で AI エージェントのトークン消費を約 90% 削減、自分でスキルを生やすパターンも
Google Developers Blog から、ADK（Agent Development Kit）の SkillToolset についての実装ガイドが出てきました。ひと言でいうと、「AI エージェントに必要なスキルだけをその場で読み込ませる仕組み」です。これ、なかなかすごいんですよ。
- 仕組みの名前は Progressive Disclosure（段階的開示）
- 10 スキル構成で、毎回の LLM 呼び出しに乗るトークンが約 10,000 → 約 1,000 に
- ベースラインで 約 90% 削減（本文の表現：「roughly a 90% reduction」）
- 4 パターンの実装（インライン / ファイル / 外部リポジトリ / スキル工場）
- 仕様は agentskills.io に公開、コミュニティでスキルを共有できる設計
要はこういうことですね
従来の AI エージェントって、システムプロンプトにありったけの知識を詰め込むのが基本でした。SEO チェックリスト、コンプラ規定、スタイルガイド、API リファレンス——ぜんぶ 1 本の長い指示文字列にして渡す、という作り。これ、エージェントが 2〜3 個の仕事しかしないうちはいいんですが、10 個以上のタスクに広げると、ユーザーの質問に関係ない知識まで毎回プロンプトに積まれて、トークン代がどんどん膨らんでいく。
で、何が変わるかというと、ADK はこれを 3 階層のロードに分解しています。
- L1 メタデータ（約 100 トークン / スキル）：スキル名と説明だけ。起動時に全スキル分を読み込み、エージェントが「今どのスキルが必要か」を判断するメニュー代わり
- L2 Instructions（< 5,000 トークン）：スキル本体。エージェントが特定スキルを発動させると、そのときだけ API 経由でロード
- L3 Resources（必要に応じて）：スタイルガイドや API スペックなどの参照ファイル。Instructions の指示に従ってさらに必要なときにだけロード
つまり、「関係ある知識だけを、必要なタイミングで読む」という、人間のマニュアル運用に近い形。SkillToolset クラスが list_skills（L1）、load_skill（L2）、load_skill_resource（L3）の 3 ツールを自動生成してくれるので、開発者は Skill 定義を書くだけで済みます。
4 つのパターン
記事では実装パターンを 4 段階で紹介していました。
- インラインスキル（Pattern 1）：Python オブジェクトとして
name/description/instructionsを直書き。小さくて変化が少ないルールに向く - ファイルベーススキル（Pattern 2）：
SKILL.md（L2）とreferences/*.md（L3）をディレクトリで管理。ブログライター系のように知識量が多い場合に使う - 外部スキル（Pattern 3）：コミュニティのスキル集を
load_skill_from_dirで読み込む。エージェントの能力をプラグイン的に足せるのがポイント - メタスキル（Pattern 4）：エージェント自身が新しいスキルを書き出す「スキル工場」。「技術ブログのイントロを書くスキル作って」と頼むと、
SKILL.mdをその場で生成する
個人的に面白いなと思ったのは Pattern 4 のメタスキル。AI エージェントがランタイムで自己拡張するという設計が、ちゃんと仕様化された形で降りてきた、という話。agentskills.io の仕様に沿って生成するので、出力されたスキルをそのまま他のエージェントから読み込めます。
ちなみに Claude Code との関係
ここ、気になる人も多いと思うので補足しておきます。Anthropic の Claude Code でも「Agent Skills」という似た概念があって、.claude/skills/ 配下に SKILL.md を置く運用が広がっています。Google の ADK SkillToolset は、同じ思想をもっと明示的に仕組み化して、agentskills.io という共通仕様で業界横断にしていこう、という動きに見えます。
ちなみに agentskills.io の仕様ページに行くと、L1/L2/L3 の階層定義や SKILL.md の書き方がまとめられていて、Anthropic 側の skill 運用とほぼ同じ構造になっています。つまり、Claude でも Gemini でも、同じ SKILL.md を動かせる未来が射程に入ってきた、という話。
どこで効いてくるか
実務で一番効くのは、エージェントを本番運用しているチームです。
- コスト：スキル 10 個規模だと、ベースラインで約 90% トークン削減。積み重なると API 代が大きく変わる
- 保守：スキルをディレクトリごとに分けて管理できるので、部門ごとに SKILL.md を書いて持ち寄る運用がやりやすい
- 拡張：スキル工場を仕込むと、エージェントが現場で足りないスキルを自分で書く。ジュニア開発者が社内 Wiki をまとめてくれるような動きが、エージェント内部で起きる
見落としがちなのは、スキルの品質管理。メタスキルで自動生成されたスキルは、そのまま他エージェントに渡ると想定外の動きをすることがあるので、レビューゲートと SKILL.md の承認プロセスをチーム側で設計しておく必要があります。このあたりは記事本文でも触れられていて、「自己拡張エージェントは強力だけど、生成物の検証プロセスをサボると事故る」というトーンでした。
2026 年に入って AI エージェントの話題は「単発のプロンプト改善」から「スキルの組み合わせ」へ移ってきた印象があって、ADK SkillToolset はその流れを 公式に仕様化した ひとつの到達点だと思います。続報待ちですね。
Google Developers Blog — Developer’s Guide to Building ADK Agents with Skills（公式）
agentskills.io — Agent Skills Specification
