エージェントスキル4.7万個調査｜平均品質6.2点から学ぶ選び方【2026年】

クイックサマリー: ベンチマークプロジェクト SkillsBench が公開エージェントスキル 47,150 個を分析した結果、平均品質スコアは 12 点満点中 6.2 点にとどまる一方、キュレーション（人手レビュー）済みスキルを導入したエージェントはタスク合格率が平均 16.2 ポイント向上したと報告されています（SkillsBench, 2026）。本記事はこの調査データを読み解き、Claude Code / Codex CLI / Cursor などスキル対応 CLI・エディタのユーザーが「どこから・どうスキルを選ぶべきか」の指針を整理する調査解説記事です。

この調査が示す課題 — スキルは「量」の時代から「選定」の時代へ

2025 年 10 月に Anthropic が Agent Skills（いわゆる Claude Skills）を公開し、同年 12 月 18 日に仕様がオープン標準として agentskills.io で公開されて以来、エコシステムは急拡大しました。コミュニティディレクトリの SkillsMP は GitHub から収集した約 190 万個の公開スキルをインデックスしており（SkillsMP, 2026）、もはや「スキルが見つからない」ことは課題ではありません。

課題は反対側にあります。SkillsBench の分析によると、公開スキルの平均品質は 12 点満点中 6.2 点。つまり半分程度の完成度のスキルが大量に流通しており、無選別に導入してもエージェントの性能はほとんど改善しない可能性が高いのです。この記事では以下の点を整理します。

• SkillsBench 調査の主要数値（47,150 個・平均 6.2 点・+16.2pt）の意味
• 主要スキルディレクトリのキュレーション体制と使い分け
• セキュリティ監査で見つかった 14 万件超のリスクと対処法
• Claude Code の実開発フローでスキルを安全に選定・導入する手順

なお Agent Skills 仕様（SKILL.md 形式）はオープン標準であり、仕様自体は誰でも無償で利用できます。個々のスキルのライセンスは配布元により異なるため、導入時に必ず確認してください。

調査の主要数値 — 平均6.2点と「+16.2pt」をどう読むか

SkillsBench の調査で押さえるべき数値は次の 3 つです。

• 分析対象: 公開スキル 47,150 個 — GitHub 等で公開されている SKILL.md パッケージを対象とした大規模分析です
• 平均品質スコア: 6.2 / 12 点 — 記述の明確さや構成などを採点した結果、平均は満点の約半分にとどまりました
• キュレーション済みスキルの効果: タスク合格率 +16.2 ポイント — レビューを経たスキル群を導入したエージェントは、未導入時と比べ合格率が平均 16.2pt 向上しました

この 2 つの数字の組み合わせが重要です。「スキル全般が無意味」なのではなく、「レビューされたスキルは明確に効果があり、されていないスキルは玉石混交」という構図が示されています。Agent Skills の設計原則である「progressive disclosure（段階的開示）」— エージェントは平常時にスキルの名前と説明だけを読み込み、タスクが一致したときに本文を読み込む仕組み — は大規模ライブラリのコンテキストコストを抑えますが、公式ドキュメントによると、この仕組みが機能するかどうかは説明文の品質に大きく依存します。低品質なスキルは「そもそも発火しない」「誤発火する」という形で足を引っ張ると考えられます。

また、仕様の単純さは両刃の剣です。スキルは本質的に「フォルダに入った Markdown」であるため、書くのも簡単ですが、レビューなしに出荷するのも簡単です。調査元のレポートも、この構造が現在の市場の成長とリスクの両方を規定していると指摘しています。

スキルはどこで探す？ 主要ディレクトリのキュレーション比較

調査レポートは、スキルの入手先を「カタログ規模とキュレーションはトレードオフ」という軸で整理しています。主要ディレクトリを比較すると次のようになります。

出典はレポート内の各ディレクトリ公表値（2026年時点）で、カタログ数は週単位で変動するため目安として捉えてください。Anthropic は Claude Code 内の公式ディレクトリに加え、Atlassian・Canva・Cloudflare・Figma・Notion・Stripe・Zapier などパートナー製スキルのディレクトリを運営しており、ここに掲載されるものはすべてレビュー済みです。さらに下層には claudemarketplaces.com に登録された 2,500 以上の Claude Code プラグインマーケットプレイスが存在し、Vercel Labs のような整備されたコレクションから放置リポジトリまで玉石混交です。レポートの言葉を借りれば「発見はもうボトルネックではない。判断がボトルネックだ」という状況です。

対応プラットフォームは約40製品 — 一度書けばどこでも動く

公式ショーケース agentskills.io には 2026 年 6 月時点で約 40 のスキル対応製品が掲載されています。Claude Code 向けに書いたスキルが、書き換えなしに競合のコーディングエージェントでも動く点が、この標準の最大の特徴です。

• Anthropic 系: Claude / Claude Code / Claude Cowork
• コーディングエージェント: OpenAI Codex / GitHub Copilot / VS Code / Cursor / Gemini CLI / JetBrains Junie
• オープンソース系: Goose / OpenCode / Amp / Roo Code など
• エンタープライズデータ基盤: Databricks Genie Code / Snowflake Cortex Code

興味深いのは、この収斂が「発表」ではなく「発見」されたことです。VentureBeat の報道によると、OpenAI はオープン標準の公開前から Codex と ChatGPT に構造的に同一の実装（同じファイル命名・メタデータ形式・ディレクトリ構成）を静かに出荷していました。ツール側の進化も続いており、The New Stack によると 2026 年 1 月リリースの Claude Code 2.1.0 ではスキルのホットリロードが追加され、セッションを再起動せずにスキルを更新できるようになっています。

カテゴリ別では、Skills.sh の公開統計で開発・エンジニアリングが 288,811 個と圧倒的多数を占め、プロダクト管理（86,948）、マーケティング（74,510）、データ分析（69,187）が続きます。一方、法務（17,624）や医療（6,354)など規制の強い専門領域は数こそ少ないものの、レポートはこうした領域こそスキルによる性能改善が最も大きく測定される分野だと指摘しています。「量と価値は逆方向を向いている」という観察は、スキル選定の際に覚えておく価値があります。

セキュリティの現実 — 36%にプロンプトインジェクションの検出報告

品質と並ぶもう一つの軸がセキュリティです。レポートが引用する Agensi の監査では、22,511 個のスキルから 140,963 件のセキュリティ上の指摘が見つかりました。さらに Snyk の「ToxicSkills」調査では、テストしたスキルの 36% からプロンプトインジェクションが検出されたと報告されています。

スキルは Markdown の指示書であると同時に、スクリプトや参照ファイルを同梱できるパッケージです。エージェントに読み込ませるという性質上、悪意ある指示の混入（プロンプトインジェクション）や、意図しない外部送信を誘導する記述のリスクは常に存在します。導入前の最低限のチェックとして、以下を推奨します。

• SKILL.md 本文と同梱スクリプトを必ず自分の目で読む（特に無審査ディレクトリ由来のもの）
• 外部 URL への送信・環境変数の読み取り・シェルコマンド実行の有無を確認する
• 出所不明のスキルは、まず権限を絞ったサンドボックス環境やテスト用プロジェクトで試す
• チーム導入時はレビュー済みディレクトリ（公式・Agensi 等）を第一候補にする

実開発フローに落とし込む — Claude Code でのスキル選定・監査手順

調査の示唆を Claude Code の日常フローに翻訳すると、次のような運用が現実的と考えられます。

① 探索はコマンド一発、導入は手動レビュー。Skills.sh 系のカタログは npm 風の CLI 検索に対応しており、たとえば npx skills find ffmpeg のように叩けば候補が列挙されます。ただし前述の通りオープンカタログは無審査のため、見つけたスキルは必ず中身を読んでからプロジェクトの .claude/skills/ や .claude/commands/ に配置します。

# 候補の探索（例）
npx skills find <キーワード>

# 導入後の確認: スキル一覧に表示されるか
# Claude Code のセッション内で /skills や該当スラッシュコマンドを確認

② CLAUDE.md にスキル運用ルールを書く。「手動実装の前にまずスキル検索を試す」「無審査ディレクトリ由来のスキルは導入前に本文レビュー必須」といったルールを CLAUDE.md に明文化しておくと、エージェント自身が選定規律を守るようになります。SkillsBench の +16.2pt という数字は「レビューを通ったスキルだけを入れる」運用の効果を裏付けるデータとして、チーム内の合意形成にも使えます。

③ 職種別の当てはめ。業種ごとの実例としては、(1) Web 開発者がレビュー済みのテスト自動化スキルを hooks と組み合わせて PR ごとの検証を自動化する、(2) 法務担当者が契約レビュー用スキルをチームの共有ライブラリで版管理し、判断基準のばらつきを抑える、(3) 医療事務がキュレーション済みの保険資格確認スキルで定型業務を自動化する（レポート元の Agentman はこの領域で 2,700 以上の保険者に対応した実運用例を公表しています）、といった使い方が挙げられます。いずれも共通するのは「無審査の大量カタログではなく、レビュー済みの少数精鋭を選ぶ」姿勢です。

注意点 — この調査を読むときの留意事項

• 数値は特定ベンチマークの測定値です: 平均 6.2 点や +16.2pt は SkillsBench の評価軸に基づく数字であり、あらゆるタスク・環境で同じ改善幅が得られるとは限りません
• カタログ数は流動的です: 各ディレクトリの規模は週単位で変動するため、方向感として捉えるのが適切です
• 調査元レポートの発行元に留意: 本調査を紹介するレポートはスキルプラットフォーム Agentman 社のブログであり、同社のキュレーション型サービスに有利な文脈で書かれている可能性は割り引いて読む必要があります。ただし引用されている SkillsBench・Snyk・SkillsMP 等の数値は第三者ソースです
• 向かない人: スキル対応 CLI をまだ使っていない場合、この調査の実践的な恩恵は限定的です。まず Claude Code 等でスキル機能自体に触れてからの方が数字の意味を実感できると考えられます

まとめ — 数字が教えるスキル選定の3原則

• 量より審査: 公開スキル 47,150 個の平均品質は 6.2/12 点。カタログの大きさはそのまま価値ではありません
• キュレーションは測定可能な効果を持つ: レビュー済みスキルの導入でタスク合格率は平均 +16.2pt。導入前レビューの手間は数字で正当化できます
• セキュリティ検査を省かない: 監査で 14 万件超の指摘、36% にプロンプトインジェクションの検出報告。無審査カタログ由来のスキルは必ず本文を読んでから導入してください

エージェントスキルは 9 か月足らずで一社の機能からクロスベンダー標準へ育ちました。配布の課題は解決済みで、次の主戦場は品質と判断です。仕様の詳細や対応製品の最新リストは agentskills.io および Claude Code 公式ドキュメントの Agent Skills ページを参照してください。