Dove finisce il linguaggio naturale negli agenti: composizione eseguibile delle Skill con MetaSkill

Abstract degli autori

Le Agent Skills esprimono in linguaggio naturale conoscenze relative a compiti aperti, ma per comporle occorrono un ordine di esecuzione persistente e il passaggio degli output delle fasi precedenti. Proponiamo una formalizzazione selettiva ai confini delle Skill: le relazioni di coordinamento con riferimenti stabili e vincoli verificabili automaticamente diventano eseguibili, mentre le valutazioni sostanziali sui compiti restano all’interno delle Skill. Presentiamo MetaSkill, una rappresentazione ibrida che preserva i pacchetti Skill completi e le istruzioni locali, rendendo eseguibili le dipendenze tra le invocazioni e i collegamenti ai testi dei predecessori mediante un ambiente di esecuzione basato su un grafo aciclico orientato (DAG). Questa interfaccia consente un coordinamento esplicito senza prescrivere come ciascuna Skill svolga il proprio compito locale. Su 20 compiti multi-Skill di produzione di artefatti e con due LLM, confrontiamo procedure in linguaggio naturale, grafi visibili nel prompt e MetaSkill, tutti derivati da un piano comune fissato per ciascun compito e con gli stessi pacchetti Skill designati. Ulteriori confronti valutano AgentSkillOS con gli stessi pacchetti Skill disponibili per MetaSkill, nonché sistemi di agenti che utilizzano i rispettivi strumenti configurati. Le valutazioni degli artefatti condotte in cieco producono stime puntuali di preferenza favorevoli in tutti i confronti riportati; gli intervalli bootstrap sui compiti al 95% escludono la parità nel confronto con Prompt Graph usando DeepSeek-V4-Flash e con OpenClaw usando GLM-5.2. Nelle tracce di esecuzione verificate di GLM-5.2, tutti i nodi pianificati vengono completati e tutti i vincoli di precedenza dichiarati sono rispettati. Nel complesso, questi risultati indicano che MetaSkill è un’interfaccia pratica per comporre Skill relative a compiti aperti, combinando flessibilità linguistica locale, dipendenze eseguibili, collegamenti espliciti ai testi dei predecessori e coordinamento verificabile. Il codice è disponibile all’indirizzo: https://github.com/TokenRhythm/opensquilla/tree/paper/metaskill-lp4fm-2026