microsoft-skill-creator

Microsoft Skill Creator

为 Microsoft 技术创建混合技能，将 essential 知识存储在本地，同时支持通过 Learn MCP 动态查询以获取更深入的细节。

关于技能

技能是模块化包，通过专业知识和 工作流 扩展 Agent 能力。技能可将通用 Agent 转化为特定领域的专业 Agent。

技能结构

skill-name/
├── SKILL.md (required)     # Frontmatter (name, description) + instructions
├── references/             # Documentation loaded into context as needed
├── sample_codes/           # Working code examples
└── assets/                 # Files used in output (templates, etc.)

关键原则

• Frontmatter 至关重要：name 和 description 决定技能何时触发——要清晰且全面
• 简洁是关键：只包含 Agent 尚不知道的内容；上下文窗口是共享的
• 避免重复：信息应存放在 SKILL.md 或引用文件中，而不是两者都放

Learn MCP 工具

工具	用途	何时使用
microsoft_docs_search	搜索官方文档	第一轮探索，查找主题
microsoft_docs_fetch	获取完整页面内容	深入阅读重要页面
microsoft_code_sample_search	查找代码示例	获取实现模式

CLI 替代方案

如果 Learn MCP 服务不可用，请在终端或 shell（例如 Bash、PowerShell 或 cmd）中使用 mslearn 命令行 代替：

# Run directly (no install needed)
npx @microsoft/learn-cli search "semantic kernel overview"

# Or install globally, then run
npm install -g @microsoft/learn-cli
mslearn search "semantic kernel overview"

MCP 工具	CLI 命令
microsoft_docs_search(query: "...")	mslearn search "..."
microsoft_code_sample_search(query: "...", language: "...")	mslearn code-search "..." --language ...
microsoft_docs_fetch(url: "...")	mslearn fetch "..."

生成的技能应包含同样的 CLI 回退表，以便 Agent 可以使用任一方式。

创建流程

步骤 1：调研主题

使用 Learn MCP 工具分三个阶段建立深入理解：

阶段 1 - 范围探索：

microsoft_docs_search(query="{technology} overview what is")
microsoft_docs_search(query="{technology} concepts architecture")
microsoft_docs_search(query="{technology} getting started tutorial")

阶段 2 - 核心内容：

microsoft_docs_fetch(url="...")  # Fetch pages from Phase 1
microsoft_code_sample_search(query="{technology}", language="{lang}")

阶段 3 - 深度：

microsoft_docs_search(query="{technology} best practices")
microsoft_docs_search(query="{technology} troubleshooting errors")

调研检查清单

调研后，请验证：

• 能用一段话解释该技术的用途
• 已确定 3-5 个关键概念
• 有可运行的基础用法代码
• 了解最常见的 API 模式
• 有针对更深入主题的搜索查询

步骤 2：与用户确认

展示发现并询问：

1. “我发现这些关键领域：[列表]。哪些最重要？”
2. “Agent 使用该技能主要会执行哪些任务？”
3. “代码示例应优先使用哪种编程语言？”

步骤 3：生成技能

使用 skill-templates.md 中的合适模板：

技术类型	模板
客户端库、NuGet/npm 包	SDK/库
Azure 资源	Azure 服务
应用开发框架	框架/平台
REST API、协议	API/协议

生成的技能结构

{skill-name}/
├── SKILL.md                    # Core knowledge + Learn MCP guidance
├── references/                 # Detailed local documentation (if needed)
└── sample_codes/               # Working code examples
    ├── getting-started/
    └── common-patterns/

步骤 4：平衡本地内容与动态内容

在以下情况下存为本地：

• 基础性内容（任何任务都需要）
• 频繁访问
• 稳定（不会变化）
• 难以通过搜索找到

在以下情况下保持动态：

• 详尽参考（内容过大）
• 版本特定
• 情境性（仅特定任务）
• 索引良好（易于搜索）

内容指南

内容类型	本地	动态
核心概念（3-5 个）	✅ 完整
Hello world 代码	✅ 完整
常见模式（3-5 个）	✅ 完整
主要 API 方法	签名 + 示例	通过 fetch 获取完整文档
最佳实践	前 5 条要点	搜索更多
故障排除		搜索查询
完整 API 参考		文档链接

步骤 5：验证

1. 检查：本地内容是否足以完成常见任务？
2. 测试：建议的搜索查询是否返回有用结果？
3. 验证：代码示例是否能无错误运行？

常见调研模式

针对 SDK/库

"{name} overview" → purpose, architecture
"{name} getting started quickstart" → setup steps
"{name} API reference" → core classes/methods
"{name} samples examples" → code patterns
"{name} best practices performance" → optimization

针对 Azure 服务

"{service} overview features" → capabilities
"{service} quickstart {language}" → setup code
"{service} REST API reference" → endpoints
"{service} SDK {language}" → client library
"{service} pricing limits quotas" → constraints

针对框架/平台

"{framework} architecture concepts" → mental model
"{framework} project structure" → conventions
"{framework} tutorial walkthrough" → end-to-end flow
"{framework} configuration options" → customization

示例：创建 “Semantic Kernel” 技能

调研

microsoft_docs_search(query="semantic kernel overview")
microsoft_docs_search(query="semantic kernel plugins functions")
microsoft_code_sample_search(query="semantic kernel", language="csharp")
microsoft_docs_fetch(url="https://learn.microsoft.com/semantic-kernel/overview/")

生成的技能

semantic-kernel/
├── SKILL.md
└── sample_codes/
    ├── getting-started/
    │   └── hello-kernel.cs
    └── common-patterns/
        ├── chat-completion.cs
        └── function-calling.cs

生成的 SKILL.md

---
name: semantic-kernel
description: Build AI agents with Microsoft Semantic Kernel. Use for LLM-powered apps with plugins, planners, and memory in .NET or Python.
---

# Semantic Kernel

Orchestration SDK for integrating LLMs into applications with plugins, planners, and memory.

## Key Concepts

- **Kernel**: Central orchestrator managing AI services and plugins
- **Plugins**: Collections of functions the AI can call
- **Planner**: Sequences plugin functions to achieve goals
- **Memory**: Vector store integration for RAG patterns

## Quick Start

See [getting-started/hello-kernel.cs](sample_codes/getting-started/hello-kernel.cs)

## Learn More

| Topic | How to Find |
|-------|-------------|
| Plugin development | `microsoft_docs_search(query="semantic kernel plugins custom functions")` |
| Planners | `microsoft_docs_search(query="semantic kernel planner")` |
| Memory | `microsoft_docs_fetch(url="https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-memory")` |

## CLI Alternative

If the Learn MCP server is not available, use the `mslearn` CLI instead:

| MCP Tool | CLI Command |
|----------|-------------|
| `microsoft_docs_search(query: "...")` | `mslearn search "..."` |
| `microsoft_code_sample_search(query: "...", language: "...")` | `mslearn code-search "..." --language ...` |
| `microsoft_docs_fetch(url: "...")` | `mslearn fetch "..."` |

Run directly with `npx @microsoft/learn-cli <command>` or install globally with `npm install -g @microsoft/learn-cli`.