# 11 skills para criar, avaliar e orquestrar as suas próprias skills e agentes > Trabalhar com inteligência artificial aplicada ao marketing vai além de consumir ferramentas pré-fabricadas por terceiros. Neste guia pilar, a gente detalha as 11 principais skills e padrões de arquitetura para projetar, auditar e orquestrar as suas próprias habilidades e agentes - Tipo: Artigo - Autor: Dionatha Rodrigues - Publicado em: 2026-11-03 · Atualizado em: 2026-11-03 - URL: https://clubmartech.com.br/blog/como-criar-e-orquestrar-skills-de-ia/ Trabalhar com inteligência artificial aplicada ao marketing vai além de consumir ferramentas pré-fabricadas por terceiros. Neste guia pilar, a gente detalha as 11 principais skills e padrões de arquitetura para projetar, auditar e orquestrar as suas próprias habilidades e agentes autônomos com rigor técnico e independência. --- --- ## 1. O problema real de quem opera agentes de IA A maioria dos profissionais de marketing e tecnologia passa por três fases ao adotar agentes autônomos: 1. **A fase do prompt solto:** a pessoa conversa no chat, copia e cola orientações longas toda manhã e se frustra quando o modelo perde o contexto na quinta mensagem. 2. **A fase do consumidor de extensões:** ela descobre diretórios de skills e servidores MCP, instala dezenas de pacotes prontos e logo se depara com conflitos de permissões, alucinações de argumentos e lentidão no carregamento do contexto. 3. **A fase da arquitetura própria:** ela percebe que a verdadeira vantagem competitiva está em codificar o conhecimento específico do seu negócio em procedimentos padronizados, contratos previsíveis e cadeias auditáveis. Escolher uma skill é, no fundo, decidir uma arquitetura de trabalho. Cada ferramenta listada abaixo resolve uma finalidade que as outras não cobrem: desde a descoberta de padrões e modelagem de memória semântica até o design estrito de ferramentas e a criação automatizada de testes com avaliação comparativa. ``` +-----------------------------------------------------------------------------------------+ | CICLO DE VIDA DA ENGENHARIA DE AGENTES E SKILLS | +-----------------------------------------------------------------------------------------+ | | | [ 1. DESCOBRIR ] find-skills | | | | | v | | [ 2. PLANEJAR ] memory-systems · multi-agent-patterns · tool-design | | | harness-engineering · self-improvement-loops · hosted-agents | | | Agent Skills Spec · AGENTS.md | | v | | [ 3. PRODUZIR ] skill-creator · mcp-builder | | | +-----------------------------------------------------------------------------------------+ ``` --- ## 2. Como a gente selecionou estes 11 componentes Para montar esta curadoria entre mais de 30 opções disponíveis no ecossistema de código aberto, adotamos cinco filtros rigorosos: 1. **Finalidade única e demarcada:** nenhuma skill entra na lista se apenas duplicar a responsabilidade de outra. 2. **Código aberto e auditável:** todos os itens possuem repositórios públicos, licenças permissivas (MIT, Apache-2.0 ou CC-BY-4.0) e especificações legíveis. 3. **Interoperabilidade agnóstica:** as diretrizes funcionam tanto no Claude Code quanto no OpenAI Codex e no Google Antigravity. 4. **Resistência a degradação de contexto:** componentes projetados para manter o consumo de tokens sob controle, evitando o inchaço da janela de atenção. 5. **Aplicação prática em operações reais:** ferramentas testadas na rotina de documentação, tracking e produção técnica do Club Martech. --- ## 3. As 11 skills por etapa de trabalho ### Etapa: Descobrir #### 1. find-skills - **O que faz:** Localiza skills comunitárias a partir de uma necessidade em linguagem natural, avaliando a reputação do mantenedor, data de atualização e volume de instalações. - **Quando escolher:** Quando você precisa resolver um gargalo técnico (ex.: inspeção de acessibilidade ou conexão com banco SQL) e quer saber se já existe um padrão aberto maduro antes de escrever código do zero. - **Repositório GitHub:** [vercel-labs/skills](https://github.com/vercel-labs/skills/tree/main/skills/find-skills) - **Instalação:** ```bash npx skills add vercel-labs/skills --skill find-skills ``` - **Exemplo de prompt:** ```markdown Preciso de uma skill para auditar conformidade de cabeçalhos HTTP e cookies de terceiros. Use a find-skills para levantar 3 opções públicas confiáveis, comparando licença, volume de estrelas e última data de commit. ``` - **Saída esperada:** Uma matriz comparativa estruturada com links diretos para o repositório, comando de instalação e análise de risco técnico. --- ### Etapa: Planejar #### 2. memory-systems - **O que faz:** Projeta arquiteturas de memória persistente entre sessões, separando conhecimento de curto prazo, memória episódica e recuperação semântica vetorial com regras de validade temporal. - **Quando escolher:** Quando o agente precisa lembrar regras da marca, histórico de campanhas e preferências de clientes sem inflar desnecessariamente o prompt inicial. - **Repositório GitHub:** [muratcankoylan/Agent-Skills-for-Context-Engineering](https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/tree/main/skills/memory-systems) - **Instalação:** ```bash npx skills add muratcankoylan/Agent-Skills-for-Context-Engineering --skill memory-systems ``` - **Exemplo de prompt:** ```markdown Desenhe um modelo de memória de longo prazo para o nosso agente de redação de e-mails. Precisamos reter: 1. Tom de voz institucional aprovado. 2. Lista de ganchos com melhor taxa de cliques histórica. 3. Termos terminantemente proibidos pelo jurídico. Defina a estrutura dos arquivos locais e a política de descarte de memórias obsoletas. ``` - **Saída esperada:** Um blueprint arquitetural demonstrando como particionar os arquivos markdown locais e quando invocar cada bloco sob demanda. --- #### 3. multi-agent-patterns - **O que faz:** Auxilia na escolha da topologia de cooperação entre agentes (hierarquia supervisor-subordinado, rede de pares ou pipeline sequencial), definindo contratos claros de passagem de bastão (handoff). - **Quando escolher:** Quando uma tarefa é complexa demais para um único contexto (ex.: auditar SEO, redigir copy, criar código front-end e validar acessibilidade em paralelo). - **Repositório GitHub:** [muratcankoylan/Agent-Skills-for-Context-Engineering](https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/tree/main/skills/multi-agent-patterns) - **Instalação:** ```bash npx skills add muratcankoylan/Agent-Skills-for-Context-Engineering --skill multi-agent-patterns ``` - **Exemplo de prompt:** ```markdown Compare uma topologia de agente único com subagentes especializados versus um pipeline sequencial para a nossa esteira de publicação de artigos. Indique o custo estimado em tokens, latência de execução e complexidade de depuração de cada modelo. ``` - **Saída esperada:** Diagrama de fluxo com pontos de decisão, formato dos payloads de transição e recomendações de isolamento de contexto. --- #### 4. tool-design - **O que faz:** Otimiza o design de ferramentas (schemas JSON, nomes de parâmetros e descrições semânticas), eliminando ambiguidades que levam o modelo a escolher funções incorretas ou errar tipagens. - **Quando escolher:** Quando você está desenvolvendo ou integrando APIs internas e o agente insiste em passar strings no lugar de números ou confunde endpoints com nomes similares. - **Repositório GitHub:** [muratcankoylan/Agent-Skills-for-Context-Engineering](https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/tree/main/skills/tool-design) - **Instalação:** ```bash npx skills add muratcankoylan/Agent-Skills-for-Context-Engineering --skill tool-design ``` - **Exemplo de prompt:** ```markdown Revise a descrição da nossa ferramenta interna de consulta a leads no CRM. O agente está passando o parâmetro 'email' no campo 'user_id'. Reescreva a documentação do JSON Schema com docstrings estritas e mensagens de erro acionáveis. ``` - **Saída esperada:** Esquema JSON OpenAPI / MCP padronizado, com tipos estritos, exemplos de payloads válidos e mensagens pedagógicas de erro. --- #### 5. harness-engineering - **O que faz:** Define a infraestrutura de controle ("harness") ao redor de agentes que executam tarefas longas, estabelecendo disjuntores de custo, limites de passos, telemetria de ações e pontos de restauração (checkpoints). - **Quando escolher:** Antes de liberar um agente para rodar scripts em lotes ou refatorar dezenas de arquivos durante a madrugada. - **Repositório GitHub:** [muratcankoylan/Agent-Skills-for-Context-Engineering](https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/tree/main/skills/harness-engineering) - **Instalação:** ```bash npx skills add muratcankoylan/Agent-Skills-for-Context-Engineering --skill harness-engineering ``` - **Exemplo de prompt:** ```markdown Projete um harness de segurança para o nosso agente de atualização de tags no repositório. O harness deve: 1. Limitar a execução a no máximo 15 passos por arquivo. 2. Salvar um diff em branch isolada antes de qualquer alteração física no disco. 3. Abortar a operação se a taxa de erros ultrapassar 2 ocorrências consecutivas. ``` - **Saída esperada:** Especificação de controle com hooks de ciclo de vida e script de monitoramento com reversão automática via git. --- #### 6. self-improvement-loops - **O que faz:** Estrutura ciclos de autoaprimoramento em que o agente analisa as próprias falhas históricas em tarefas anteriores e propõe melhorias nos arquivos de instrução (prompts e skills) baseadas em evidências. - **Quando escolher:** Para operações maduras que desejam refinar continuamente os procedimentos sem intervenção manual exaustiva para cada ajuste de pontuação. - **Repositório GitHub:** [muratcankoylan/Agent-Skills-for-Context-Engineering](https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/tree/main/skills/self-improvement-loops) - **Instalação:** ```bash npx skills add muratcankoylan/Agent-Skills-for-Context-Engineering --skill self-improvement-loops ``` - **Exemplo de prompt:** ```markdown Analise os logs das últimas 10 execuções do nosso validador de formulários onde o teste Playwright falhou. Identifique padrões comuns de omissão no prompt da skill e proponha uma atualização pontual no arquivo SKILL.md. ``` - **Saída esperada:** Relatório de causas-raiz acompanhado de um patch cirúrgico para a documentação interna da habilidade. --- #### 7. hosted-agents - **O que faz:** Orienta o dimensionamento e a implantação de agentes em ambientes de nuvem (sandboxes Docker, instâncias serverless e contêineres seguros), tratando segredos e isolamento de rede. - **Quando escolher:** Quando a operação precisa que os agentes rodem em servidores remotos disparados por webhooks do n8n ou GitHub Actions, sem depender de máquinas ligadas localmente. - **Repositório GitHub:** [muratcankoylan/Agent-Skills-for-Context-Engineering](https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/tree/main/skills/hosted-agents) - **Instalação:** ```bash npx skills add muratcankoylan/Agent-Skills-for-Context-Engineering --skill hosted-agents ``` - **Exemplo de prompt:** ```markdown Planeje a arquitetura de infraestrutura para hospedar nosso agente de consolidação de relatórios diários em um contêiner Docker isolado, com injeção segura de chaves de API e tempo máximo de execução de 5 minutos por lote. ``` - **Saída esperada:** Dockerfile endurecido, especificação de recursos de CPU/memória e estratégia de variáveis de ambiente via cofre seguro. --- #### 8. Agent Skills Specification - **O que faz:** É a especificação canônica e aberta mantida pela comunidade para definir o formato de pastas, metadados em YAML (frontmatter), nomes de gatilhos e recursos auxiliares de um arquivo `SKILL.md`. - **Quando escolher:** Sempre que você for criar uma nova skill e quiser garantir que ela rode perfeitamente no Claude Code, Codex, Antigravity ou qualquer agente compatível sem ajustes de sintaxe. - **Documentação oficial:** [agentskills.io/specification](https://agentskills.io/specification) - **Exemplo de conformidade:** ```yaml --- name: auditar-rastreamento-utm description: Audita URLs de campanhas contra a taxonomia padrão da empresa. Dispara quando o usuário pede validação de links ou conferência de parâmetros de rastreamento. --- # Instruções operacionais detalhadas... ``` --- #### 9. AGENTS.md - **O que faz:** Padroniza as diretrizes institucionais, convenções de código, comandos de build e regras de negócio de um projeto inteiro em um arquivo de texto unificado na raiz do repositório. - **Quando escolher:** Como documento fundacional de qualquer workspace onde mais de uma pessoa ou modelo de IA interaja com o código. - **Especificação oficial:** [agents.md](https://agents.md/) - **Exemplo de estrutura:** ```markdown # Diretrizes do Projeto - Marketing Analytics - Idioma obrigatório: Português do Brasil. - Testes antes de qualquer commit: `npm run test:ci`. - Convenção de branches: `feature/martech-*` ou `fix/martech-*`. - Gestão de credenciais: nenhuma chave privada em arquivos de texto; use o cofre de variáveis de ambiente. ``` --- ### Etapa: Produzir #### 10. skill-creator - **O que faz:** Habilidade oficial desenvolvida pela Anthropic que guia o usuário na criação e no teste comparativo de novas skills, submetendo o rascunho a rodadas de avaliação cega contra casos de teste reais. - **Quando escolher:** Sempre que você quiser formalizar um procedimento operacional padrão (SOP) em formato de skill garantindo que o agente execute as diretrizes com fidelidade. - **Repositório GitHub:** [anthropics/skills/tree/main/skills/skill-creator](https://github.com/anthropics/skills/tree/main/skills/skill-creator) - **Instalação:** ```bash npx skills add anthropics/skills --skill skill-creator ``` - **Exemplo de prompt:** ```markdown Use a skill-creator para estruturar uma nova skill chamada 'higienizar-base-crm'. O objetivo é identificar e-mails inválidos, duplicidades por domínio e formatar telefones no padrão E.164. Gere 3 casos de teste hipotéticos e me mostre a comparação com e sem a skill ativada. ``` - **Saída esperada:** Criação da pasta da skill com `SKILL.md` estruturado, testes unitários de prompt e relatório de acurácia. --- #### 11. mcp-builder - **O que faz:** Orienta a implementação passo a passo de servidores do Model Context Protocol (MCP) em TypeScript ou Python, construindo as ferramentas, schemas, conexões de transporte e suíte de testes. - **Quando escolher:** Quando a sua operação precisa conectar o agente a um banco de dados interno ou API proprietária que ainda não possui servidor MCP disponível publicamente. - **Repositório GitHub:** [anthropics/skills/tree/main/skills/mcp-builder](https://github.com/anthropics/skills/tree/main/skills/mcp-builder) - **Instalação:** ```bash npx skills add anthropics/skills --skill mcp-builder ``` - **Exemplo de prompt:** ```markdown Utilize a mcp-builder para desenhar um servidor MCP em TypeScript que exponha apenas 2 ferramentas seguras: 1. 'consultar_saldo_creditos_sms': retorna o saldo atual via GET na nossa API interna. 2. 'listar_disparos_recentes': retorna os últimos 10 lotes enviados com status. O servidor deve validar tokens de autenticação via header seguro. ``` - **Saída esperada:** Código completo do servidor em Node.js com `@modelcontextprotocol/sdk`, arquivo `package.json` configurado e roteiro de depuração via MCP Inspector. --- ## 4. Como combinar: 2 cadeias essenciais na prática ### Cadeia A: Criar e validar uma nova skill operacional com evidências Quando um processo de marketing precisa ser transformado em uma habilidade reutilizável pela equipe: ``` [ find-skills ] --> Confere se já existe solução aberta no mercado | v [ Agent Skills Spec ] --> Valida a taxonomia de pastas e metadados YAML | v [ skill-creator ] --> Redige as instruções e cria os casos de teste | v [ harness-engineering ] --> Testa o comportamento em sandbox com disjuntor de segurança ``` **Por que essa ordem funciona:** impede que a equipe perca horas reinventando ferramentas existentes, assegura conformidade entre diferentes agentes e garante que a skill passe por testes práticos antes de ir para o repositório principal. --- ### Cadeia B: Da API interna ao conector MCP auditado Quando você precisa expor o banco de dados de campanhas para o agente interativo: ``` [ tool-design ] --> Modela schemas JSON, nomes semânticos e restrições de tipos | v [ mcp-builder ] --> Codifica o servidor em TypeScript/Python com transporte seguro | v [ hosted-agents ] --> Empacota a solução em contêiner Docker com gestão de segredos ``` **Por que essa ordem funciona:** desenhar as ferramentas antes de escrever código evita chamadas ambíguas e bugs de execução, permitindo que a infraestrutura seja implantada de forma isolada e segura. --- ## 5. O que ficou de fora desta seleção e por quê Durante a triagem técnica, deixamos de fora dezenas de utilitários populares por três razões operacionais: - **Empacotadores fechados de prompts:** bibliotecas que prometem "centenas de prompts mágicos" em arquivos estáticos sem metadados nem mecanismos de teste foram descartadas por induzirem alucinações e não seguirem o padrão `agentskills.io`. - **Serviços proprietários com lock-in de nuvem:** ferramentas que exigem envio forçado do código para plataformas de terceiros sem opção de execução local foram rejeitadas por violarem os requisitos de privacidade e governança corporativa. - **Skills sem manutenção ativa:** repositórios com dependências de pacotes abandonadas ou sem commits nos últimos meses foram excluídos para garantir estabilidade operacional. --- ## 6. Como começar em 30 minutos Se você nunca criou uma skill ou conector próprio, siga este roteiro de 4 passos rápidos: 1. **Minuto 0 ao 10:** crie o arquivo `AGENTS.md` na raiz do seu projeto definindo 3 regras simples (ex.: padrão de linguagem, formato de datas e diretrizes de revisão de código). 2. **Minuto 10 ao 20:** instale a `skill-creator` (`npx skills add anthropics/skills --skill skill-creator`) no seu ambiente de agente habitual. 3. **Minuto 20 ao 25:** escolha uma rotina recorrente da sua semana (ex.: conferir se URLs possuem parâmetros UTM corretos) e peça para o agente gerar o arquivo `SKILL.md` seguindo a especificação canônica. 4. **Minuto 25 ao 30:** execute 2 testes comparativos com e sem a habilidade ativa e observe a padronização das respostas. --- ## FAQ: Dúvidas frequentes sobre engenharia de skills ### Qual é a diferença essencial entre um prompt comum e uma skill? Um prompt é uma instrução efêmera enviada em uma mensagem específica. Uma skill é um componente modular persistente, dotado de metadados de ativação (gatilhos), documentação de contexto e ferramentas executáveis que o agente carrega apenas quando a tarefa exige. ### Criar minhas próprias skills exige saber programar em linguagens como Python ou TypeScript? Não para a criação de skills conceituais ou operacionais: o arquivo `SKILL.md` é escrito em Markdown limpo com metadados YAML. No entanto, se a sua skill exigir a criação de novas ferramentas que dialogam com bancos de dados ou APIs proprietárias, a familiaridade com Python ou Node.js (via `mcp-builder`) se torna muito vantajosa. ### O padrão agentskills.io funciona em todos os modelos de IA? Sim. O formato baseia-se em padrões abertos da web (YAML e Markdown). Qualquer LLM moderno instruído adequadamente compreende a especificação com exatidão. --- ## Próximo passo na sua operação Deixar de ser um operador casual de prompts e se tornar um arquiteto de agentes e sistemas é o passo mais valioso para quem trabalha com martech hoje. No módulo de **Fundamentos de IA** da Formação Club Martech, a gente aprofunda toda a esteira de desenvolvimento de agentes, conectores MCP, memória semântica e governança de dados na prática. Se você já tem experiência na linha de frente e quer dominar a tecnologia com profundidade e rigor analítico para fazer as suas próprias escolhas, venha conhecer a formação.