サービスを見る

プロンプトと​スキルは、​もう​「メモ」じゃない​ ──AIへの​指示を​“本番資産”と​して​管理し始めた​各社​（Mistral / GitHub / Google）

AIにやらせる「指示」——プロンプト、スキル、AGENTS.md——が本番の挙動をそのまま決めているのに、多くの現場ではまだ「メモ」扱い。repoやnotebook、Slackに散らばり、誰が最後に直したかも分からない。2026年6〜7月、この扱いを変える動きがMistral・GitHub・Googleからほぼ同時に出てきた。Mistral Studioは prompts/skills に system of record（版固定・比較・named owner・変更ログ・staging→tagged production・rollback）。GitHub Agent Finderは全ツールを手配線せず、タスクを言葉で書くと許可registryを検索してranked matchesを都度取り込む（オープン規格ARD）。Google Managed Agentsは AGENTS.md/SKILL.md をversionableファイルで定義。「良いプロンプトを書く」の次は「管理されたプロンプト資産」——3社が同じ山を登る流れを分かりやすく解説（仕様は各社公式ベース・CAG非検証）。

甲斐ショウジ甲斐ショウジ
CAG主宰／合同会社ATK CAIO（最高AI責任者）
技術8分で読めます
技術プロンプトとスキルは、もう「メモ」じゃない ──AIへの指示を“本番資産”として管理し始めた各社（Mistral / GitHub / Google）

気になるAIの話を、分かりやすく ｜ 最新動向を、現場目線で

AIに何かをやらせるとき、私たちは必ず「指示」を書く。プロンプト、スキル、AGENTS.md——呼び方は違えど、AIがどう振る舞うかを決めているのは、この指示文だ。

ところが多くの現場で、その指示はいまだに「メモ」扱いされている。コードの片隅、ノートブック、Slackのやりとり——あちこちに散らばって、誰が最後に直したのかも分からない。

2026年6〜7月、この扱いを変える動きが、Mistral・GitHub・Google からほぼ同時に出てきた。プロンプトやスキルを、コードと同じ"本番資産"として、版管理し、持ち主を決め、監査できるようにする。今日はこの流れを、専門用語ゼロで見ていく。何が変わり、なぜ今なのか。私たち電脳技巧集団（AI職人ギルド）も日々AIエージェントで開発している側なので、その現場感で軽く一筆添える。（機能・仕様は各社公式の記載に基づく。CAG自身の検証ではない。）

ダークなプロンプト/スキル管理コンソール。版番号・オーナー・Production/Stagingのラベル・変更ログが並ぶ
プロンプトやスキルを、版番号・持ち主・本番/試験のラベル付きで管理する「記録の正本（system of record）」（イメージ）

01何が​起きた？​ ──3社が、​同じ方​向を​向いた

まず、この1か月で出てきた3つを並べる。呼び名は違うが、狙いは驚くほど揃っている。

  • Mistral Studio（2026-07-09）：プロンプトとスキルに "system of record"（記録の正本）を与えた。ひとつの場所で、版管理・持ち主・追跡ができる[1]。
  • GitHub Agent Finder（2026-06-17）：どのツールやスキルを使うかを手で配線するのをやめ、タスクを言葉で書くと、使える資源を検索して"順位づけした候補"を返す。オープン規格 ARD（Agentic Resource Discovery）に基づく[2]。
  • Google Managed Agents（Gemini API）：エージェントを AGENTS.md と SKILL.md という"版管理できるファイル" で定義し、安全なクラウド環境で走らせる[3]。
指示＝管理された資産 Mistral版管理 GitHub発見 Googleファイル定義
角度は違う（版管理／発見／ファイル定義）が、3社とも「AIへの指示を管理された資産にする」同じ山を登っている

3社に共通するのは、「AIへの指示（プロンプト／スキル／AGENTS.md）を、使い捨てのメモではなく、管理された資産として扱う」という発想だ。片や版管理（Mistral）、片や発見（GitHub）、片やファイル定義（Google）。角度は違えど、同じ山を登っている。

02そも​そも、​何が​"資産"なのか

ここで一度、言葉を整理する。

  • プロンプト：AIに渡す指示文。
  • スキル：手順や参照資料、時にはスクリプトまで束ねた"再利用できる指示のかたまり"。
  • AGENTS.md：エージェントの目的・制約・使ってよいスキルの一覧を書いた設定ファイル。

これらは、単なる文章に見えて、本番の挙動をそのまま決めている。プロンプトを一行変えれば出力が変わる。スキルを差し替えれば動きが変わる。つまり、アプリのコードと同じくらい"効く"のに、コードほど大事に管理されてこなかった。

Mistral は、この問題をはっきり名指しする。プロンプトがコードのリポジトリ、ノートブック、Slack に散らばり、持ち主も更新の流儀もない状態だ、と[1]。心当たりのある人は多いはずだ。「あの時うまくいったプロンプト、どれだっけ」——この小さな迷子が、本番では事故になる。

AGENTS.mdの記事サムネイル 関連記事 ｜ 指示ファイルの土台AIエージェント時代、強いリポジトリは「AGENTS.md」を持っている →

03資産の​あつかい​① ──版管理と​監査

では、資産として扱うと何ができるのか。Mistral Studio を例に見る[1]。

  • 版が固定される：出荷した版は、あとからこっそり書き換えられない。「いつの・どの版が動いていたか」が残る。
  • 2つの版を比較できる：どこが変わったかを、正確に見比べられる。
  • 持ち主がいる：資産ごとに"名前のついたオーナー"がいて、監査の跡が必ず残る。
  • 変更ログ：誰が・いつ変えたかが記録される。「監査で求められる証跡が、最初から存在する」。
  • 本番への道筋：staging（試験）版 → タグ付けした production（本番）版、という明確な経路を通る。
  • 数分で切り戻せる：問題が出たら、既知の"良かった版"にすぐ戻せる（ロールバック）。
draftv1 stagingv2 試験 productionv3 タグ付き本番 問題が出たら数分でロールバック who / when owner: ●● audit ✓
指示文も、draft→staging→タグ付き本番の経路を通り、変更ログ（誰が・いつ）が残る。問題時は前の版へ即ロールバック

要するに、ソフトウェア開発で当たり前になっている「バージョン管理」「レビュー」「ロールバック」を、プロンプトとスキルにも持ち込んだ。指示文が本番の挙動を決めるなら、指示文もコードと同じ規律で扱う——という、考えてみれば自然な帰結だ。

04資産の​あつかい​② ──抱え込まず、​「発見して​使う」

もう一つの方向が、GitHub Agent Finder だ[2]。

これまでは、エージェントに「このMCPサーバーと、このスキルと、このツールを使え」とあらかじめ全部つないでおく必要があった。だが、能力が増えるほど、全部を常に抱えさせるのは重いし、無駄も多い。

Agent Finder は発想を変える。やりたいことを言葉で書くと、使える資源（MCPサーバー／スキル／ツール等）の索引を検索し、順位づけした候補を返す。エージェントは、そのタスクに必要なものだけを、その場で取り込む。しかも許可された登録簿（registry）の中から選ぶので、統制も効く。この仕組みは、Google・GoDaddy・Hugging Face・Microsoft と共同で作ったオープン規格 ARD（Agentic Resource Discovery）に基づく。

タスクを言葉で書く "○○を調べて表にして" 検索registry # 1  必要なスキル／ツール ✓ 取り込む # 2  候補（使わない） # 3  候補（使わない） 順位づけした候補（ranked matches）＝許可registryから必要なものだけ
全ツールを常時抱えさせず、タスクごとに許可registryを検索し、必要なものだけをその場で取り込む

これは、以前このブログで書いた「AIに余計な仕事をさせない（Agent Minimalism）」の、道具側の運用版だと言える。全部持たせて迷わせるより、必要なものを必要なときに。

Agent Skillは実行権限を持つ部品、の記事サムネイル 関連記事 ｜ 発見して使う時代の"点検"便利なAIスキル、入れる前に中身を見ていますか ──Agent Skillは実行権限を持つ部品だった →

05なぜ"​今"なのか、​そして​使う​前に

理由は明快だ。AIが「答えを返す」から「作業を実行する」へ進み、指示文が本番の結果を左右するようになったから。効くものは、管理しなければ事故になる。だから版管理・監査・発見・許可registry——ソフトウェア運用の作法が、そのままAIの指示にも降りてきた。

ただし、便利さの裏で気をつけたい点もある。

  • スキルは"実行権限を持つ部品"でもある。外から入れる前に、中身（どんなコマンドを叩くか、どこにアクセスするか）を点検する習慣が要る。発見して使えるほど、この点検の重みは増す。
  • 版管理は"銀の弾丸"ではない。仕組みを入れても、「誰が本番版を承認するか」という運用の規律がなければ意味がない。

CAGでも、日々の開発でやっていることは近い。AGENTS.md でエージェントの境界を定め、スキルは入れる前に権限を点検し、繰り返す指示は使い捨てにせず"型"に昇格させて残す。今回の各社の動きは、こうした現場の作法を、プロダクトの機能として一段引き上げたものに見える。

06まとめ ──​「良い​プロンプト」の​次は、​「管理された​プロンプト資産」

少し前まで、AI活用のうまさは「良いプロンプトを書けるか」で語られていた。だが主戦場は動いている。

良い指示を書けることより、その指示を"資産"として版管理し、監査し、必要なときに発見して使えること。Mistral・GitHub・Google が同時に示したのは、その方向だ。プロンプトやスキルは、もう頭の中や Slack に置いておくものではない。コードと同じ棚に、名前と版番号をつけて並べるものになった。

AIに任せる範囲が広がるほど、効いてくるのは「何を書いたか」だけでなく、「その指示を、どう管理しているか」だ。

観点「メモ」として扱う「本番資産」として扱う
置き場所repo・notebook・Slackに散在記録の正本（system of record）に集約
版上書きで消える版が固定・2版を比較・ロールバック可
責任持ち主が不明名前つきオーナー＋変更ログ
本番へいきなり反映staging→タグ付きproductionの経路
道具の選び方全部つないでおくタスクごとに発見・許可registryから

脚注・出典

  1. Mistral「Version control for prompts & skills in Studio」（2026-07-09）。system of record＝versioned/owned/traceable、版固定・比較・オーナー・変更ログ・staging→production・ロールバック・classification labels。出典＝Mistral公式。CAG非検証。
  2. GitHub「Agent Finder for GitHub Copilot」（changelog 2026-06-17）。タスクを言葉で書くと使える資源を検索しranked matchesを返す・オープン規格ARD（Agentic Resource Discovery、Google/GoDaddy/Hugging Face/Microsoft協働）。出典＝GitHub公式。
  3. Google「Managed Agents（Gemini API）」。AGENTS.md（目的・制約・スキル一覧）とSKILL.md（YAML frontmatter＋markdown本文）でversionableに定義、secure cloud sandboxで実行。出典＝Google公式。
  4. 関連＝既出記事「強いリポジトリはAGENTS.mdを持っている」（agents-md-operational-os）／「Agent Skillは実行権限を持つ部品」（skill-supply-chain-security）。

AIへの​指示を、​"資産"と​して​運用まで。

電脳技巧集団（AI職人ギルド）は、プロンプト・スキル・AGENTS.mdの設計から、版管理・権限点検の仕組みまで一緒に作ります。

相談してみる
技術AIエージェントプロンプトスキルAGENTS.mdMCPガバナンス解説
Related関連記事技術をもっと見る→
AIを「どれだけ使ったか」より、「何を任せたか」を振り返る時代へ ──Claude Reflectが機能にした、AI利用のメタ認知技術8分AIを「どれだけ使ったか」より、「何を任せたか」を振り返る時代へ ──Claude Reflectが機能にした、AI利用のメタ認知AIを使うこと自体はもう珍しくない。次に出てくる問いは「自分はAIに何を任せ、任せすぎていないか、どこで判断を残しているか」。2026年7月9日、AnthropicはこれをClaudeの新機能Reflect（monthly recap・ベータ）としてプロダクト化した。単なる利用レポートではなく、AIの使い方そのものを振り返る＝メタ認知を機能にした点が新しい。対象はFree/Pro/Max・web/Desktop・memory有効（Team/Enterprise未提供）。テーマ別割合・ピーク時間・会話数、任意のbreak reminder/quiet hours、そして4D AI Fluency（Delegation/Description/Discernment/Diligence）での振り返り。※現状Cowork・Claude Codeは対象外、利用時間表示は“近日”。成果物だけでなく“人が判断した場所”を残すことがPDCAになる——という視点で分かりやすく解説（機能・数値はAnthropic公式/Help Centerベース・CAG非検証）。GPT-5.6を、分かりやすく ──Sol / Terra / Luna、3つに分かれた新モデル家族の読み方技術9分GPT-5.6を、分かりやすく ──Sol / Terra / Luna、3つに分かれた新モデル家族の読み方2026年7月9日、OpenAIがGPT-5.6を一般公開した。ChatGPT・Codex・APIに同時に。今回の特徴は、モデルが1つではなくSol・Terra・Lunaの3つに分かれて出てきたこと。数字（5.6）が世代、名前が“性格（能力ティア）”を表す新しい命名だ。難しい仕事はSol（$5/$30）、日常はTerra（$2.50/$15）、反復はLuna（$1/$6）。共通スペックは100万トークン文脈・最大出力128k・知識カットオフ2/16。Sol Ultra Mode（サブエージェント）でTerminal-Bench 2.1が88.8→91.9%、一方SWE-Bench Proは上位に差＝“最強”ではない。Programmatic Tool CallingやMulti-agent、キャッシュ90%オフも。安全対策は約10倍だが長時間タスクは監督必須。「どれを使う？」に答える解説（数値はOpenAI公式/二次情報ベース・CAG非検証）。AIが「コードを書く」から「制作ソフトを操作する」へ ──MCPが、ゲームエンジンと3Dの現場に染み出した技術9分AIが「コードを書く」から「制作ソフトを操作する」へ ──MCPが、ゲームエンジンと3Dの現場に染み出した去年のAIエージェントは「コードを書く道具」だった。テキストを読み、テキストを書く。それが2026年、境界が溶け始めた——AIがUnityやBlender、Godotの“編集画面そのもの”を操作し始めた。裏側にあるのがMCP（Model Context Protocol）。もともと開発ツール向けの接続規格が、いま制作ソフトへ染み出している。シーンにオブジェクトを置き、マテリアルを塗り、ゲームを実行し、スクリーンショットとログで結果を見て、おかしければ自分で直す——「書くだけ」から「作って、動かして、見て、直す」へ。Unity-MCP(47〜70+tools)/Blender MCP(bpy)/Godot-MCP(39tools・11families)〜Godot MCP Pro(163tools)まで、実在OSSを手がかりに、何ができて何に注意すべきかを専門用語ゼロで整理（数値はOSSリポジトリベース・CAG非検証）。AIを「入れた後」に効くのは、誰が・いくら使ったかの“管制画面” ──Claude Enterpriseが見せた、AI運用の次の当たり前技術9分AIを「入れた後」に効くのは、誰が・いくら使ったかの“管制画面” ──Claude Enterpriseが見せた、AI運用の次の当たり前AIを全社に配ったあと、多くの会社が同じ壁にぶつかる——「便利なのは分かった。でも誰が・どのくらい・何に使っているのかが見えない」。2026年7月1〜2日、AnthropicがClaude Enterpriseに足したのは、まさにこの“見えなさ”に効く機能だった。使用量とコストをグループ別・ユーザー別に見せ（成果物・ファイル・スキルまで費用に紐づく）、モデルの割り当てと既定を組織で決め、上限の75%・90%で使いすぎを警告する。派手な新モデルではないが、「AIを入れる」から「AIを運用する」へ移った会社にはこちらが本丸だ。FinOpsがAIに来た――その中身を専門用語ゼロで整理した最新動向解説（数値はAnthropic公式リリースノートベース・CAG非検証）。AIが、自分で画面を触って直す時代 ──「コードを書くAI」から「動かして確かめるAI」へ技術8分AIが、自分で画面を触って直す時代 ──「コードを書くAI」から「動かして確かめるAI」へこれまでAIにコードを頼むと、返るのは「たぶん動くはずのコード」。実際にブラウザで開いて、押して、崩れやエラーを確かめるのは人の仕事だった。2026-07-01、GitHubはVS CodeのCopilotが実ブラウザを操作できる「browser tools」を正式提供(GA)に。AIが自分でページを開き、クリック・入力し、スクリーンショットを撮り、コンソールのエラーを読み、壊れ方を見つけて直す——Playwright(MCP)ベースで、作る→開く→触る→見つける→直すを人手なしで一周する。AIが自分でQAし始めた。評価軸は「コードを書けるか」から「実アプリを見て・壊れ方を見つけて・直せるか」へ。ただし丸投げは禁物（スクショの食い違い・「直った」誤判定・網羅性は人が設計・本番反映はHITL）。分かりやすく整理した最新動向解説（数値はGitHub/VS Code/Playwright公式ベース・CAG非検証）。"AIを使える"から"AIを運用できる"へ ──AIエージェント運用設計、5つの土台【まとめ】技術6分"AIを使える"から"AIを運用できる"へ ──AIエージェント運用設計、5つの土台【まとめ】「どのAIが賢いか」「良いプロンプト」の次、実務で差がつくのは“AIをどう運用するか”だ。CAGブログで解説してきた最新動向を、AIエージェント運用の5つの土台に整理したまとめ（地図）。①モデル比較から作業環境へ（harness/workbench）②トークン経済＝原価管理③スキル/MCPは権限＝供給網セキュリティ④少なく賢く＝無駄を書かせない⑤止まっても回る＝harness/BCP。5つを貫く背骨はAGENTS.md・HITL・検証・記録。悩み別にどこから読むかも案内。各深掘り記事へのハブとしてどうぞ（数値は各社公式/報道ベース・CAG非検証）。

言語化できるものは、全て作る。

あなたの「作りたい」を、定価とスピードで形に。まずは無料の相談から。

制作事例を見る