หยุดยัดข้อมูลเกินใน AI Agent Skills: Microsoft แนะวิธีออกแบบ MCP Skills ที่ถูกทาง

ถ้าคุณเคยสร้าง MCP Server หรือ AI Agent Skill และสงสัยว่า “ควรใส่ข้อมูลอะไรไปมากแค่ไหน?” — Microsoft for Developers มีคำตอบที่ตรงไปตรงมา: น้อยกว่าที่คุณคิด

บทความ “Stop overloading your skills” ที่เผยแพร่เมื่อวันที่ 18 มิถุนายน 2026 ชี้ให้เห็นความผิดพลาดที่พบบ่อยที่สุดในการออกแบบ AI Skill: นักพัฒนามักยัด documentation ทั้งหมดเข้าไปในหวังว่า Agent จะ “รู้ทุกอย่าง” แต่ผลลัพธ์กลับทำให้ Agent ทำงานได้แย่ลง

ปัญหา: Context Window ไม่ใช่ขยะถัง

AI Model ในปัจจุบันรู้จักเทคโนโลยี, framework, authentication flow และ SDK pattern ส่วนใหญ่อยู่แล้ว เมื่อคุณยัด documentation ซ้ำซ้อนเข้าไปใน Skill ทุก token ที่ไม่จำเป็นจะ “ดัน” ข้อมูลสำคัญอื่นออกไป เช่น workspace files หรือ conversation history

Microsoft สรุปด้วยประโยคที่จำง่าย: “Models don’t need a textbook. They need a cheat sheet.”

วิธีออกแบบ Skill ที่ถูกต้อง: Measurement-First

Microsoft แนะนำ Measurement-First Approach ซึ่งมี 4 ขั้นตอน:

1. Establish a baseline ทดสอบ scenario ที่ต้องการโดยไม่มี Skill เลย ดูว่า model ทำอะไรได้เองบ้าง นี่คือ baseline ของคุณ

2. Identify gaps only Skill ของคุณควรครอบคลุมเฉพาะ “pattern ที่ model ทำผิดหรือไม่รู้” ไม่ใช่ทุกอย่างที่เกี่ยวกับ API นั้น

3. Remove redundancy ตัด documentation, CRUD examples, และ auth guide ออกถ้า model handle ได้อยู่แล้ว ถ้าไม่แน่ใจ — ทดสอบก่อน แล้วตัดสิน

4. Respect context limits ทุก token ที่ไม่จำเป็นมีต้นทุน: context window ที่เต็มเร็วกว่าที่ควร และ performance ที่ต่ำกว่าที่ควรเป็น

ตัวอย่าง: ดีกับไม่ดี

❌ Skill ที่ Overloaded	✅ Skill ที่ดี
คัด API docs ทั้งหมด 200 หน้า	เฉพาะ 3 endpoint ที่ model มักสับสน
ใส่ getting started tutorial	แค่ config syntax ที่ unique กับ platform ของคุณ
อธิบาย basic auth flow	เฉพาะ edge case ที่ OAuth provider นี้แตกต่างจากมาตรฐาน
ใส่ error code ทุกตัว	เฉพาะ error ที่ recovery path ไม่ obvious

แนวคิดนี้ใช้ได้กับทั้ง MCP Tools, Claude Code Skills, GitHub Copilot Extensions และ agent skill ทุกประเภทในทุก platform

มุมมอง AI Curator

คำแนะนำนี้ฟังดูง่าย แต่ในทางปฏิบัติคนส่วนใหญ่ทำตรงข้าม เหตุผลเข้าใจได้: เมื่อไม่แน่ใจว่า model รู้อะไร สัญชาตญาณแรกคือ “ใส่ทุกอย่างไปก่อน ปลอดภัยกว่า” แต่ AI ไม่ทำงานแบบนั้น ยิ่งใส่มาก ยิ่ง dilute focus ของ model

สำหรับนักพัฒนาไทยที่กำลังสร้าง MCP Server หรือ AI integration ขั้นตอน baseline testing ที่ Microsoft แนะนำง่ายกว่าที่คิด: เอา prompt ที่ตั้งใจจะใช้ไปทดสอบกับ model เปล่าๆ (ไม่มี tool) แล้วดูว่าล้มเหลวตรงไหน นั่นคือสิ่งที่ Skill ควรช่วย ส่วนอื่นตัดทิ้งได้เลย

ในยุคที่ทุกคนแข่งกันสร้าง MCP Server ความได้เปรียบที่แท้จริงอาจไม่ใช่ “ใส่ข้อมูลมากที่สุด” แต่คือ “รู้ว่าอะไรที่ model ต้องการจริงๆ และใส่เฉพาะนั้น” ซึ่งต้องการการทดสอบและวัดผล ไม่ใช่การเดา

แหล่งข่าว

• Stop overloading your skills — Microsoft for Developers
• Model Context Protocol Documentation
• Claude Code Skills Documentation