Genkit Go รองรับ Agent Skills แล้ว — โหลดความเชี่ยวชาญเข้า context เฉพาะตอนที่ต้องใช้ ด้วย SKILL.md และ ai.WithUse()

วันที่ 31 กรกฎาคม 2026 Google Developers Blog เผยแพร่บทความของ Daniela Petruzalek (Senior Developer Relations Engineer) ประกาศว่า Genkit รองรับ Agent Skills แล้ว โดยบทความยกตัวอย่างเป็น Genkit Go และระบุว่ารองรับครบทั้ง TypeScript, Go, Dart และ Python

ปัญหาที่มันแก้เป็นปัญหาที่ใครสร้างเอเจนต์จริงจังก็เคยเจอ: พอเอเจนต์ต้องรู้เรื่องเฉพาะทางหลาย ๆ เรื่อง — เทมเพลต ADR ขององค์กร, กติกาการเขียน commit message, ขั้นตอน onboarding, รูปแบบรายงานที่ลูกค้าต้องการ — ทางเลือกเดิมมีแค่ ยัดทุกอย่างลง system prompt (เปลือง token ทุก request และทำให้โมเดลเสียสมาธิ) หรือ เขียนเป็น tool แยก (ต้องมี infra เพิ่ม ทั้งที่เนื้อหาส่วนใหญ่เป็นแค่ข้อความ)

Skill คือโฟลเดอร์ ไม่ใช่โค้ด

ตามมาตรฐาน Agent Skills หนึ่ง skill คือไดเรกทอรีที่มีโครงแบบนี้:

ส่วนประกอบ	บังคับ?	หน้าที่
SKILL.md	บังคับ	metadata (YAML frontmatter) + คำสั่งเนื้อหาเต็ม
scripts/	ไม่บังคับ	โค้ดที่เอเจนต์เรียกรันได้
references/	ไม่บังคับ	เอกสารอ้างอิงเพิ่มเติม
assets/	ไม่บังคับ	เทมเพลตและไฟล์ประกอบ

frontmatter ของ SKILL.md หน้าตาประมาณนี้ — description คือ ตัวกระตุ้นการเปิดใช้งาน ไม่ใช่คำอธิบายประดับ:

name: adr-template
description: [คำอธิบายว่าเมื่อไรควรใช้ skill นี้]
license: Apache-2.0
metadata:
  author: example-org
  version: "1.0"

จุดที่ควรเน้นคือ skill ไม่ใช่ plugin ที่ต้อง compile มันคือ markdown bundle ที่แจกจ่ายได้เหมือนไฟล์ธรรมดา — ก๊อปโฟลเดอร์ไปวางก็ใช้ได้ ไม่ต้องยก infra อะไรเพิ่ม

Progressive disclosure — สามจังหวะ

กลไกที่ทำให้มันประหยัด token เรียกว่า progressive disclosure เปิดเผยข้อมูลเฉพาะตอนที่จำเป็น ทำงานสามจังหวะ:

1. Discovery — ระบบสแกน SkillPaths หาไฟล์ SKILL.md แล้วฉีด เฉพาะ metadata (ชื่อ + description) เข้า system prompt เท่านั้น เนื้อหาเต็มยังไม่แตะ
2. Activation — เมื่อคำขอของผู้ใช้ตรงกับ description ของ skill ไหน Genkit จะเรียก tool ชื่อ use_skill
3. Execution — เนื้อหา SKILL.md เต็ม ๆ พร้อมไฟล์ประกอบใน bundle ถึงจะถูกโหลดเข้า active context

ผลคือ ต่อให้มี skill ห้าสิบตัว ต้นทุนที่จ่ายทุก request คือแค่บรรทัด metadata ห้าสิบบรรทัด ไม่ใช่คำสั่งเต็มห้าสิบชุด

ฝั่งโค้ด: option เดียว

การต่อเข้ากับแอป Genkit Go ใช้ package github.com/firebase/genkit/go กับ github.com/firebase/genkit/go/plugins/middleware แล้วส่ง functional option:

ai.WithUse(&middleware.Skills{SkillPaths: []string{"./skills"}})

ai.WithUse() รับ struct middleware.Skills เข้าไป และตัวมันวางอยู่บน middleware pipeline เดิมของ Genkit (WrapModel, WrapTool, WrapGenerate) — แปลว่าถ้าใครใช้ middleware ของ Genkit อยู่แล้ว (เราเคยเขียนถึง Genkit middleware สำหรับ agentic apps ตอนเปิดตัว) ก็ใช้ mental model เดิมได้เลย ไม่ต้องเรียนของใหม่

ข้อสังเกตที่ต้องพูดตรง ๆ: บทความ ไม่ได้ระบุว่าฟีเจอร์นี้เป็น preview หรือ GA และ ไม่ได้ให้หมายเลขเวอร์ชัน ของ Genkit ที่เริ่มรองรับ ถ้าจะเอาไปใช้ production ต้องไปเช็ก release note ของ SDK แต่ละภาษาเอง

มุมมอง AI Curator

สิ่งที่น่าสังเกตในข่าวนี้ไม่ใช่ฟีเจอร์ แต่คือ คำว่า “the Agent Skills standard” ที่ Google ใช้เรียกมันเฉย ๆ เหมือนเป็นของกลาง

ย้อนกลับไปไม่กี่เดือน Agent Skills เป็นรูปแบบที่ Anthropic ผลักออกมากับ Claude — โฟลเดอร์ + SKILL.md + frontmatter + progressive disclosure ทุกอย่างในบทความของ Google วันนี้คือโครงเดียวกันเป๊ะ ตั้งแต่ชื่อไฟล์ยันชื่อโฟลเดอร์ย่อย น่าสนใจว่าบทความ ไม่เอ่ยถึง Anthropic, Claude Agent SDK หรือ MCP เลยแม้แต่คำเดียว — เรียกมันว่า “มาตรฐาน” แล้วเดินหน้าต่อ

ในมุมของเรานี่คือสัญญาณที่ดีกว่าที่มันดูเผิน ๆ นะครับ ตอน MCP เริ่มถูกรับไปทั่ววงการก็เดินมาทางเดียวกัน — จากรูปแบบของแล็บเดียว กลายเป็นสิ่งที่ทุกเจ้าใช้จนไม่มีใครนึกถึงที่มา สำหรับนักพัฒนา การที่ ฟอร์แมตเดียวใช้ได้ข้ามระบบ สำคัญกว่าเครดิต: skill ที่เขียนไว้สำหรับ Claude Code ในทีม ย้ายไปให้เอเจนต์ Genkit ใช้ได้โดยแทบไม่ต้องแก้ นั่นคือของจริง

สำหรับทีมไทยที่ทำเอเจนต์ให้องค์กร ผมคิดว่านี่คือฟีเจอร์ที่ ควรเริ่มใช้เร็วกว่าที่คิด เหตุผลง่ายมาก: ความรู้ที่ทำให้เอเจนต์ในองค์กรใช้งานได้จริง ส่วนใหญ่ไม่ใช่โค้ด แต่เป็นเอกสาร — ระเบียบภายใน, รูปแบบฟอร์มราชการ, ขั้นตอนอนุมัติ, ศัพท์เฉพาะของธุรกิจนั้น ๆ ของพวกนี้ทีมส่วนใหญ่แก้ด้วยการต่อ RAG ทั้งที่หลายเคสไม่ต้องการ retrieval เลย ต้องการแค่ “ถ้างานเป็นแบบนี้ ให้อ่านคู่มือหน้านี้” — ซึ่ง progressive disclosure ทำได้ตรง ๆ ด้วยต้นทุนใกล้ศูนย์ และมีข้อดีที่ RAG ให้ไม่ได้: ทีมที่ไม่ใช่โปรแกรมเมอร์ก็แก้ skill ได้ เพราะมันคือไฟล์ markdown ไม่ใช่ vector store ที่ต้อง re-index

ข้อควรระวังข้อเดียวที่อยากฝาก: เมื่อ description กลายเป็นตัวตัดสินว่า skill จะถูกเรียกหรือไม่ มันกลายเป็นพื้นผิวที่พลาดได้ skill สิบตัวที่ description คลุมเครือใกล้เคียงกัน จะทำให้เอเจนต์เลือกผิดอย่างเงียบ ๆ — และดีบักยากกว่า tool call ที่พังตรง ๆ มาก เขียน description ให้แคบและเฉพาะเจาะจง แล้วเทสต์ว่ามัน ไม่ถูกเรียก ในเคสที่ไม่ควรถูกเรียกด้วย ไม่ใช่เทสต์แค่ขาที่ถูก

แหล่งข่าว

• Enable on-demand expertise with Agent Skills in Genkit Go — Google Developers Blog, 31 ก.ค. 2026
• Genkit — เอกสารทางการ
• firebase/genkit บน GitHub