Agent Skill Harbor徹底解説｜AIエージェントのスキル資産をGitで一元管理するOSS基盤

この記事ではAIエージェントに特化して解説します。AIエージェント全般は AIエージェントフレームワーク比較2026年版 をご覧ください。

スキルが増えすぎて管理できない——組織の共通課題

AIエージェントの導入が進むにつれ、プロンプト・ワークフロー定義・ツール設定・SKILL.mdといった「スキル資産」が組織内に急速に蓄積している。どのチームがどんなスキルを持っているか把握できない、同じスキルを別のチームが重複開発している、安全性が検証されていないスキルが本番で使われている——こうした運用課題に正面から取り組むOSSが Agent Skill Harbor だ。

Agent Skill Harborは、AIエージェントのスキルをリポジトリ横断で収集・共有・監査・公開できるオープンソースのプラットフォームである。最大の特徴は サーバーレス・DB不要・Gitネイティブ な設計で、スキルデータをYAML/JSONとしてGitに保存する点だ。既存のGitインフラをそのまま活かせるため、導入障壁が極めて低い。

OpenHandsのようなAIコーディングエージェントやBrowser Useのようなブラウザ自動化エージェントが急速に普及するなか、これらのエージェントが使うスキルを組織的に管理する基盤の需要は確実に高まっている。Harborはそのニーズに「既存のGit + 静的サイト」という最小構成で応える。

動画やブログではなく、公式リポジトリのREADMEと実装をもとに、本記事ではHarborのアーキテクチャ・セットアップ・プラグイン拡張・従来手法との比較までを体系的に解説する。

Agent Skill Harborの5つのコア機能

Agent Skill Harborが提供する主要機能は大きく5つに整理できる。単なる「スキルリスト表示」ではなく、 ガバナンス・由来追跡・自動監査・通知までを一気通貫で扱う 点が差別化要素だ。

特にガバナンス機能は、組織でAIエージェントを安全に運用するうえで中核となる。config/governance.yaml でスキルを「推奨（recommended）」「非推奨（discouraged）」「禁止（prohibited）」に分類でき、チーム全体の品質基準を維持できる。

「スキルは自由に作れるべきだが、本番で動くスキルは統制が必要」——この矛盾に既存ツールは応えられなかった。Harborは Gitの自由さと組織のガバナンスを両立させる 現実解を提示している。

由来追跡（Provenance）は地味だが強力だ。誰かが別リポジトリのスキルをコピーして使ったときに、その「起源」を自動で追跡できるため、セキュリティインシデント時の影響範囲調査が容易になる。Harborは単なる可視化ツールではなく、「組織のAIスキル台帳」として機能する。

クイックスタート：npxで5分セットアップ

Agent Skill Harborのセットアップは npx コマンド1つで始められる。READMEに沿って最小構成を立ち上げる手順は以下のとおりだ。

npx agent-skill-harbor init my-skill-harbor
cd my-skill-harbor

pnpm install
pnpm install --dir collector

# .envにGH_ORGを設定してからスキル収集を実行
gh auth login && GH_TOKEN=$(gh auth token) pnpm collect
pnpm dev

pnpm install でWebカタログUI用のパッケージ、pnpm install --dir collector でスキル収集ランタイムが入る。pnpm collect を実行すると、.env に指定した組織のリポジトリからスキルが自動収集され、data/ ディレクトリにYAML/JSONとして保存される仕組みだ。

npx の段階で必要なのはNode.jsとpnpm、そしてGitHubのPersonal Access Tokenだけ。DockerもDBもKubernetesもいらない。

CLIは harbor コマンドとしても利用可能で、プロジェクト作成やプラグインの追加はこちらで行う。

# 新規プロジェクトの作成
harbor init my-catalog

# プラグインのセットアップ
harbor setup builtin.audit-skill-scanner
harbor setup builtin.audit-promptfoo-security
harbor setup example-user-defined-plugin

日常的な運用は、ルートの package.json に登録されたnpmスクリプトを叩くだけで完結する。

アーキテクチャ：DB不要のGitネイティブ設計

Agent Skill Harborが他のスキル管理ツールと一線を画すのは、 データベースを一切使わず、すべてGitで完結する点 だ。スキルデータはすべてYAML/JSONとしてGitに保存され、カタログUIは静的Webアプリとしてプリレンダリングされる。

プロジェクトのディレクトリ構造は明確に役割分離されている。

my-skill-harbor/
├── .github/workflows/     # GitHub Actionsワークフロー
├── config/
│   ├── harbor.yaml        # アプリケーション設定
│   └── governance.yaml    # ガバナンス設定
├── collector/             # スキル収集バッチ処理
│   ├── package.json
│   └── plugins/           # プラグインごとのマニフェストとコード
├── data/
│   ├── collects.yaml      # 収集履歴
│   ├── skills.yaml        # 収集されたスキルのインデックス
│   └── skills/            # キャッシュされたスキルファイル
├── .env                   # 環境変数（GH_TOKEN等）
└── package.json           # Web UIのマニフェスト

この設計により、GitHub Actionsでスキル収集→データをGitにコミットバック→GitHub PagesまたはCloudflare Pagesで公開、という 完全にサーバーレスなパイプライン が実現する。MCPサーバーの扱い方についてはMCPサーバーの構築ガイドでも整理しているとおり、Gitベースのインフラはバージョン管理と監査ログを自動的に提供するため、エンタープライズ環境での信頼性が高い。

組織導入の基本ステップ

実際に組織で運用する場合の導入手順はシンプルだ。

1. npx agent-skill-harbor init で新規プロジェクトを作成
2. 組織のプライベートリポジトリにプッシュ
3. GH_TOKEN をGitHub Actionsシークレットとして設定
4. GitHub PagesまたはCloudflare Pagesを有効化
5. 生成された CollectSkills ワークフローを実行

生成される CollectSkills ワークフローは、Harborの再利用可能なワークフロー（wf-v0）を呼び出す薄いcallerとして作られており、内部では以下のステップが実行される。

• collectステップ: collector/ のコア依存関係のみをインストールし、スキル収集を実行
• post_collectステップ: 収集成果物を復元し、有効化されたオプショナルプラグインのマニフェストのみをインストール
• 最終ステップ: data/ ディレクトリをリポジトリにコミットバック

GitHub Actionsの収集処理とオプショナルなpost-collect依存関係が構造的に分離されているため、CIの安定性が高く、プラグインを追加してもコアの収集処理を壊さずに済む。

Post-Collectプラグインでスキル監査を自動化

Agent Skill Harborの強力な拡張ポイントが、 Post-Collectプラグインシステム だ。スキル収集後に自動実行される処理を config/harbor.yaml で有効化するだけで、監査・通知・ドリフト検出が自動化される。

プラグインのランタイムファイルは harbor setup コマンドでスキャフォールドできる。

# 安全性スキャナーをセットアップ
harbor setup builtin.audit-skill-scanner

# promptfooセキュリティ監査をセットアップ
harbor setup builtin.audit-promptfoo-security

# カスタムプラグインの作成
harbor setup example-user-defined-plugin

生成されたファイルは collector/plugins/<plugin-id>/ 以下に配置される。カスタムプラグインを独自に作成することも可能で、組織固有の監査ルールやレポート生成を自動化できる。たとえば「社外秘キーワードを含むスキルを警告する」「特定のツール呼び出しを含むスキルをSlackに通知する」といった独自ロジックを組み込める。

プラグインはHarborの「拡張口」であり、 コア側に手を入れずに組織固有の運用ルールを追加できる。OSSをforkせずに運用に差分を載せられるのは、長期メンテナンス観点で極めて重要だ。

ForgeCodeのようなAIコーディングツールが生成するスキルが増えるなか、コミットされた全スキルを自動でスキャンし、安全性を継続的に監査する仕組みは運用上ほぼ必須と言える。人力レビューでは到底スケールしない領域を、Harborのプラグインが吸収する形だ。

カタログUIの4つのビューとスキル可視化

Agent Skill Harborのカタログ UIは、スキル情報を4つのビューで可視化する。単純なリストではなく、 規模・関係性・品質分布を同時に把握できる ことが大規模運用での差になる。

静的Webアプリとしてプリレンダリングされるため、サーバーサイドの実行環境が不要でホスティングコストを抑えられる。LangChainでRAGパイプラインを構築している組織なら、LLMが参照するスキルの品質管理や、社内ドキュメントの由来追跡にHarborを組み合わせる使い方が考えられる。

設定は config/harbor.yaml で集約管理される。最小限の例は以下のような構成だ。

# config/harbor.yaml
name: my-skill-harbor
description: "社内AIエージェントのスキルカタログ"

collect:
  sources:
    - org: your-company
      include:
        - "**/.claude/skills/**"
        - "**/SKILL.md"

post_collect:
  plugins:
    - builtin.audit-skill-scanner
    - builtin.notify-slack
    - builtin.detect-drift

スキル収集対象のパスパターンや、監査・通知プラグインの有効化をすべてこのYAML1枚で制御できる。設定の差分はGitに残るため、「いつ誰がガバナンスを変更したか」を完全に追跡可能だ。

従来のスキル管理手法との比較

Agent Skill Harborの位置づけを明確にするため、よくある従来型のスキル管理手法と比較する。

スプレッドシートや社内Wikiでの管理は初期コストこそ低いが、スキルが数十〜数百件になった瞬間にスケールしない。とくに 「誰がいつ、どのスキルを、どの基準で承認したか」 を追跡できない点は、監査対応で致命的になる。

Harborが選ばれる典型シナリオ

• 複数リポジトリ・複数チームで .claude/skills/ が散らばっている
• スキルの安全性レビューを手動で回していて追いつかない
• どのスキルが誰のコピーから派生したかを追跡したい
• SaaSを入れるほどの予算や審査プロセスは通したくない

こうした状況にぴたりとはまるのがHarborだ。Gitという既存インフラの上にガバナンスと自動監査を乗せることで、運用コストを最小限に抑えながら企業レベルのスキル管理を実現できる。

「Excelで管理台帳を作り続けるか、SaaSに月額を払うか」の二択しかなかった領域に、 OSS・Gitネイティブという第三の選択肢 を持ち込んだのがAgent Skill Harborの最大の価値だ。

実践ユースケース：Harborで何ができるか

最後に、Agent Skill Harborが実際にどのような現場課題を解くのかを3パターンに整理する。

ユースケース1：AIコーディング基盤の内製ガバナンス

社内で Claude Code や他のAIエージェントの導入を進める企業では、部署ごとに独自の .claude/skills/ ができあがり、互換性のないスキルが乱立する問題が起きやすい。Harborを導入すれば、全社のSKILL.mdを自動収集し、governance.yaml で「推奨」「禁止」の線を引けるようになる。

ユースケース2：OSSコミュニティ向けスキルカタログ

OSSプロジェクトがAIエージェント向けスキルを公開するとき、Harborを公開カタログとして使えば、コントリビューターはPRを送るだけで自動的にスキルが監査され、カタログに載る。GitHub Pagesで公開される静的サイトはそのままドキュメント代わりになる。

ユースケース3：個人の横断スキル管理

個人開発者でも、自分の複数リポジトリにまたがる .claude/skills/ や SKILL.md をHarborで収集し、自分専用のカタログをホスティングする使い方ができる。ForgeCodeやLangChain関連のスキルを自作している場合、「どこに何を作ったか」を1箇所で俯瞰できる価値は大きい。

# 個人利用向けのシンプルなharbor.yaml例
name: my-personal-skills

collect:
  sources:
    - user: your-github-username
      include:
        - "**/.claude/skills/**"

post_collect:
  plugins:
    - builtin.detect-drift

📌 まとめ

Agent Skill Harborが解こうとしている課題はシンプルだ——組織内に散らばるAIエージェントのスキルを、追加インフラを入れずにGitだけで一元管理したい。その答えとして、HarborはYAML/JSONをGitに保存し、静的サイトでUIを出し、GitHub Actionsで収集と監査を回す、という極めて合理的な構成を選んだ。

本記事で押さえたポイントを整理すると：

1. 課題: スキル資産の散在・重複・未監査・由来不明が組織運用での共通問題
2. 設計: サーバーレス・DB不要・Gitネイティブ、全データがYAML/JSONで追跡可能
3. 機能: カタログ化・ガバナンス・由来追跡・安全性監査・Slack通知の5本柱
4. セットアップ: npx agent-skill-harbor init の1コマンドから始められる
5. 拡張: Post-Collectプラグインで監査・通知・ドリフト検出を自由に組み合わせ
6. 差別化: スプレッドシート・Wiki・SaaSの弱点（スケール性・追跡性・コスト）を同時に解消

「DBもSaaSも追加せず、既存のGitだけで企業レベルのスキル管理を回せる」——これがHarborが提示した現実解だ。社内でAIエージェントのスキルが増え始めたチームは、まず最小構成でHarborを立ち上げ、detect-drift と notify-slack だけを有効にするところから始めてみてほしい。運用に乗った段階で監査プラグインやカスタム拡張を追加していけば、手間をかけずにガバナンス基盤が育っていく。

OpenHands・Browser Use・ForgeCode・LangChain・MCPサーバー——今後エージェント関連のスキル資産は加速度的に増える。その「保管庫」をどう設計するかは、AI活用の本気度を示す重要な一手になる。

参照ソース

• Agent Skill Harbor 公式リポジトリ
• Agent Skills 仕様
• GitHub Docs: About large files on GitHub
• Agent Skill Harbor デモサイト