マイクロソフト、解説動画からエージェント向け実行可能スキルを抽出する「Resource2Skill」公開

マイクロソフトがオープンソース公開した「Resource2Skill」は、人間向けの解説動画やソースコード、技術記事から、AIエージェントが実行可能なスキルを自動抽出・蒸留するツール群だ。

従来、エージェントに専門的な作業手順を覚えさせるには、人間がチュートリアルを見て手順を整理し、プロンプトやスクリプトを手作業で記述する必要があった。Resource2Skillはこの工程を自動化する。抽出されたスキルを活用することで、エージェントは実務ツールを動かし、Webページ、PowerPoint資料、Excel帳票、Blenderの3Dシーン、REAPER風の音源などを自律的に生成できるようになる。

単なるプロンプト集ではない二層構造

最近のエージェントスキルはMarkdown形式の指示書にとどまるものが多いが、Resource2Skillは実際の外部環境を動かす実行資産としてスキルを扱う。

システムは実行時に二つのリポジトリに分かれて機能する。

一つ目は「skills_wiki」で、構造化テキスト、コード例、視覚的なサンプル、出典メタデータを格納し、エージェントがタスク計画時に参照・検索するために使われる。

二つ目は「skills_library」で、各領域のMCPサーバーに接続され、実際のソフトウェア操作を担う実行ファイル群が収められている。

動画から一連の操作手順を、コードから実行可能な構文パターンを、記事から前提概念をそれぞれ抽出し、相互に補完させる仕組みだ。論文によると、このスキルを付与したエージェントはベースラインに比べて性能が11.9ポイント向上し、28通りのモデルとドメインの組み合わせのうち26で勝利したという。

ローカルでの動かし方

本プロジェクトはMITライセンスで提供され、実行コードとCLIに加えて、蒸留済みスキルデータセットもHugging Face上に公開されている。

動作にはPython 3.11の仮想環境が必要となる。リポジトリをクローンして依存関係をインストールした後、使いたい作業領域に応じたツールを追加する。

Web制作にはPlaywrightとChromiumが必要で、PowerPointの出力にはLibreOfficeを用いる。Blenderのシーン作成にはpipで導入可能なヘッドレス版bpyモジュールを使い、音源作成にはfluidsynthとMIDIサウンドフォントを指定する。モデル接続設定を環境変数ファイルに記入すれば準備は完了する。

新規スキルの抽出は、CLIコマンドにYouTubeの解説動画リンクを指定するだけで実行できる。GitHubや動画サイトから素材を自動収集するバッチ機能も用意されている。もちろん、すでに用意されたスキルを用いて、プロンプトから各形式のファイルを一括生成させることも可能だ。

なぜ重要か

MCPを活用した業務自動化やエージェント開発に取り組んでいるなら、今すぐ試す価値がある。エージェント開発において最大の負担だった「専門スキルの手作業での言語化」を、ネット上の良質な解説動画から自動生成できる道を開いたからだ。

人間向けのチュートリアル動画をそのまま機械の実行スキルへ逆コンパイルするというアプローチは非常に合理的だと感じる。各制作ソフトのローカル環境構築にはまだ一定の手間がかかり、抽出精度もモデル性能に左右される側面はあるものの、エージェントに実用的なデスクトップ制作作業を任せたい開発者にとって強力な基盤になるはずだ。