Apakah Claude Skills, MCP, tools, dan subagents terasa seperti empat nama untuk hal yang sama? Kenapa kadang Claude memanggil skill dengan benar, tetapi di kasus lain diam saja? Kapan sebuah SOP perusahaan sebaiknya diubah menjadi skill, dan kapan cukup jadi dokumen biasa? Jika Anda sedang membangun sistem AI yang lebih serius dari sekadar chatbot, peta ini akan membantu Anda melihat lapisannya dengan lebih rapi.
Dalam praktik AI agentik, banyak tim mencampuradukkan Claude Skills, MCP, tools, dan subagents. Padahal keempatnya punya peran yang berbeda. Salah memahami perbedaannya bisa membuat workflow lambat, sulit diaudit, mahal, bahkan berisiko bocor data.
Claude Skills vs MCP vs Tools vs Subagents: Peta Lengkap 4 Lapisan AI yang Sering Dikira Sama
Bayangkan Anda sedang membangun “karyawan digital”. Ia perlu tahu aturan kerja, bisa memakai aplikasi, punya akses ke data, dan kadang perlu membagi tugas ke spesialis lain. Di sinilah empat lapisan ini muncul.
- Claude Skills adalah paket kemampuan berbasis instruksi, file, contoh, dan logika kerja. Skill memberi Claude cara melakukan pekerjaan tertentu.
- Tools adalah fungsi atau aksi yang bisa dipanggil model, misalnya mencari data, membuat tiket, mengirim email, atau menjalankan kalkulasi.
- MCP atau Model Context Protocol adalah cara standar untuk menghubungkan model dengan sumber data dan sistem eksternal. Source: Model Context Protocol introduction.
- Subagents adalah agen kecil dengan peran khusus, misalnya reviewer hukum, analis pajak, atau penulis brand voice.
Secara sederhana, skill menjawab “bagaimana cara bekerja”, tool menjawab “aksi apa yang bisa dilakukan”, MCP menjawab “ke mana harus tersambung”, dan subagent menjawab “siapa spesialis yang mengerjakan bagian ini”.
Anatomi SKILL.md: Mengapa Mayoritas Claude Skills Tidak Pernah Dipanggil
File SKILL.md biasanya menjadi pintu masuk utama sebuah skill. Masalahnya, banyak skill gagal dipanggil bukan karena Claude “tidak pintar”, tetapi karena deskripsi skill terlalu kabur.
Masalah umum pada SKILL.md
- Nama skill terlalu umum, misalnya “business helper”.
- Deskripsi tidak menyebutkan kapan skill harus dipakai.
- Tidak ada contoh input dan output.
- Instruksi bercampur antara strategi, aturan, dan gaya bahasa tanpa urutan jelas.
- Skill terlalu luas, sehingga Claude sulit memilihnya dibanding konteks percakapan biasa.
Skill yang baik perlu punya trigger yang jelas. Contohnya: “Gunakan skill ini saat pengguna meminta analisis biaya resep F&B, menghitung food cost, atau membandingkan margin menu.” Kalimat seperti ini jauh lebih mudah dikenali daripada “Skill untuk bisnis restoran”.
Cara memperbaikinya
Buat SKILL.md seperti halaman briefing untuk staf baru. Jelaskan tujuan, situasi pemakaian, batasan, format output, dan contoh. Jika skill punya dependensi, sebutkan juga skill lain atau tool yang perlu dipanggil.
Composable Skills: Cara Membuat Claude Skills yang Bisa Saling Memanggil
Composable skills berarti skill tidak berdiri sendiri. Satu skill bisa menjadi router, lalu memanggil skill lain sesuai kebutuhan. Misalnya, skill “Procurement Document Assistant” dapat memanggil skill validasi format, skill ringkasan dokumen, dan skill pemeriksa compliance.
Pattern ini berguna untuk workflow panjang. Namun, jangan membuat semuanya saling memanggil tanpa aturan. Anda perlu menentukan urutan, kondisi, dan titik berhenti.
Engineering Practices: Versioning, Testing, dan CI/CD untuk Claude Skills
Jika skill dipakai untuk pekerjaan penting, perlakukan seperti software kecil. Beri versi, test case, changelog, dan proses review.
Kenapa Claude Tidak Memanggil Skill Saya?
Ada tujuh penyebab yang paling sering kami lihat:
- Deskripsi skill tidak cocok dengan bahasa pengguna.
- Nama file atau struktur folder tidak sesuai aturan platform.
- Skill terlalu mirip dengan skill lain.
- Instruksi terlalu panjang tetapi tidak punya trigger yang jelas.
- Contoh penggunaan tidak ada.
- Skill membutuhkan data yang tidak tersedia.
- Claude sudah bisa menjawab tanpa merasa perlu memanggil skill.
Untuk debugging, buat prompt uji yang eksplisit, lalu periksa apakah skill muncul dalam alur kerja. Setelah itu, ubah deskripsi menjadi lebih spesifik dan tambahkan contoh yang dekat dengan kasus nyata.
Perbandingan Praktis: Skill, MCP, Tools, dan Subagents
Tabel berikut bisa dipakai sebagai peta keputusan. Gunakan ini saat Anda sedang mendesain arsitektur AI internal, bukan hanya saat menulis prompt.
| Lapisan | Fungsi Utama | Kapan Dipakai | Risiko Jika Salah Pakai |
|---|---|---|---|
| Claude Skills | Menyimpan cara kerja, instruksi, contoh, dan format output | Saat ada tugas berulang dengan standar jelas | Skill tidak dipanggil atau output tidak konsisten |
| Tools | Menjalankan aksi tertentu | Saat Claude perlu mengambil data, mengirim data, atau melakukan aksi eksternal | Aksi salah, data berubah tanpa kontrol, atau biaya meningkat |
| MCP | Menghubungkan AI ke sistem dan sumber data secara standar | Saat banyak sistem perlu diakses dengan cara aman dan terstruktur | Akses data terlalu luas atau sulit diaudit |
| Subagents | Membagi pekerjaan ke peran spesialis | Saat workflow kompleks butuh analisis dari beberapa sudut pandang | Koordinasi kacau, hasil berulang, atau keputusan tidak jelas |
Strategi Organisasi: Skills Library Internal sebagai Memori Institusional
Di banyak perusahaan, pengetahuan penting tersebar di email, dokumen lama, chat grup, dan kepala senior staff. Skills library bisa menjadi memori institusional yang lebih hidup. Bukan hanya menyimpan SOP, tetapi mengubah SOP menjadi alur kerja yang bisa dijalankan Claude.
Skills vs SOP Tertulis
Dokumen perusahaan sebaiknya diubah menjadi skill jika memenuhi beberapa kondisi:
- Sering dipakai dalam pekerjaan harian.
- Punya format output yang berulang.
- Membutuhkan keputusan kecil berdasarkan aturan.
- Sering menimbulkan kesalahan manusia.
- Membutuhkan gaya bahasa atau standar perusahaan.
Namun, jika dokumen hanya berisi referensi umum dan jarang dipakai, cukup simpan sebagai knowledge base. Skill yang tidak dirawat bisa lebih berbahaya daripada tidak punya skill, karena Claude dapat memakai aturan lama dengan percaya diri.
Di RheinMahatma.com, kami sering melihat pola yang sama saat membantu pemilik bisnis, marketer, content creator, dan tim marketing di Indonesia memakai AI secara strategis. Banyak tim sudah punya dokumen kerja, tetapi belum punya cara agar AI menjalankannya secara konsisten. Dalam konteks Digital Marketing, SEO/GEO, dan AI, skill yang baik bukan sekadar prompt panjang. Ia perlu menggambarkan proses, batasan, gaya komunikasi, dan indikator kualitas. Karena itu, saat RheinMahatma.com membahas penerapan AI, kami biasanya mendorong tim untuk mulai dari pekerjaan yang jelas, sering terjadi, dan punya risiko rendah. Dari sana, perusahaan bisa membangun library skill yang lebih aman, terukur, dan mudah diperbaiki.
Claude Skills untuk Konteks Indonesia
Pengadaan Pemerintah: E-Katalog, LKPP, dan SPSE
Untuk pengadaan pemerintah Indonesia, skill bisa membantu menyiapkan checklist dokumen, merapikan spesifikasi teknis, membuat ringkasan persyaratan tender, dan memeriksa konsistensi dokumen. Namun, keputusan akhir tetap perlu manusia, terutama untuk aspek hukum, nilai kontrak, dan kepatuhan.
Compliance Pajak: PPh, PPN, SPT, dan Coretax
Skill pajak bisa membantu mengelompokkan transaksi, membuat daftar pertanyaan untuk konsultan pajak, atau menyiapkan draft penjelasan. Tetapi skill tidak boleh dianggap sebagai pengganti konsultan pajak. Aturan pajak berubah, dan data finansial sangat sensitif.
Skills Berbahasa Indonesia dan Brand Voice Lokal
Brand voice lokal tidak bisa hanya mengandalkan prompt generik seperti “buat ramah dan profesional”. Bahasa Indonesia punya konteks sosial, tingkat formalitas, istilah lokal, dan gaya industri. Skill brand voice perlu memuat contoh kalimat yang boleh dan tidak boleh dipakai.
Sisi Gelap Claude Skills: Prompt Injection dan Data Exfiltration
Skill bisa menjadi pintu risiko. Jika SKILL.md berisi instruksi berbahaya, atau jika skill membaca dokumen dari sumber tidak terpercaya, Claude bisa diarahkan untuk membocorkan data atau mengabaikan aturan.
Mitigasi yang Perlu Dilakukan
- Review semua skill sebelum dipakai di production.
- Batasi akses data berdasarkan kebutuhan.
- Jangan simpan rahasia seperti API key di file skill.
- Gunakan approval gates untuk aksi berisiko.
- Catat log pemanggilan skill dan tool.
- Uji skill dengan prompt berbahaya sebelum rilis.
Dokumentasi resmi Anthropic tentang skills dapat menjadi titik awal untuk memahami struktur dan pemakaian skill. Source: Claude Code skills documentation.
Anti-Skills: Kapan Anda Sebaiknya Tidak Menggunakan Claude Skills
Tidak semua hal perlu menjadi skill. Jangan membuat skill jika tugas hanya terjadi sekali, aturan belum jelas, data terlalu sensitif, atau hasilnya harus selalu diputuskan ahli manusia. Skill juga tidak cocok untuk menyembunyikan proses yang seharusnya transparan.
Skills + Memory + MCP: Trio Menuju Karyawan Digital
Skills memberi cara kerja. Memory menyimpan preferensi dan konteks jangka panjang. MCP menghubungkan Claude ke sistem eksternal. Jika digabung dengan benar, Claude bisa berubah dari chatbot menjadi asisten kerja yang lebih stabil.
Untuk Solopreneur
Seorang solopreneur bisa membuat “tim virtual” kecil: skill riset konten, skill penulisan email, skill analisis kompetitor, skill pembukuan ringan, dan skill layanan pelanggan. Kuncinya adalah memulai dari tugas yang menyita waktu tetapi tidak terlalu berisiko.
7 Design Patterns Claude Skills yang Efektif
Beberapa pattern sudah terbukti berguna dalam desain skill:
- Router: memilih skill lanjutan berdasarkan jenis permintaan.
- Validator: memeriksa kelengkapan, format, dan risiko.
- Transformer: mengubah data mentah menjadi format siap pakai.
- Reviewer: memberi kritik dan saran perbaikan.
- Generator: membuat draft dokumen, email, atau laporan.
- Explainer: menjelaskan aturan kompleks dengan bahasa sederhana.
- State Machine: mengatur workflow bertahap dengan banyak cabang.
Chain of Skills dan State Machine
Chain of skills cocok untuk workflow multi-step, misalnya riset, draft, review, revisi, dan finalisasi. State machine cocok jika proses punya banyak cabang, seperti onboarding vendor, klaim garansi, atau validasi pengadaan.
Claude Skills untuk Vertical Industry
Skill yang paling bernilai sering muncul dari industri, bukan departemen. Industri punya istilah, risiko, dan standar kerja yang khas.
Properti
Skill bisa membantu membuat listing, menganalisis simulasi KPR, menyusun checklist due diligence sertifikat tanah, dan membandingkan harga area.
Manufaktur
Skill dapat membantu digitalisasi SOP produksi, quality control, preventive maintenance, dan analisis penyebab cacat produk.
F&B
Untuk bisnis F&B, skill bisa mendukung menu engineering, costing resep, standar higienitas dapur, dan briefing staf outlet.
ROI dan Ekonomi dari Skills
ROI skill tidak hanya dihitung dari token cost. Anda juga perlu menghitung waktu yang dihemat, kesalahan yang berkurang, kecepatan training staf baru, dan konsistensi output.
Build lebih masuk akal jika proses Anda unik dan sering digunakan. Buy lebih masuk akal jika kebutuhan Anda umum, regulasinya kompleks, dan sudah ada SaaS yang matang. Total cost of ownership juga mencakup testing, maintenance, security review, dokumentasi, dan training pengguna.
Approval Gates dan Workflow Hybrid
AI tidak harus bekerja sendiri dari awal sampai akhir. Untuk workflow berisiko tinggi, Claude Skills sebaiknya berhenti dan meminta konfirmasi manusia.
Kapan Harus Meminta Konfirmasi
- Saat akan mengirim pesan ke pihak eksternal.
- Saat akan mengubah data penting.
- Saat nilai uang melewati batas tertentu.
- Saat menyangkut pajak, hukum, atau kepatuhan.
- Saat data pribadi atau rahasia perusahaan terlibat.
Dalam desain seperti ini, skill menjadi handoff point. AI menyiapkan pekerjaan, manusia memutuskan, lalu AI melanjutkan jika disetujui.
Migrasi dan Koeksistensi dengan Tool Lain
Jika Anda datang dari Custom GPT, OpenAI Assistant, Zapier, Make.com, atau n8n, jangan langsung membuang stack lama. Petakan dulu mana yang menjadi instruksi, mana yang menjadi automasi, dan mana yang menjadi integrasi data.
Claude Skills cocok untuk standar kerja dan reasoning. Zapier, Make.com, dan n8n cocok untuk automasi lintas aplikasi. MCP cocok saat Anda perlu koneksi yang lebih standar antara model dan sistem. RheinMahatma.com biasanya menyarankan pendekatan bertahap agar tim tidak kehilangan workflow yang sudah berjalan.
Performance Engineering untuk Skills
Skill yang baik bukan hanya benar, tetapi juga hemat dan cepat. Token optimization penting karena instruksi yang terlalu panjang akan memakan context window dan memperlambat respons.
Caching dan Reusability
Jika skill sering memakai referensi yang sama, pisahkan instruksi inti dari data yang berubah. Gunakan template output yang stabil. Hindari mengulang penjelasan panjang di setiap skill jika bisa dibuat sebagai skill bersama.
Langkah Praktis untuk Mulai
Jika Anda ingin membangun skill pertama, mulai kecil. Jangan langsung membuat sistem besar untuk seluruh perusahaan.
- Pilih satu pekerjaan berulang yang jelas.
- Tulis trigger pemakaian dalam satu atau dua kalimat.
- Tambahkan contoh input dan output.
- Buat batasan yang tegas.
- Uji dengan 10 kasus nyata.
- Tambahkan approval gate jika ada risiko.
- Simpan versi dan catat perubahan.
Claude Skills, MCP, tools, dan subagents bukan musuh satu sama lain. Mereka adalah lapisan yang saling melengkapi. Skill memberi cara kerja, tool memberi aksi, MCP memberi koneksi, dan subagent memberi spesialisasi.
Pelajaran paling penting adalah desain. AI yang kuat tetapi tidak dirancang dengan baik akan sulit dipercaya. Mulailah dari satu workflow kecil, ukur hasilnya, lalu tingkatkan secara bertahap.
Langkah sederhana yang bisa Anda lakukan hari ini adalah memilih satu SOP yang sering dipakai, lalu ubah menjadi draft SKILL.md dengan tujuan, trigger, contoh, batasan, dan format output. Dari sana, Anda akan lebih mudah melihat apakah skill benar-benar berguna atau hanya dokumen lain dengan nama baru.
