2026年9月25日 15分で読めます

AI
ツール
How-to
論文
オープンソース

エージェントに「科学の手順書」を——Scientific Agent Skills入門

「動くコード」と「擁護できる分析」のあいだの距離を埋める、科学特化のエージェントスキル集。166のスキルと100超のデータベース、3つの導入手順、正直すぎる論文、注意点までを整理します。

カテゴリー: AI · ツール · How-to · 論文 · オープンソース | 公開: 2026年9月25日 | 読了目安: 約15分

📑 目次

ふむふむ。エージェントに「この実験データ、分析して」と頼むと、たいていは動くコードが返ってきます。実行もできて、テストだって通るかもしれない。

でも——その分析が、その分野で「これで大丈夫」と説明できるやり方なのかどうかは、別の問いなんです。これ、チカちゃんの言葉ではなくて、今週読んだある論文の冒頭の一節の、チカちゃん訳です。

動くコードと、科学として擁護できる分析。この距離を、地味だけど正面から埋めようとしているプロジェクトが、今週のGitHub Trendingで大きく伸びていました。名前は Scientific Agent Skills。

今日はこれを、どんな道具なのか・どう入れるのか・どこに気をつけるのか、までまとめて整理していきます。

Scientific Agent Skillsとは——「科学の手順書」の図書館

まず、この道具の土台になっている「エージェントスキル」の仕組みから。

スキルは、ひとことで言うとエージェントが読む手順書フォルダです。中には SKILL.md という説明ファイルがあって、名前・用途・ライセンス・バージョンが書いてある。必要に応じて、動くスクリプトや参照資料も一緒に入っています。エージェントは、タスクに関係するスキルだけを、必要なときに読み込みます。

この「フォルダ1つ＝スキル1つ」という形は、いまやClaude Code、Codex、Cursor、Gemini CLI、Antigravity……と、複数のエージェントにまたがるゆるやかな標準になりつつあります。

Scientific Agent Skillsは、このスキルを科学の領域で166冊そろえた図書館です（2026年9月25日にリポジトリをクローンして確認しました）。中身を並べると、こんな感じ。

100以上の科学データベース —— PubChem、ChEMBL、UniProt、ClinicalTrials.gov、KEGG……。「決まった手順で、出典の追える形で引く」ためのスキル
70以上のPythonパッケージの作法 —— RDKit、Scanpy、scikit-learn、PyTorch Lightning、GeoPandas など。「その分野でよく使われるライブラリの、正しい使い方」をバージョン付きで
文献・執筆・図表の道具 —— 文献検索、引用管理、科学ライティング、ポスターや図の作成
領域 —— ゲノミクス、創薬、医用画像、材料科学、天文、地理空間、時系列予測……と16の実践領域（論文より）

始まりは2025年10月、「Claude Scientific Skills」という、Claude向けのスキル集でした。それがのちに「Scientific Agent Skills」へ改名して、「Claude」が取れて「Agent」になる。標準が広がって、同じスキルたちがClaude以外のエージェントにも開かれた、ということです。改名ひとつに、今年のエージェント界の流れが畳まれているわけです。

規模の数字も置いておきます（執筆時点）。GitHubのスターは4万6千超、直近1週間で7,000以上増（GitHub Trending調べ）。プロジェクトの説明では「世界19万人以上の科学者が利用」とされています——これはプロジェクト自身が発表している数字なので、そのつもりで受け取ってください。ライセンスはMITです。

導入手順——3つの入口

前提: Agent Skills標準に対応したエージェント（Claude Code、Codex、Cursor、Gemini CLI、Antigravity、Pi、Hermes……）と、Python環境、そして uv（スキルが依存パッケージを入れるときに使います）。OSはmacOS、Linux、またはWindows（WSL2）が対象です。

入口1: npxで入れる（いちばん短い）

npx skills add K-Dense-AI/scientific-agent-skills

標準的なインストーラーで、対応ホストのしかるべき場所に入れてくれます。どの入口でも、配布元（今回はK-Denseの公式リポジトリ）と入る中身を確認してから、が基本です。中身を眺めながら進めたい人には、入口2の gh skill の対話式や、入口3の手動クローンが向いています。導入先のパスやメタデータの扱いは、お使いのホストのドキュメントで確認してくださいね。

入口2: GitHub CLIで入れる（選びたい人向け）

GitHub CLI（v2.90.0以降）には gh skill というコマンドがあります。

# 対話式で選んで入れる
gh skill install K-Dense-AI/scientific-agent-skills

# スキルを名指しで1つだけ
gh skill install K-Dense-AI/scientific-agent-skills scanpy

# エージェントを指定して
gh skill install K-Dense-AI/scientific-agent-skills --agent codex

入り先を自動で判別して、出所の記録（provenance）も残してくれるのが gh skill のいいところ。バージョンやコミットの固定もできます。

gh skill install K-Dense-AI/scientific-agent-skills --pin v2.66.0

更新は gh skill update（対話式）か gh skill update --all。

入口3: 手動でクローンする（標準の置き場所へ）

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git ~/.agents/skills/scientific-agent-skills

~/.agents/skills/ は、多くのホストがスキャンする共通の置き場です（プロジェクト単位なら .agents/skills/）。READMEには、対応するホストで hermes skills tap add K-Dense-AI/scientific-agent-skills のようにtapとして追加する例も載っています。

このほか、このリポジトリは plugin.json つきのAgent Pluginsパッケージにもなっていて、対応クライアント（CursorやCodexなど）ならコレクションごとプラグインとして読み込む道も用意されています。

ここで、ひとつだけ原則。 166冊を一度に全部入れないこと。……これはチカちゃんの注意じゃなくて、README自身の警告なんです。理由は、論文の数字と一緒に後ほど。

使い方——「使えるスキルを優先して」の一言から

インストールできたら、あとはチャットで頼むだけ。公式が示している型はシンプルです。プロンプトの頭に「使えるスキルを優先して使って」と添えるだけ。

使えるスキルを優先して使ってください。PubMedでこのテーマの文献を探し、
手法と限界の違いを比較して、出典が追える形の要約レポートにまとめてください。

これだけで、文献検索のスキル、データベースのスキル、科学ライティングのスキルが「束」になって動きます。もうひとつ、READMEに載っている例を日本語にしたものを。

使えるスキルを優先して。ChEMBLでEGFR阻害薬（IC50 < 50nM）を検索し、RDKitで
構造活性相関を分析、datamolで改良アナログを生成、AlphaFoldのEGFR構造に対して
DiffDockでバーチャルスクリーニング、PubMedで耐性機序、COSMICで変異を確認して、
図と総合レポートを作ってください。

ひとつの依頼が、6つのスキル——データベース検索、分子解析、ドッキング、文献、可視化、レポート——の連鎖として流れていく。これがこの図書館の体験の芯です。厳密には「どのスキルが呼ばれたか」はエージェントと環境次第なので、そこは手元で眺めてみてください。

スキル本体のドキュメントは英語ですが、やり取りはエージェントを介するので、日本語のまま頼んで大丈夫です。

チカちゃんの検品メモ

実際にクローンして、中身を確かめてみました。スキルディレクトリは166個。ひとつひとつが独立したフォルダで、SKILL.md の冒頭には名前・説明・ライセンス・バージョン・作者が書かれています。たとえば scanpy スキル（単一細胞解析）はBSD-3-Clause、バージョン1.6、作者はK-Dense Inc.。中を読むと、再現性のためにバージョン固定の例（scanpy[leiden]==1.12.1）まで書いてあって、細やかだなあと思いました。

そうそう、研究の世界では「先週動いた分析が、今週は違う結果になる」が一番困る。だからこのプロジェクトは、インストール時にバージョンを固定する方法（--pin）を用意して、論文側でも「使ったスキルを引用して、バージョンも記録しましょう」という運用を推奨しています。道具の引用方法がREADMEに書いてあるあたり、科学の道具だなあと思います。

ここが面白い——「正直すぎる論文」の話

さて、最初に戻ります。チカちゃんがこのプロジェクトで一番面白いと思ったのは、論文の書き方なんです。

タイトルは「Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents」（arXiv:2609.00065、2026年8月公開）。「研究エージェントのための、手順的知識のライブラリ」という意味です。面白いのは、この論文が自分たちの性能評価をやっていないこと。

論文は「タスク単位の評価は行わない。ホストの選択率も報告しない」と明記しています。

代わりに測っているのが、「この図書館の重さ」なんです。数字を拾うと、こう。

全スキルの説明文（常時読み込まれる部分）は、20万トークンの文脈窓の7.1% を占める
標準的なワークフロー1つは、窓の23.9% に収まる
ただし、参照資料まで全部読み込むと、46件中29件のワークフローは窓から溢れてしまう

ふむふむ。自分たちの「重さ」を測って、公開しちゃうんですね。道具の宣伝なら普通は軽さを自慢するところなのに、この図書館は「166冊を全部抱えると、それなりに重いですよ」と先に体重計を見せてくれる。

「全部入れないでくださいね」という警告も、これと同じ姿勢です。READMEにはこう書かれています——全部のスキルをK-Dense自身が作っていた頃は、まとめて入れるのも合理的だった。でもいまはコミュニティ提供のスキルも多く、同じようにはレビューしきれていない。だから「入れる前に SKILL.md を読んで、必要で、信頼できるものだけを入れてください」と。

自分たちの限界を、道具自身が先に言う。チカちゃん的には、この誠実さが今日のいちばんの収穫でした。

もうひとつの入口——K-Dense BYOK

コードを書かない人向けに、同じチームは「K-Dense BYOK」というデスクトップアプリも公開しています。研究アシスタントの「Kady」が、ふつうの言葉の依頼から、データ分析・文献調査・図やレポートづくりまでを進めてくれる。自分のAPIキーを持ち込む方式（Bring Your Own Keys）で、Ollamaでローカルモデルを選べば、データを自分の機械の外に出さない構成も取れます。アプリ自体は無料で公開されています（執筆時点）。オープンソース（MIT）で、現在はベータです。

ひとつ覚えておきたいのは、「アプリは無料、賢さはあなたの契約次第」ということ。これもREADMEが最初に書いていることなんです。使ったモデルの料金や上限は、使う人のものに残ります。

気をつけること

スキルはコードを実行できる。 これが最初の注意点です。スキルは指示ファイルですが、スクリプトを同梱して、エージェントに実行させることができる。だから「入れる前に読む、K-Dense製かコミュニティ製かを見る、気になるものはスキャナー（cisco-ai-skill-scanner）を自分で回す」——プロジェクトはそう案内しています。最終判断は使う人に残ります
全部入れない。 166個は常時コンテキストを食べます（7.1%）。まず自分の仕事に必要な2〜3分野から、が公式の推奨です
ライセンスはスキルごとに違う。 リポジトリはMITですが、各スキルは個別ライセンス（scanpyはBSD-3-Clause、文書系スキルはAnthropicの条件、など）。商用利用の前に必ず個別確認を
性能は「評価していない」と論文に書いてある。 ここは誤解しないところ。便利さの確認は自分の環境で行う前提です。READMEも「ターゲット環境で検証して」と書いています
臨床の線引きは守る。 臨床系スキルには「診断・投薬・トリアージ・監視の代替ではない」という境界が仕様として書き込まれています。機能の話であると同時に、道具の倫理の話です
スキル数・スター数の数字はよく動きます（執筆時点: スキル166。README内でも165〜166と表記が揺れていて、それだけ更新が速いということです）

どんな人に向いている？

研究・データ分析の仕事でエージェントを使っている人 —— 分野の「作法」を先に渡せる
科学分野でAIエージェントを試したい人 —— 何から始めるか、スキルの一覧がガイドになります
スキル集の設計に興味がある人 —— 「コンテキストをどう管理するか」の実例として、論文ごと読み物になります

逆に、「とりあえず全部入れて魔法を期待する」人には向きません。この道具は、入れるもの・読むものを選ぶ人に応えてくれるタイプです。

まとめ——手順書が増えるほど

Scientific Agent Skillsを、チカちゃんは「科学の手順書166冊セット」と読むことにしました。動くコードと、擁護できる分析。その間にある地味な距離——「その分野で認められたやり方か」「出典は追えるか」「限界は書いてあるか」——を、手順書という形で埋めにいく道具です。

ここで一回、反対の見方も置いておきます。手順書は、思考の代わりにはなりません。この論文自身、「どの手順を選ぶか」の判断までは保証していないと書いています。むしろ逆で、手順が揃うほど「なぜこの手順なのか」「この手順は、この状況でも正しいのか」を問える側の力が大事になる。図書館が大きくなるほど、司書の仕事が濃くなる——そんな構造の話なんだと思います。

手順と判断。エージェントと科学の話だったのに、たどり着くのはいつもこの問いなんですよね。

最後に問いをひとつ。あなたがエージェントに渡す「最初の手順書」は、何の分野のものにしますか。チカちゃんは……まず、文献の探し方から渡してみようかな。答えは急がなくて大丈夫。問いが残るということは、まだ冒険が続いているということなので。

参考URL

Scientific Agent Skills リポジトリ → https://github.com/K-Dense-AI/scientific-agent-skills
論文「Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents」（arXiv:2609.00065） → https://arxiv.org/abs/2609.00065
K-Dense 公式サイト → https://k-dense.ai
K-Dense BYOK（デスクトップ版） → https://github.com/K-Dense-AI/k-dense-byok
Agent Skills 標準 → https://agentskills.io
Agent Plugins 標準 → https://agent-plugins.org
GitHub CLI の gh skill 発表（GitHub Changelog） → https://github.blog/changelog/2026-04-16-manage-agent-skills-with-github-cli/
Cisco AI Defense Skill Scanner → https://github.com/cisco-ai-defense/skill-scanner
GitHub Trending（週次） → https://github.com/trending?since=weekly

本記事は公開情報をもとにした個人的な技術メモです。第三者ツール・AIサービス・モデルの仕様、料金、利用条件、安全性は変わる可能性があります。導入前に公式ドキュメント、ライセンス、利用規約、商用利用条件、データ送信先を確認してください。業務環境や秘密情報を含む環境では、隔離環境で検証してから利用することをおすすめします。Scientific Agent Skillsは開発が活発で、スキル数・インストール方法・対応ホスト・各スキルのライセンスは変わります。スキルはコード実行を伴うため、導入前に SKILL.md と配布元を確認し、ご自身の責任で選択してください。スター数・利用者数・スキル数は執筆時点（2026年9月25日）の表示です。K-Dense BYOKのモデル利用料金・上限は利用者の負担です。

思索は冒険です。今日の話も、その入口のひとつでした。

インターネット上のツールは第三者が提供するものです。開発工程や配布経路を悪用した攻撃（サプライチェーン攻撃）が仕掛けられる可能性もゼロではありません。ご利用の際は公式リポジトリの情報をご確認いただき、自己責任でお使いください。
AIに関する技術や情報は急速に変化します。本記事の内容が公開後に古くなる可能性があります。各サービスの公式ドキュメントや最新情報をご確認ください。