こんにちは、クラウドサインで CRE（Customer Reliability Engineer）をしている藤谷です。
過去の記事では、Slack ワークフローに AI を組み込んで問い合わせの課題整理を自動化した事例を紹介しました。あの時点では、AI は問い合わせフローの「一部」を支援するものでした。
その後 CRE チームでは MCP（Model Context Protocol）を使った自動化基盤を構築しました。しかし MCP だけでは「どう使うか」までチームに共有できず、活用が広がらないという壁にぶつかりました。この課題を解決するため、CRE チームでは Agent Skills（AI エージェントに手順・知識・スクリプトを配布できる仕組み）へ全面移行しています。
スキル移行によって、 AI の支援は「一部」から「全工程」へ広がりました。調査・回答案の作成・レビューまでが AI エージェント上で一本につながり、問い合わせ対応の進め方そのものが変わっています。 その結果、 CRE が担っていた問い合わせ対応や周辺の定型タスクの多くを AI エージェントが引き受けられるようになり、工数を大きく削減できました。
その経緯と実装を共有します。
※補足：私たちは AI に回答を丸投げしているわけではありません。狙いは、 AI というツールで課題の真因特定と根拠整理を強力に進め、顧客により深く寄り添い、理解することです。最終判断は CRE が責任を持って行います。
CRE の問い合わせ業務が AI エージェントに繋がった
これまでの問い合わせ対応
Slack のやり取り、アプリケーションログ、社内ナレッジ（esa）、ヘルプセンター、場合によってはコードベースやデータベースまで横断して調査し、回答案を作成します。さらに別の CRE がレビューして、ようやく返答できる。1 件の問い合わせに対して、この全工程を人間が手作業で繋いでいました。かなりの労力です。
Jira の URL を貼るだけで、全工程が動く
今は、問い合わせの Jira チケット URL を AI エージェントに貼るだけです。
エージェントがチケットから Slack・ログ・esa ・ヘルプセンター、過去のJiraチケットの内容、コードベースやデータベースを自律的に横断調査し、回答案を作成します。（参照先の情報源は人間が調査していた時と同様ですが人間の目では追いきれなかった情報も深く探索してくれます）
さらにサブエージェントが自動でレビューをかけ、品質チェック済みの根拠とともに回答案を提示します。
1 つの URL から調査・分析・回答案作成・レビューまでが自律的に完結するようになりました。しかもサブエージェントのレビューにより高精度。 CRE は最初の指示と根拠などの最終確認だけに集中できます。
セキュリティチェックシートも URL 1 つで対応可能に
CRE には、企業から届くセキュリティチェックシートに回答する運用があります。1 件あたり数十問の設問があり、これまでは 1 問ずつ社内ナレッジを検索して過去回答を探し、フォーマットに合わせて転記していました。件数が重なると、これだけで数時間単位の時間が取られます。
今は Jira の URL を貼るだけです。エージェントがチケットからスプレッドシートを自動取得し、設問を抽出、過去回答マスタから回答案を整形し、サブエージェントがレビューします。フォーマットが顧客ごとにバラバラでも、AI が構造を「見て」判断してくれるのでどんなフォーマットが来ても大丈夫です。
社内の定型業務が AI エージェントを通せるようになった
問い合わせ対応やセキュリティチェックシートだけではありません。障害の状況整理（報告書の作成を含む）、ステータスページの掲載文作成、社内ナレッジの棚卸しなど、CRE の定型業務全般が AI エージェントを通じて実行できる状態になっています。
これまで「手作業だけど仕方ない」と思っていた業務が、スキルとして定義すれば AI に委譲できます。その積み重ねが、チーム全体の動き方を変えつつあります。
Agent Skills の仕組み
Agent Skills は、AI エージェントに手順知識を渡すためのオープンスタンダードです。MCP が「ツールへのアクセス」を標準化するのに対し、スキルは「ツールの使い方」を標準化します。両者は本来補完関係にありますが、CRE チームでは後述する理由からスキル側にツール接続も含めて一本化しました。CRE が利用している Cursor をはじめ、Claude Code など 多くの AI エージェントが対応しています。
「ツールへのアクセス」と「ツールの使い方」
MCP は API への接続を標準化してくれます。ただ、ツールの「使い方」は MCP の守備範囲外です。User Rules で補う方法もありますが、CRE チームではルールの量が増えるにつれて管理が難しくなりました。
スキルでは「いつ発動するか」「どのツールをどの順序で使うか」「出力をどう検証するか」まで、すべてが 1 つの SKILL.md に書かれています。誰が実行しても同じ手順で動く。CRE チームではツール接続もシェルスクリプトでスキル内に実装し、アクセスと手順知識を一体化しました。
必要なときに、必要な分だけ読み込む
MCP ではツール定義を起動時に読み込むのがデフォルトの挙動でした。(現在は Claude Code の Tool Search など遅延ロードの仕組みも登場し、改善が進んでいるようです。）
スキルは設計としてオンデマンドで読み込むため、CRE チームではこの点でも扱いやすいと感じました。
各スキルは SKILL.md（AI への指示）、scripts/（シェルスクリプト）、references/（API 仕様など）の 3 要素で構成されています。編集して保存すれば即反映。ビルドは不要です。
実際の動き方
たとえば問い合わせの Jira URL を貼ると、AI はスキルの description から「問い合わせ対応スキル」を選択し、SKILL.md を読み込みます。手順に沿ってツールスキルを順番に呼び出し、Jira からチケット情報を取得、Slack でやり取りを遡り、esa でナレッジを検索します。
これらはすべてスキル内のシェルスクリプトが各サービスの API を直接呼び出すことで実現しています。MCP サーバーを介さず、同じツール接続をシェルスクリプトで実装した形です。
ワークフロースキルとツールスキルの 2 層構造
CRE チームではスキルを「ツールスキル」と「ワークフロースキル」の 2 層に分けています。ツールスキルは Slack・Jira・esa など各サービスへの接続を担い、ワークフロースキルがそれらを組み合わせて業務全体を動かします。
ツールスキルはワークフローの中ではなく、独立したスキルとして切り出しています。たとえば Slack への接続処理は、問い合わせ対応・障害の状況整理、ナレッジ棚卸しなど複数のワークフローで使います。
特定のワークフローへ埋め込むと依存関係が生まれます。独立したスキルであれば所属先を気にせず呼び出せますし、API の仕様変更時もそのスキルだけ直せば済みます。
サブエージェントという「品質ゲート」
5 つのサブエージェントが各ワークフローの要所で自動起動し、出力を独立検証します。
サブエージェントはメインとは「別プロセス」で動くため、コンテキストウィンドウを圧迫せず、第三者の目線でチェックが入ります。人間のレビュー体制と同じ「書く人と見る人を分ける」原則を AI 上で再現した設計です。ヘルプデスク対応では以下の 5 軸で自動チェックをかけています。
- 顧客の課題理解は正確か
- 調査は十分か
- 回答は適切か
- 表現は分かりやすいか
- プロダクト内で統一された用語（ユビキタス言語）を遵守しているか
なぜ Agent Skills に一本化したか
CRE チームでは当初 MCP サーバーを 7 つ構築し、Slack・Jira・GitHub など各サービスへの接続基盤として運用していました。MCP のおかげでツール接続は標準化できましたが、チームで活用を広げるには「使い方」も一緒に共有する必要がありました。
チームで同じ手順を共有したかった
たとえば Jira であれば、どのプロジェクトにどうチケットが存在し、どう起票するか。ログ調査であれば、どんなログ構造なのか、どのテーブルを見ればいいのか。こうしたドメイン知識をスキルに書き込めば、チーム全員が同じ手順で動けます。これが移行の最大の動機です。
CRE の業務に沿った柔軟な設計ができた
前述の手順共有にも関連しますが、スキルとして実装を進めると CRE の業務フローに合わせた柔軟な設計ができました。
CRE の業務上、MCP 経由でしかできないことは特になく、スキル内で自由に組めるようになったことで MCP を残す理由がなくなりました。
導入のしやすさを重視した
スキルで MCP を操る手順を組み込むことも可能ですが、その場合スキルと MCP 両方のセットアップがチームで必要になります。スキルに一本化すれば 各自の環境にスキルをコピーするためのsetup.sh を用意するだけで済み、git pull && ./setup.sh で展開できます。
SKILL.md は Agent Skills オープンスタンダードに準拠しています。Cursor 以外にも Claude Code など他の AI エージェントで動作する設計です。
今後の展望
現在はサブエージェント とスキルの基盤が整い、スキル共有と AI 活用の土台ができた段階です。業務によっては数時間かかっていた作業が数分〜数十分で完了するケースも出てきました。
次のステップとして、CRE メンバー全員でスキルを育てていきます。AI レビューで十分なケースを増やしながら、人間のレビュー負荷を段階的に下げていく段階です。
その先に目指しているのは、定型業務から解放された時間で、より本質的な顧客課題の解決に向き合うことです。CRE 全員がヘルプデスクを「片手間で」回せる状態にしたいと考えています。
まとめ
CRE チームでは、スキル内のシェルスクリプトで同じツール接続を実現でき、業務フローに合わせた柔軟な設計やチームへの展開のしやすさから、いったん MCP をやめてスキルに一本化しました。
- スキルは「使い方」まで含むため、チーム全員が同じ手順で動ける
- ツール接続と手順知識を一体で管理でき、変更箇所が 1 つにまとまる
- サブエージェントが品質ゲートとして独立検証し、レビュー負荷を下げる
AI 技術は日々進化しています。今後のアップデートでより良いやり方が見つかれば、柔軟に取り入れていきます。
基盤が変われば業務フローが変わり、業務フローが変われば働き方そのものが変わる。この記事が、AI エージェントで業務を変えたいと考えているかたの参考になれば幸いです。
