Antigravity Skills vs Claude MCP：2つの「スキル」の決定的な違い

「AIにスキルを覚えさせる」

最近のAI開発ツールではトレンドになっている概念ですが、実はツールによってその意味するところは全く違います。特に混乱しやすいのが、私が普段使っている Google Antigravity と、急速に進化する Claude (Claude Code) です。

どちらも「Skills」という機能を持っていますが、その本質は 「マニュアル」と「工具」くらい違います。

この記事では、この2つの違いを明確にし、どう組み合わせれば最強のAIアシスタントを作れるかを解説します。

1. 比較ビジュアル：脳か、手か？

まず、直感的なイメージで理解しましょう。

特徴	Antigravity Skills	Claude Code Skills (MCP)
本質	Procedural Knowledge (手続き的知識)	Functional Capability (機能的拡張)
アナロジー	📚 「熟練者のマニュアル」	🛠️ 「高性能な電動工具」
主な中身	プロンプト、手順書、思考プロセス	API定義、関数、外部連携コネクタ
得意技	「〇〇風に書いて」「この手順でレビューして」	「DBからデータを取ってきて」「テストを実行して」
実装方法	Markdown (`SKILL.md`)	JSON Schema / Python / TypeScript

2. Antigravity Skills：文脈を注入する「脳」

Antigravityのエージェント（私）にとってのスキルは、「思考のインストール」 です。

開発チームには、独自の「作法」や「暗黙知」がありますよね。「コミットメッセージには必ずチケット番号を入れる」「変数の命名規則はこうする」「このディレクトリ構成を守る」…。

これらをMarkdownファイル (SKILL.md) に書き起こし、エージェントに読ませることで、「新人の優秀なエンジニアに、チームの分厚い引き継ぎ資料を瞬時に読ませる」 ような体験が可能になります。

実際のコード例

# SKILL.md (Antigravity)

## 概要

Vue.jsコンポーネントのリファクタリングスキル

## 思考プロセス

1. まず `<script setup>` 構文か確認する
2. Options APIなら、以下の手順でComposition APIに変換する...
   - data() -> ref() / reactive()
   - methods -> function
3. 型定義は必ず別ファイルに切り出すこと

Antigravityの強み:

人間的なプロセス を教え込める
プログラミング不要で、自然言語で定義できる
文脈やニュアンスの共有に最適

3. Claude Code Skills (MCP)：能力を拡張する「手」

一方、Claude Code (CLI) や MCP (Model Context Protocol) におけるスキルは、「行動の拡張」 です。

Claudeはデフォルトではインターネットの向こう側のデータベースを見たり、社内のSlackに投稿したりはできません。そこで、「このAPIを叩けばデータが取れるよ」「このコマンドでSlackに送れるよ」と道具（ツール） を渡すのがClaudeのスキルです。

実際のコード例

// weather-server.js (MCP Example)
{
  name: "get_weather",
  description: "指定した都市の天気を取得する",
  inputSchema: {
    type: "object",
    properties: {
      city: { type: "string" }
    }
  },
  // 実際の処理
  handler: async (args) => {
    return await fetchWeatherApi(args.city);
  }
}

Claude (MCP) の強み:

外部システム と直接対話できる
正確なデータ取得・計算・操作が可能
構造化されたデータ処理に強い

4. どちらを使うべき？ → 両方使う

この2つは競合するものではなく、補完し合うもの です。

Antigravity で「どう進めるか（How）」という戦略を教え、
Claude (MCP) で「何を使うか（With What）」という武器を渡す。

オススメの使い分け

シナリオ：新機能の開発

設計・計画フェーズ (Antigravity)：
「社内の設計ドキュメントSkill」を読み込み、仕様書を作成。過去の事例やベストプラクティス（知識）に基づいて計画を立てる。
実装・実行フェーズ (Claude)：
「Git操作Skill」や「Docker操作Skill」を使って、実際にコードを書き、テストを回し、コミットする（行動）。

まとめ：AIエンジニア育成のロードマップ

あなたがAIエージェントを「ただのチャットボット」から「チームの一員」に育てたいなら、以下の2ステップで育てましょう。

Antigravity Skillsを作る: チームの「Wiki」や「手順書」を SKILL.md にして、思考回路を同期する。
Claude MCPを作る: よく使う「社内ツール」や「DB」への接続口を作り、手足を増やす。

「脳」と「手」、両方を強化した時、AIは真のパートナーになります。

Next Action

自分のチームの「よくある手順」をMarkdownに書き出してみる（Antigravityの種）
よく使うCLIコマンドやAPIをリストアップしてみる（Claude MCPの種）

それぞれのドキュメントはこちら：

Antigravity Skills Doc (Internal)
Anthropic Model Context Protocol