Modèle de compétence wrapper léger

VérifiéSûr

Modèle standard pour les compétences de workflow. Il valide les entrées, prépare le contexte de délégation et invoque un sous-agent via l'outil Task.

Spar Skills Guide Bot
DeveloppementAvancé
22/07/2026
Claude Code
#skill-authoring#delegation#subagents#workflow-pattern#meta

Recommandé pour

Synthèse automatique

Décrit le patron « thin wrapper » pour écrire des skills qui valident les entrées, délèguent le travail à un sous-agent via l'outil Task, puis valident et propagent le retour.

Points forts

  • Fournit le frontmatter exact à utiliser (allowed-tools: Task, context: fork, agent) et explique pourquoi chaque champ est nécessaire
  • Découpe l'exécution en étapes claires : validation, préparation du contexte de délégation, invocation, validation du retour, propagation
  • Prévient l'erreur classique consistant à appeler Skill({agent}) au lieu de Task, avec la raison (les agents vivent dans .opencode/agents/)
  • Inclut un mécanisme de repli (.return-meta.json) pour les cas où le skill exécute le travail en ligne plutôt que via un sous-agent

Limites

  • Suppose une infrastructure précise (jq, specs/state.json, .return-meta.json, .opencode/agents/) qui n'existe pas telle quelle dans tous les projets
  • Ne traite ni la logique métier ni la rédaction du sous-agent lui-même, qui restent entièrement à la charge du développeur
  • La section Exemple est tronquée et ne montre pas le cycle complet de validation et de propagation
Quand l'utiliser

À consulter lorsqu'on crée ou relit un skill de workflow qui doit déléguer à un sous-agent plutôt que d'exécuter la logique en ligne.

Quand l'éviter

Pour un skill autonome qui exécute directement son travail avec des outils classiques (Read, Bash, Edit), ce patron de délégation n'apporte rien.

Analyse de sécurité

Sûr
Score qualité82/100

The document is a reference pattern, not an executable skill. Its Bash snippets are benign local operations (jq, date, od) for validation/session IDs, and it explicitly delegates work via the Task tool. There are no destructive commands, credential exfiltration, obfuscated payloads, or safety-disabling instructions.

Aucun point d'attention détecté

Comment cette analyse est faite

Exemples

Write a new delegating skill
Create a new skill called skill-export-research that follows the thin wrapper pattern: validate the task number, build the delegation context, and hand off to the export-research-agent via the Task tool.
Audit an existing skill
Review my skill-migrate-implement SKILL.md and tell me whether it actually follows the thin wrapper pattern — check the frontmatter, the Task invocation, and the return validation.
Debug a broken delegation
My skill keeps failing when it tries to call the agent. Here's the SKILL.md — is it using Skill() instead of Task()?

Thin Wrapper Skill Pattern

Created: 2026-01-19 Purpose: Quick reference for the thin wrapper skill pattern Audience: /meta agent, skill developers


Overview

Thin wrapper skills are the standard pattern for workflow skills. They:

  1. Validate inputs
  2. Prepare delegation context
  3. Invoke a subagent via Task tool
  4. Validate and propagate the return

They do NOT:

  • Load heavy context (subagent does this)
  • Execute business logic (subagent does this)
  • Handle complex error recovery (subagent does this)

Frontmatter

---
name: skill-{name}
description: {One-line description}
allowed-tools: Task
context: fork
agent: {agent-name}
---

Key fields:

  • allowed-tools: Task - Only tool needed for delegation
  • context: fork - Do NOT load context eagerly; subagent loads context
  • agent: {name} - Target subagent to invoke

Execution Pattern

1. Input Validation

Validate task exists and arguments are correct:

task_data=$(jq -r --arg num "$task_number" \
  '.active_projects[] | select(.project_number == ($num | tonumber))' \
  specs/state.json)

if [ -z "$task_data" ]; then
  return error "Task $task_number not found"
fi

2. Context Preparation

Generate session_id and prepare delegation context:

session_id="sess_$(date +%s)_$(od -An -N3 -tx1 /dev/urandom | tr -d ' ')"
{
  "session_id": "sess_{timestamp}_{random}",
  "delegation_depth": {current_depth + 1},
  "delegation_path": [..., "skill-{name}"],
  "timeout": {timeout_seconds},
  "task_context": {
    "task_number": N,
    "task_name": "{slug}",
    "description": "{description}",
    "task_type": "{task_type}"
  }
}

3. Invoke Subagent

CRITICAL: Use the Task tool to spawn the subagent.

Tool: Task (NOT Skill)
Parameters:
  - subagent_type: "{agent-name}" (from frontmatter)
  - prompt: [Include task_context, delegation_context]
  - description: "Execute {operation} for task {N}"

DO NOT use Skill({agent-name}) - this will FAIL. Agents live in .opencode/agents/, not .opencode/skills/.

3b. Self-Execution Fallback

If the skill executor performed work inline (without spawning a subagent via Task tool), it MUST write a .return-meta.json file before proceeding to postflight. This ensures postflight stages can read metadata regardless of execution path.

Why this is needed: The postflight stages (status update, artifact linking, git commit) depend on reading .return-meta.json. When work is done by a subagent, the subagent writes this file. When work is done inline, the skill executor must write it manually using the schema from return-metadata-file.md.

Template (add after Stage 5 / subagent invocation in each skill):

### Stage 5b: Self-Execution Fallback

**CRITICAL**: If you performed the work above WITHOUT using the Task tool (i.e., you read files,
wrote artifacts, or updated metadata directly instead of spawning a subagent), you MUST write a
`.return-meta.json` file now before proceeding to postflight. Use the schema from
`return-metadata-file.md` with the appropriate status value for this operation.

If you DID use the Task tool (Stage 5), skip this stage -- the subagent already wrote the metadata.

4. Return Validation

Validate subagent return:

  • Return is valid JSON
  • Status is valid enum value
  • Summary is non-empty and <100 tokens
  • Artifacts array is present
  • Session ID matches expected

5. Return Propagation

Return validated result to caller without modification.


Example

---
name: skill-{extension}-research
description: Research {extension} patterns and conventions.
allowed-tools: Task
context: fork
agent: {extension}-research-agent
---

# {Extension} Research Skill

Specialized research for {extension} tasks.

## Trigger Conditions
- Task type is "{extension}"
- Research involves {extension}-specific patterns and tools

## Execution

### 1. Input Validation
Extract task_number. Validate task exists.

### 2. Context Preparation
Generate session_id. Prepare delegation context.

### 3. Invoke Subagent
Use Task tool with subagent_type: {extension}-research-agent

### 4. Return Validation
Validate return matches subagent-return.md schema.

### 5. Return Propagation
Return validated result to caller.

Two Delegation Sub-Patterns

Thin wrapper skills use one of two delegation approaches. The choice depends on whether structured context injection is needed.

Pattern A: Core skill pattern (explicit subagent_type, no context: fork)

Used by: skill-researcher, skill-planner, skill-implementer, skill-reviser, skill-spawn, and other core workflow skills.

---
name: skill-implementer
description: Execute implementation tasks.
allowed-tools: Task, Bash, Edit, Read, Write
---

The skill body explicitly calls the Task tool with subagent_type:

Tool: Task
Parameters:
  subagent_type: "general-implementation-agent"
  prompt: [full structured context JSON: session_id, delegation_depth, memory_context, etc.]

Why no context: fork: Core skills have multi-stage postflight (status update, artifact linking, git commit). They inject structured context that requires knowing the exact agent. They do NOT use context: fork or agent: frontmatter.


Pattern B: Extension skill pattern (context: fork + agent:, simpler delegation)

Used by: skill-lean-research, skill-present-research, and similar extension skills.

---
name: skill-{ext}-research
description: Research {ext} patterns. Invoke for {ext} research tasks.
allowed-tools: Task
context: fork
agent: {ext}-research-agent
---

The skill body passes simpler instructions to the agent without a full structured context JSON.

Why context: fork: Extension skills are thin wrappers with minimal postflight. The context: fork field prevents context files from being loaded into the skill's session, since the agent loads its own context.

Note: context: fork and CLAUDE_CODE_FORK_SUBAGENT=1 are independent. See @.opencode/context/patterns/fork-patterns.md for the full decision matrix and cache sharing mechanics.


When NOT to Use This Pattern

Use direct execution instead when:

  • Skill executes atomic operations (skill-status-sync)
  • No subagent needed
  • Work is trivial

Direct execution skills use:

allowed-tools: Bash, Edit, Read

Note: Direct-execution skills do not need the Stage 5b self-execution fallback since they do not delegate to subagents and handle their own metadata directly.

Extension Skills (Standard Pattern)

Extension skills follow the standard thin wrapper pattern, delegating to extension-provided agents. For example, an extension may provide skill-{ext}-research and skill-{ext}-implementation that delegate to {ext}-research-agent and {ext}-implementation-agent respectively.


Postflight Boundary Restrictions

After the subagent returns, thin wrapper skills MUST NOT perform implementation work. See @.opencode/context/standards/postflight-tool-restrictions.md for:

  • Allowed tools (Read metadata, jq state updates, Edit TODO.md, git commit)
  • Prohibited tools (Edit source files, build commands, MCP tools)
  • MUST NOT section template to include in skills

Related Documentation

  • @.opencode/context/templates/thin-wrapper-skill.md - Full template
  • @.opencode/context/patterns/skill-lifecycle.md - Complete skill lifecycle
  • @.opencode/context/formats/subagent-return.md - Return format
  • @.opencode/context/standards/postflight-tool-restrictions.md - Postflight boundary rules
  • @.opencode/docs/guides/creating-skills.md - Step-by-step guide

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/thin-wrapper-skill-pattern-mrwakaum/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/thin-wrapper-skill-pattern-mrwakaum' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/thin-wrapper-skill-pattern-mrwakaum/download' --output '.skill-downloads/thin-wrapper-skill-pattern-mrwakaum/SKILL.md.part' && mv '.skill-downloads/thin-wrapper-skill-pattern-mrwakaum/SKILL.md.part' '.skill-downloads/thin-wrapper-skill-pattern-mrwakaum/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/thin-wrapper-skill-pattern-mrwakaum/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires