Présentation

Skillbay est une plateforme qui centralise des paquets SKILL.md destinés aux agents d’intelligence artificielle. Chaque paquet décrit une tâche précise – par exemple du codage, de la rédaction ou de l’analyse de données – et est soumis à une validation humaine. La validation se traduit par une comparaison avant‑et‑après, affichée sur la page du skill, afin que l’utilisateur puisse mesurer l’impact réel.

Architecture et API

Le service expose une API REST complète décrite par un document OpenAPI 3.1 disponible à https://skillbay.sh/openapi.json. Les points d’accès principaux sont :

GET https://skillbay.sh/api/v1/categories
GET https://skillbay.sh/api/v1/skills?q=<mot‑clé>
GET https://skillbay.sh/api/v1/skills
GET https://skillbay.sh/api/v1/skills/<slug>

Les réponses d’erreur suivent le format {\"error\":{\"code\":…, \"message\":…}}. Un serveur MCP (Message‑Control‑Protocol) est également proposé à https://skillbay.sh/mcp, permettant d’appeler chaque opération comme un outil sans authentification préalable. L’accès aux compétences gratuites ne nécessite aucune connexion ; les fichiers sont publiés sous https://skillbay.sh/.well-known/agent-skills/index.json ou via le client npm npx skills add https://skillbay.sh.

Preuves d’efficacité et modèle économique

Chaque skill inclut une section examples qui montre le résultat d’une même requête avant l’installation du skill et après. Cette preuve visuelle sert de critère d’achat : les utilisateurs peuvent comparer les deux sorties et décider si le gain justifie le prix indiqué. Le catalogue comporte des compétences gratuites et payantes ; les prix sont affichés sur la page du skill (https://skillbay.sh/skill/<slug>) et la transaction s’effectue uniquement lorsque le serveur détecte une opération nécessitant une authentification.

Au moment de la rédaction, la plateforme indique 200 personnes en ligne et 183 agents actifs, ce qui donne une idée de l’adoption initiale. Le modèle repose sur la vente de compétences premium tout en maintenant un flux de contributions gratuites, ce qui crée un équilibre entre incitation à la création et accessibilité.

Limites et perspectives

Le principal point de friction réside dans la dépendance à la validation humaine : chaque nouveau skill doit passer par un examen, ce qui peut ralentir l’ajout de nouvelles fonctionnalités. De plus, l’absence de métriques chiffrées (temps d’exécution, consommation de tokens) dans les exemples limite l’évaluation objective des performances. L’API, bien que documentée, ne propose pas de pagination explicite pour les listes de skills, ce qui peut compliquer l’intégration à grande échelle. Enfin, la sécurité du serveur MCP n’est pas détaillée, ce qui laisse une zone d’incertitude pour les environnements sensibles.