LangChain 升级 Deep Agents 技能系统：支持工具绑定、运行时固定与线程内热重载

Deep Agents 中 Skills 的革新

Sydney RunkleOctober 7, 20267min返回博客创建智能体创建智能体

核心要点

• 现在可以将工具绑定到 skills。 在智能体读取其绑定的 skill 之前，工具 schema 不会进入上下文；对于支持在对话中途添加新工具的模型，添加这些工具可以保持 prompt cache 完好无损。
• 应用可以在运行时固定（pin）skills，从而确保指令在首次模型调用前就已存在于上下文中，无需 read_file 往返操作。
• Skills 可以在线程中途重新加载，因此长时间运行的智能体能够获取新增、编辑或删除的 skills，而无需启动新线程。

Skills 是为智能体提供领域知识的最佳方式之一。一个 skill 是一个包含指令、脚本和参考文件的文件夹，用于教导智能体如何执行任务，例如为客户会议做准备或按照销售团队的方式审查通话记录。Agent Skills 是一项开放标准，适用于任何模型，并得到数十种智能体产品的支持。此外，编写 skill 也不需要技术背景：从本质上讲，skill 就是一个 markdown 文件。

Skills 之所以有效，是因为*渐进式披露（progressive disclosure）*机制。智能体最初只看到每个 skill 的名称和描述，仅在任务需要时才读取完整指令。这有助于保持上下文精简，而上下文工程（context engineering）正是构建高效智能体的关键。

随着使用规模的扩大，团队对 skills 的需求也在发生变化。我们看到企业级 skill 注册表已增长至数千个 skills，并在各个团队和智能体之间共享。我们已对 Deep Agents 中的 skills 支持进行了全面改版，以解决一些常见需求：

• 将工具绑定到 skills： 绑定到某个 skill 的工具仅在智能体读取该 skill 时才会加载。
• 固定的 skills（Pinned skills）： 当用户明确请求某个 skill（如 /meeting-prep）时，你的应用可以在下一次模型调用之前将其加载。
• Skill 重新加载： 长时间运行的线程可以获取新的或更改后的 skills，而无需重新开始。

Skills 的工作原理

技能是一个包含 SKILL.md 文件的目录：该文件以 YAML frontmatter 开头，其中包含 name（名称）和 description（描述），随后是智能体遵循的指令。技能还可以捆绑支持文件，分别位于 scripts/、references/ 和 assets/ 目录下（规范）。

只有技能的名称和描述始终处于上下文中。智能体会按需读取指令，并且仅在需要时加载脚本、参考资料和资源。

在本文中，我们将以 我们的 GTM 智能体 作为贯穿全文的示例。它基于 Deep Agents 构建，其技能库包含超过 50 项技能，涵盖了销售代表常见的重复性工作，例如 meeting-prep（会议准备）、call-transcripts（通话记录）和 competitive-intel-card（竞争情报卡片）。

技能分三个层级加载：

1. 发现（Discovery）。在启动时，智能体在其系统提示词中看到每个技能的 name 和 description。
2. 激活（Activation）。当任务与某个技能匹配时，智能体通过 read_file 读取完整的 SKILL.md 文件。
3. 执行（Execution）。智能体遵循指令，并且仅在需要时读取脚本或参考文件。

智能体的上下文仅根据任务需求增长：启动时包含所有技能的名称和描述，然后是一个技能的指令，接着是一个参考文件。

在技能被使用之前，它在系统提示词中仅占用一行空间，因此技能库可以容纳大量技能的引用而不会挤占上下文窗口。现在，让我们深入探讨我们在 Deep Agents 中所做的增强功能。

将工具绑定到技能

技能通常用于指导智能体如何使用特定工具，而某些工具只有在智能体阅读了相关说明后才能有效工作。此前，技能和工具是分别披露的。你可以使用工具搜索将工具架构（schema）排除在上下文之外，但没有任何机制将工具与其对应的解释性技能关联起来：智能体可能在未阅读技能的情况下找到并调用某个工具，或者在阅读了技能后仍需自行搜索其配套工具。

现在，你可以将工具绑定到技能，使技能及其工具一同披露。绑定的工具不会立即加入上下文，只有当智能体读取了其所属技能后才会生效；在此之前调用该工具会因“未知工具”而失败。这种机制既保持了上下文的精简，也确保智能体在调用工具前已了解其使用方法。在我们的 GTM 智能体中，call-transcripts 技能说明了如何搜索通话记录及读取转录文本，因此它是绑定这些工具的理想位置。

在技能的 frontmatter 中的 metadata.include_tools 字段下列出这些工具：

将这些工具传递给 SkillsMiddleware，而不是直接传给智能体：

读取 call-transcripts 技能后会解锁 search_calls 和 get_transcript 工具。它们通过一条新的系统消息注入，因此位于其上方的缓存前缀保持不变。

在对话中途添加工具，过去意味着需要编辑请求中的工具列表，这会导致提示缓存失效。Anthropic 和 OpenAI 现已支持较新的模型在对话中途接受新工具。因此，在这些模型上，Deep Agents 会在读取技能后立即添加该技能绑定的工具，从而保持缓存前缀不变（参见 Anthropic 和 OpenAI 集成文档）。对于其他模型，工具仍像以前一样追加到请求中。

一个列表即可涵盖大多数技能。为了获得更精细的控制，技能可以列出标签而非具体的工具名称，而你传递给 SkillsMiddleware 的函数会将每个标签转换为对应的工具。这使得你可以：

• 披露整个工具组，例如将 MCP 服务器上的所有工具归在一个名称下，而无需在技能中逐一列出每个工具。
• 基于运行时权限对工具进行门控。该函数接收图的运行时上下文，因此可以检查用户身份，并仅返回他们被允许使用的工具。

在此示例中，call-transcripts 获取 calls MCP 服务器上的所有工具，而 pipeline-forecast 获取 CRM 工具，但只有经理才能更新预测：

更多详情，请参阅 Add tools to skills。

Pinned skills

有时候，用户已经明确知道自己想要使用哪个技能。在我们的 GTM 智能体中，销售代表可以输入 /meeting-prep for my Acme call tomorrow。如果不进行固定（pinning），模型只能看到技能的描述，必须先读取它。这会在工作开始前增加一次往返请求，而且无法保证模型加载的是正确的技能。通过 固定技能，你的应用可以在消息中找到技能名称（或从 UI 解析）并将其传入 pinned_skills，中间件会在下一次模型调用前将每个技能的指令添加到对话中。Deep Agents 本身不解析消息，因此你可以自行选择语法：

输入 /meeting-prep 即指定了技能名称，因此应用可以将其固定以供智能体的下一次模型调用使用。

固定技能的指令已存在于对话中，因此智能体在第 1 次模型调用时即可开始工作，而不是等到第 2 次。

这不仅降低了延迟，还使行为更加可预测：指令被保证包含在上下文中，且固定技能绑定的工具也会随之加载。每个固定技能仅作为一条带标签的消息添加一次，因此之前的消息不会改变，提示缓存保持有效，聊天界面也可以将技能显示为标签而非其完整文本。

在线程中途重新加载技能

技能在每个线程开始时加载并保存在智能体状态中，因此后续每一轮都会复用同一组技能。现在你可以通过在调用智能体时将 skills_metadata 设置为 None 来使该列表失效。如果团队成员向库中添加了一个 competitive-intel-card 技能，应用程序可以选择使技能列表失效，下一次运行将重新扫描所有来源：

将 skills_metadata 设置为 None，可使下一次运行重新扫描技能库，并加载自上次运行以来新增的技能。

若重载过程发现了新技能，系统提示词（system prompt）将会发生变化，从而导致提示词缓存失效。对于处于空闲状态的线程而言，这一代价通常已经产生：提供商的缓存通常在几分钟到一小时的无活动期后就会过期（Anthropic，OpenAI），因此当代理（agent）重新运行时，缓存已是冷启动状态。

由于重置操作仅涉及运行输入，你也可以将控制权交给用户。例如，在客户端实现一个 /reload 命令：

你还可以通过 update_state 或中间件（middleware）来触发重置，从而由你的应用控制技能重载的时机。请参阅 Reload skills。

开始使用

技能（Skills）是为代理提供结构化领域知识的行业标准机制。这些更新使得大规模运行技能变得更加容易：工具仅在技能需要时才加载，工作流所需的技能会预先加载，而长时间运行的线程也能随着技能库的变化保持最新状态。此外，由于技能是一项开放标准，你的团队编写的技能可在不同模型和代理之间通用。

以上功能均已在最新版本的 deepagents 中提供。请阅读 skills docs 以开始使用，并通过 GitHub issues、论坛 或 X 告诉我们你的想法。

致谢

感谢 Rich Scarrott 主导开发这些新功能，以及 Hunter Lovell 对功能和博客文章进行的审阅！

查看你的代理实际在做什么

LangSmith 是我们的智能体工程平台，助力开发者调试每一次智能体决策、评估变更并实现一键部署。

试用 LangSmith获取演示