别卷Prompt了！Agent Skills 正让99%的AI开发标准化

原创

DBdoctor数据库性能诊断

发布于 2026-05-08 17:30:01

1560

在大模型Agent爆发的时代，如何让Agent高效复用特定任务的知识与工具？Agent Skills给出了答案——它是一套标准化的文件夹规范，能快速打包Agent完成任务所需的一切资源，让技能开发、共享和执行变得简单高效。

01 什么是Agent Skills？

Agent Skills 是一套给AI安装的“标准化技能包”。它把完成特定任务（如分析数据、生成图表）所需的所有工具、脚本、说明书和模板，打包成一个即插即用的文件夹，让大模型能像调用手机App一样，瞬间获得专业能力，无需用户每次都进行复杂的长篇指导。其结构如下：

skill-name/├── SKILL.md              # 技能核心定义（必填）├── reference.md          # 详细参考资料（可选）├── LICENSE.txt           # 许可证信息（可选）├── resources/            # 附加资源（可选）│   ├── template.xlsx     # 示例文件│   └── data.json         # 数据文件└── scripts/              # 可执行脚本（可选）    ├── main.py           # 主实现    └── helper.py         # 辅助函数

02 核心文件：SKILL.md详解

SKILL.md是技能的“身份证”，name和description为必填字段，正文需包含：

功能描述：技能能做什么？
使用说明：如何调用技能？
参考资料：关联的reference.md或其他文档；
资源文件：resources目录下的文件说明；

03 技能的扩展能力

技能可通过附加文件增强功能：

参考资料：绑定reference.md、forms.md等文档；

资源文件：resources目录存放模板、数据等；

脚本支持：scripts目录可包含Python、Shell、JS等可执行代码，直接扩展Agent的执行能力。

04 多层次渐进式上下文加载

Agent Skills实现了按需加载的高效机制，分为4个层级：

Level1（Metadata）：仅加载名称、描述，用于语义搜索快速匹配；

Level2（Retrieval）：加载SKILL.md全文，深入理解技能；

Level3（Resources）：加载参考资料和资源文件；

Level4（Execution）：分析上下文→制定计划→加载脚本→执行任务。

05 MS-Agent框架实践

基于Anthropic协议的MS-Agent框架，让技能开发和运行变得开箱即用。

1. 安装步骤

# 方式1：直接安装pip install 'ms-agent>=1.4.0'# 方式2：源码安装git clone git@github.com:modelscope/ms-agent.gitcd ms-agentpip install -e .

2.环境配置

export OPENAI_API_KEY="your-api-key"export OPENAI_BASE_URL="your-base-url"

3.快速使用代码示例

import osfrom ms_agent.agent import create_agent_skilldef main():    work_dir = './temp_workspace'    skills_dir = './skills'  # 技能目录    use_sandbox = True       # 启用安全沙箱
    # 初始化Agent    agent = create_agent_skill(        skills=skills_dir,        model='Qwen/Qwen3-235B-A22B-Instruct-2507',  # ModelScope模型        api_key=os.getenv('OPENAI_API_KEY'),        base_url=os.getenv('OPENAI_BASE_URL'),        stream=True,        use_sandbox=use_sandbox,        work_dir=work_dir    )
    # 执行任务    user_query: str = ('Create generative art using p5.js with seeded randomness, flow fields, and particle systems, '                       'please fill in the details and provide the complete code based on the templates.')    response = agent.run(user_query)    print("结果：", response)if __name__ == '__main__':    main()

06 技能与上下文的协同

1.Agent Skills vs MCP

Agent Skills：专注于任务的知识与工具打包，是标准化的技能单元；
MCP：专注于任务执行的流程控制，负责具体操作（如SQL查询）。

技术的本质区别

上下文管理策略

2.Skills + MCP 混合架构设计示例

用户问：“分析公司内部谁的话语权最高”

Skills层识别任务→加载mysql-employees-analysis技能；

Skills层分解子任务：查询管理关系、薪资对比、任职时长；

MCP层执行SQL查询→返回数据；

Skills层解读数据→生成结构化分析结果。

07 核心特性盘点

标准协议：兼容Anthropic Skills协议，跨平台复用；

启发式加载：按需加载上下文，避免资源浪费；

自主执行：自动分析任务→制定计划→调用脚本；

技能管理：批量加载+语义检索，快速匹配技能；

安全沙箱：通过ms-enclave隔离执行环境，自动安装依赖；

多文件支持：文档、脚本、资源文件全覆盖；

可扩展设计：SkillSchema和SkillContext模块化，易于定制。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

数据库解决方案

数据库

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

数据库解决方案

数据库

登录后参与评论

0 条评论

热度