Készségekkel bővítette Deep Agents CLI-jét a LangChain
A LangChain készségek támogatásával bővítette nyílt forráskódú Deep Agents CLI-jét. A megoldás lehetővé teszi, hogy az ügynökök feladatfüggően töltsenek be utasításokat, dokumentumokat és szkripteket a fájlrendszerből.
- A LangChain készségtámogatást adott a Deep Agents CLI-hez.
- A készségek SKILL.md fájlt és kapcsolódó dokumentumokat vagy szkripteket tartalmazó mappák.
- Az ügynökök csak szükség esetén töltik be a teljes készségleírást.
- A készségek a nyilvános gyűjteményből megoszthatók és munkamenetenként kombinálhatók.
- Az elérhető készségek a deepagents skills list paranccsal listázhatók.
Kevesebb eszközzel is sokféle feladat végezhető el
A LangChain szerint az általános célú ügynökök, például a Claude Code és a Manus, széles körben elterjedtek, miközben meglepően kevés eszközt használnak. A Claude Code körülbelül egy tucat, a Manus pedig kevesebb mint 20 eszközre támaszkodik.
A vállalat magyarázata szerint ennek egyik kulcsa, hogy az ügynökök hozzáférnek egy számítógéphez. A bash és a fájlrendszerhez kapcsolódó eszközök segítségével az ügynökök sok feladatot ugyanúgy elvégezhetnek, ahogy azt egy ember tenné, így nincs szükség külön, célfeladatra készült eszközre minden művelethez.
A LangChain ezeket az elveket alkalmazza a deepagents nevű, nyílt forráskódú ügynöki keretrendszerében is. A rendszer fájlrendszer-műveleteket és kódfuttatást biztosít.
A készségek fájlokban tárolt utasítások
Az Anthropic által bemutatott készségek olyan mappák, amelyek egy SKILL.md fájlt, valamint kapcsolódó fájlokat, például dokumentumokat vagy szkripteket tartalmaznak. Az ügynök ezeket felfedezheti, majd szükség esetén betöltheti, hogy egy adott feladatot hatékonyabban hajtson végre.
A készségek egyik előnye a tokenek takarékosabb használata. Alapértelmezés szerint csak a YAML-előtag töltődik be, a teljes SKILL.md fájlt az ügynök csak akkor olvassa el, amikor arra szüksége van. A LangChain szerint a hagyományos eszközöknél minden definíció előre bekerül a kontextusba, ami feleslegesen növelheti a kontextusablak terhelését.
A másik előny a kisebb kognitív terhelés. Az ügynököknek kevés, elemi eszköz között kell navigálniuk, ahelyett hogy sok, egymáshoz hasonló eszköz közül választanának. A LangChain szerint ez csökkentheti a kontextussal kapcsolatos zavart.
A készségek megoszthatók több ügynök között, egy munkameneten belül kombinálhatók, és az ügynökök szükség szerint több készséget is betölthetnek. A vállalat Barry Zhangra, az Anthropic munkatársára hivatkozva azt írja, hogy a készségek a folyamatos tanulás felé tett lépést is jelenthetik, mivel az ügynökök új feladatokkal találkozva akár új készségeket is létrehozhatnak.
A Deep Agents CLI automatikusan tölti be a szükséges készséget
A LangChain beépítette a készségek támogatását a deepagents-CLI-be, amely nyílt forráskódú kódolási asszisztensként képes használni a helyi fájlrendszert. A vállalat szerint ezzel elérhetővé válik a nyilvános készségek egyre bővülő gyűjteménye.
A használathoz a felhasználónak létre kell hoznia egy készségmappát az ügynök számára, majd bemásolhatja az adott példát a LangChain tárházából. A vállalat példaként a webes kutatási készséget adja meg:
mkdir -p ~/.deepagents/agent/skills
cp -r examples/skills/web-research ~/.deepagents/agent/skills/
A készségek a deepagents CLI indításakor alapértelmezés szerint betöltődnek. Az elérhető készségek a deepagents skills list paranccsal jeleníthetők meg a terminálban. Ha a felhasználó egy készséghez kapcsolódó feladatot ad, a rendszer automatikusan beolvassa a megfelelő SKILL.md fájlt, majd végrehajtja a benne leírt készséget.
LangChain: Using skills with Deep Agents
