A LangChain új funkciókkal bővíti a Deep Agents skilljeit

A skillek csak szükség esetén töltik be az eszközöket

A skill olyan mappa, amely utasításokat, szkripteket és referenciákat tartalmaz egy ügynök számára. A mappában található egy SKILL.md fájl, amely YAML frontmatter részt és az ügynök által követendő instrukciókat tartalmazhat. A skill további fájlokat is csomagolhat a scripts/, references/ és assets/ könyvtárakban.

Az ügynök induláskor minden skill nevét és leírását látja, a teljes utasításokat viszont csak akkor olvassa be, amikor egy feladat igényli őket. A LangChain ezt fokozatos feltárásnak nevezi. A vállalat szerint ez segít kordában tartani a kontextus méretét, miközben a skillkönyvtár sok elemet tartalmazhat.

A Deep Agents új verziójában az eszközök egy skillhez köthetők. Ilyenkor az eszköz sémája addig nem kerül a kontextusba, amíg az ügynök el nem olvassa a hozzá tartozó skillt. Az eszköz használatára tett korábbi kísérlet ismeretlen eszköz hibájával végződik. Így az ügynöknek előbb meg kell ismernie az adott eszköz használati utasításait.

A LangChain GTM-ügynökének példájában a call-transcripts skillhez kapcsolható a hívások keresésére és az átiratok lekérésére szolgáló search_calls és get_transcript eszköz. Az eszközök későbbi hozzáadása az Anthropic és az OpenAI újabb, beszélgetés közbeni eszközfogadást támogató modelljeinél úgy történik, hogy a prompt gyorsítótárazott része változatlan marad.

A rögzített skillek már az első modellhívás előtt elérhetők

Előfordulhat, hogy a felhasználó már eleve tudja, melyik skillre van szüksége. A LangChain példája szerint egy értékesítő beírhatja, hogy /meeting-prep, majd megadhatja, hogy egy másnapi Acme-hívásra készül. A rögzítés nélküli működésben az ügynöknek előbb fel kell olvasnia a skillt.

A pinned skills funkcióval az alkalmazás felismerheti a skill nevét az üzenetben, vagy egy felület alapján kiválaszthatja azt, majd a következő modellhívás előtt betöltheti az utasításokat. A Deep Agents maga nem értelmezi az üzenetek szintaxisát, ezt az alkalmazás fejlesztője határozhatja meg.

A rögzített skill utasításai már az első modellhíváskor a beszélgetésben vannak, így elmarad egy külön olvasási kör. A LangChain szerint ez csökkenti a késleltetést és kiszámíthatóbbá teszi a működést. A skillhez kötött eszközök szintén vele együtt válnak elérhetővé.

Minden rögzített skill egyszer, címkézett üzenetként kerül a beszélgetésbe. A korábbi üzenetek nem változnak, ezért a prompt gyorsítótára érvényes marad, és egy csevegőfelület a skillt akár címkeként is megjelenítheti a teljes szöveg helyett.

A hosszú beszélgetések közben is frissíthető a skillkönyvtár

A skillek alapértelmezés szerint a szál elején töltődnek be, majd az ügynök állapotában maradnak. A frissítés lehetővé teszi ennek a listának az érvénytelenítését a skills_metadata értékének None-ra állításával. A következő futás ekkor újra átvizsgálja a skillforrásokat, és felveszi az időközben hozzáadott skilleket.

Ez egy hosszú ideje futó szál esetén azt jelentheti, hogy az ügynök egy újonnan létrehozott skillt is használni tud anélkül, hogy új beszélgetést kellene indítani. A LangChain szerint az új skillek megtalálása módosítja a rendszerpromptot, ezért érvényteleníti a prompt gyorsítótárát. Egy hosszabb tétlenség után ez jellemzően már kevésbé jelentős költség, mivel a szolgáltatói gyorsítótárak néhány perctől egy óráig terjedő időn belül lejárhatnak.

Az újratöltés indítható az alkalmazás oldaláról, például egy /reload paranccsal, továbbá az update_state vagy a middleware segítségével is. A LangChain közlése szerint az összes ismertetett változás elérhető a deepagents legfrissebb verziójában. A skillek nyílt szabványra épülnek, és a vállalat szerint modellek és ügynöktermékek között is használhatók.