Agent Skills:Agent技能工程开发新范式

作者:问答酱2026.11.17 03:31浏览量:0

简介:本文从 Function Calling、MCP 到 Agent Skills,解析大模型外部能力扩展的演进,说明企业如何通过技能工程解决工具调用 Token 膨胀、Agent 烟囱式建设等问题,并给出可落地的技能封装、编排与评测方法。

Agent Skills 的核心不是“给模型再加一个工具”,而是把领域知识、工具调用、流程约束、数据接口、权限控制和评测反馈封装成可复用的技能单元,让 Agent 从临时提示词拼装走向可持续维护的技能工程。对于需要接入多家模型、比较调用成本或统一管理 API 的团队,可以先通过百度智能云词元所了解模型发现、价格性能对比、多模型统一 API 接入和调用管理能力,再决定技能中使用的模型与工具组合。

agent-skills-">一、从 Function Calling 到 Agent Skills:都在解决同一个问题

大模型扩展外部能力的发展,本质上是在弥补 LLM 自身在实时数据、私有系统、确定性流程和复杂工具调用上的不足。

早期 OpenAI 提出 Function Calling,让模型通过训练掌握调用工具的方法。它的价值在于让 LLM 可以输出结构化的工具调用意图,但问题也很明显:不同模型厂商的接口和协议并不统一,开发者需要针对不同模型适配不同的调用方式。

随后 Anthropic 提出 MCP(Model Context Protocol),试图用统一协议连接模型与外部工具。MCP 被类比为 LLM 的“Type-C 接口”:MCP Server 提供工具能力,MCP Client 负责组织上下文、调用工具并把结果返回给模型。它解决了工具接入标准化的问题,也迅速获得业界关注。

再往后,Google 提出 A2A,关注多智能体之间的协作通信;业界也在探索 Programmatic Tool Calling、GraphRAG 等方式,试图降低 Token 消耗、提升调用确定性。到了 Agent Skills,重点进一步转向:如何让模型拥有可复用、可治理、可评测的专业技能。

这些路线看似不同,但目标一致:让 LLM 更好地使用外部能力。

二、MCP 解决了连接,但没有完全解决工程化问题

MCP 的价值毋庸置疑,但在企业级 Agent 场景中,仍然会暴露几个现实问题。

1. 工具一多,Token 成本迅速上升

当只有两三个工具时,把工具描述全部交给模型还可以接受。但企业真实场景里,工具数量可能达到几十甚至上百个。如果所有工具说明、参数结构、调用示例都一次性注入上下文,会带来三个后果:

  • Token 消耗快速增加,调用成本上升;
  • 上下文过长,模型注意力被稀释;
  • 工具选择准确率下降,幻觉概率提高。

2. Agent 林立,形成新的“烟囱式架构”

很多企业会按部门或场景快速建设 Agent:财务需要一个 Agent,HR 需要一个 Agent,法务又需要一个 Agent。短期看响应很快,长期看却会造成流程、数据、权限和工具调用逻辑分散在不同 Agent 中,难以统一治理。

这和传统软件建设中的烟囱式架构类似:每个系统都能局部解决问题,但整体维护成本越来越高。

3. 工具调用只是能力的一部分,不是完整技能

一个真正可用的企业技能,往往不只是“调用某个 API”。它还包括:

  • 什么情况下应该使用该技能;
  • 输入数据如何校验;
  • 调用哪些工具、按什么顺序调用;
  • 工具失败后如何重试或降级;
  • 输出结果如何结构化;
  • 权限、审计、脱敏和评测如何完成。

如果这些逻辑散落在 Prompt、代码和 Agent 编排里,就很难复用,也难以评估效果。

三、Agent Skills 的本质:把能力封装成工程资产

Agent Skills 可以理解为一种“技能工程”方法:将某个业务能力的知识、工具、流程、约束和评测标准封装成一个独立技能包,让 Agent 按需加载、组合和调用。

一个典型的 Agent Skill 可以包含以下部分:

  1. skills/
  2. invoice_audit/
  3. SKILL.md
  4. tools/
  5. ocr.json
  6. risk_check.json
  7. scripts/
  8. validate.py
  9. evals/
  10. cases.jsonl

其中,SKILL.md 用于描述技能元信息,例如:

  1. # Skill: invoice-audit
  2. ## Description
  3. 用于审核发票信息,识别发票真伪、金额异常和字段缺失。
  4. ## When to use
  5. 当用户上传发票并请求审核、报销或合规检查时使用。
  6. ## Inputs
  7. - invoice_file: 发票文件或结构化票据数据
  8. - policy_type: 适用报销或合规政策
  9. ## Steps
  10. 1. 提取发票字段。
  11. 2. 校验发票号、金额、日期和抬头。
  12. 3. 调用风险规则工具。
  13. 4. 输出审核结论和异常项。
  14. ## Tools
  15. - ocr: 识别发票文本
  16. - risk_check: 查询风险规则
  17. ## Guardrails
  18. - 不输出完整敏感信息。
  19. - 工具失败时返回明确错误码。
  20. - 低置信度结果必须标记人工复核。

这种结构的关键,是把“模型提示词”升级为“可维护的技能说明”。

四、Agent Skills 与 MCP 的关系:不是替代,而是分层

MCP 更像连接层,解决“模型如何标准化访问工具”的问题;Agent Skills 更像能力层,解决“如何把工具、知识和流程组织成可复用技能”的问题。

可以用一个简单类比:

  • MCP:提供标准接口和工具连接能力;
  • Agent Skills:定义岗位、流程、输入输出和质量标准;
  • Agent:负责理解用户目标,并调度合适技能完成任务。

因此,企业落地时不必把 MCP 和 Agent Skills 对立起来。更合理的方式是:底层用 MCP 或类似协议接入工具,上层用 Agent Skills 组织业务能力。

五、如何开发一个可用的 Agent Skill

1. 选择边界清晰、可验证的场景

适合做成 Agent Skill 的场景通常具备三个特征:

  • 高频发生,值得复用;
  • 输入输出相对明确;
  • 结果可以校验或评测。

例如:发票审核、客服工单分类、合同摘要、简历初筛、运营日报生成、代码变更说明等。

2. 用结构化文档描述技能

技能描述不要只写“你是一个助手”,而应明确:

  • 技能名称;
  • 适用场景;
  • 不适用场景;
  • 输入字段;
  • 输出格式;
  • 调用工具;
  • 异常处理;
  • 权限边界;
  • 评测标准。

描述越清晰,模型越容易稳定执行。

3. 工具设计要最小化、结构化

工具不是越多越好。每个工具应尽量做到:

  • 参数少而明确;
  • 返回结果精简;
  • 错误信息可理解;
  • 敏感字段可脱敏;
  • 支持幂等或重试。

例如,一个 OCR 工具不应返回整页无结构文本,而应返回模型需要的字段:

  1. {
  2. "invoice_no": "12345678",
  3. "amount": 1200.00,
  4. "date": "2026-11-01",
  5. "confidence": 0.96
  6. }

这样可以显著减少后续 Token 消耗。

4. 用代码承担确定性逻辑

Agent Skills 不应把所有判断都交给模型。对于格式校验、数值计算、权限判断、重试策略等确定性逻辑,更适合用代码完成。

示例伪代码:

  1. def run_invoice_audit_skill(file, policy_type):
  2. extracted = ocr_tool(file)
  3. if not validate_required_fields(extracted):
  4. return {
  5. "status": "failed",
  6. "reason": "missing_required_fields"
  7. }
  8. risk = risk_check_tool(
  9. invoice_no=extracted["invoice_no"],
  10. amount=extracted["amount"],
  11. policy_type=policy_type
  12. )
  13. return {
  14. "status": "success",
  15. "summary": risk["summary"],
  16. "risk_level": risk["risk_level"],
  17. "need_manual_review": risk["score"] < 0.8
  18. }

模型负责理解意图和组织结果,代码负责保证流程稳定。

5. 建立技能评测集

Agent Skill 上线前,应准备评测用例,至少覆盖:

  • 正常输入;
  • 缺失字段;
  • 非法格式;
  • 工具超时;
  • 权限不足;
  • 高风险输出;
  • 多轮追问。

评测指标可以包括:

指标 说明
意图识别准确率 是否正确触发技能
工具调用准确率 是否调用正确工具
参数提取准确率 输入参数是否正确
输出结构合规率 是否符合约定格式
异常处理成功率 工具失败时是否可恢复
平均 Token 成本 单次任务消耗是否可控
平均延迟 是否满足业务响应要求

没有评测,Agent Skills 很容易变成“看起来能跑,但不敢上线”的演示品。

六、企业落地 Agent Skills 的关键建议

1. 建立技能注册中心

企业应统一管理技能名称、版本、负责人、适用场景、权限和调用方式,避免每个团队重复建设。

2. 技能要支持版本和灰度

技能一旦进入业务流程,就不能随意修改。建议采用版本化管理,并支持灰度发布、回滚和调用监控。

3. 按任务复杂度选择模型

不是所有技能都需要最强模型。简单分类、字段抽取、格式转换可以使用成本更低的模型;复杂推理、多工具规划和长文本分析再使用能力更强的模型。

在模型选型和成本控制方面,团队可以通过百度智能云词元所进行模型能力了解、价格与性能对比,并通过统一 API 接入降低多模型集成复杂度。

4. 与模型开发平台协同

Agent Skills 并不是孤立存在的。它通常需要与数据管理、模型训练、推理部署和应用集成能力配合。百度智能云千帆等平台提供覆盖数据管理、模型训练、推理部署和应用集成的工具链,可作为企业构建大模型应用的底层支撑。

5. 从高频小场景开始

不要一开始就建设“全能 Agent”。更稳妥的路径是:

  1. 找到一个高频、边界清晰的任务;
  2. 封装成第一个 Agent Skill;
  3. 建立评测集;
  4. 接入真实业务流量;
  5. 根据调用数据优化工具和提示;
  6. 再逐步组合成复杂 Agent。

七、总结

Agent Skills 代表了一种新的 Agent 开发范式:从“写一段 Prompt 调用工具”,转向“建设可复用、可评测、可治理的技能资产”。

MCP 解决了工具连接标准化的问题,而 Agent Skills 进一步解决企业如何组织能力、控制成本、保证质量和沉淀经验的问题。对于准备落地企业级 Agent 的团队来说,真正需要关注的不是单个模型有多强,而是能否把模型、工具、流程、数据和评测组合成稳定可靠的技能体系。