从Agent到Skills:AI智能体架构范式转变实战

作者:梅琳marlin2026.11.17 03:37浏览量:0

简介:本文围绕 AI 智能体从 Agent 到 Skills 的架构演进,结合多模态模型、API 网关、MCP 与消息通道,给出可落地的技能化改造方案。文章解析组件选型、技能封装、工具调用与成本控制,帮助开发者构建更稳定、可复用的智能体系统。

AI 智能体正在从“一个大模型加若干工具”的单体 Agent,转向以 Skills 为中心的可组合架构。Skills 把提示词、工具调用、权限边界、输入输出协议和评测策略封装为可复用单元,使智能体更容易维护、扩展和治理。若你正在为 OpenClaw、Claude Code 或多模型智能体选择推理模型、比较调用成本,可以先通过百度智能云词元所了解模型发现、价格性能对比与统一 API 接入能力:百度智能云词元所。这能帮助团队在多模型环境下更快完成选型与接入评估。

agent-skills-">一、从 Agent 到 Skills:不是概念升级,而是工程重构

传统 Agent 通常由“大模型 + 工具列表 + 提示词”组成,模型直接决定任务流程。这种方式在演示阶段很灵活,但进入真实业务后容易出现几类问题:

  • 流程不可控 :模型每次决策路径不同,任务成功率波动大。
  • 工具难复用 :工具调用逻辑散落在提示词或代码中,难以沉淀。
  • 权限边界模糊 :文件读写、消息发送、外部 API 调用缺少统一约束。
  • 效果难评估 :缺少标准化输入输出,难以做回归测试和成本核算。

Skills 架构的核心变化,是把“能力”从一次性的 Agent 行为,变成可声明、可组合、可评测的技能单元。一个 Skill 不只是函数调用,而是包含任务描述、输入结构、依赖工具、执行策略、失败回退和输出规范的完整能力包。

在原始技术选型中,可以看到一个典型的 Skills 化智能体组合:

组件 技术选型 作用
AI 模型 Ming-flash-omni-2.0 多模态图文生成
API 网关 Zenmux 提供 Vertex AI 兼容接口,统一接入与路由
Agent 运行环境 OpenClaw / Claude Code 本地自主代理框架或对比方案
Agent 推理模型 Kimi K2.5 / Claude Opus 4.6 负责任务规划、代码编写与流程决策
Skill 载体 auto-twitter-campaign Skill 承载具体业务流程
文件系统 MCP @modelcontextprotocol/server-filesystem 通过 stdio 提供文件读写能力
微信消息通道 键盘模拟直接控制 作为消息触达或演示通道

这个组合说明:Skills 架构并不是抛弃 Agent,而是把 Agent 从“全能执行者”变成“技能调度器”。

二、Skills 架构的关键:把能力封装成可治理单元

一个成熟的 Skill 至少应包含以下要素:

  1. 技能名称与版本 :便于灰度、回滚和追踪。
  2. 任务描述 :告诉 Agent 什么时候应该使用该技能。
  3. 输入 Schema :明确必填参数、可选参数和格式约束。
  4. 工具依赖 :声明需要哪些 MCP、API 或本地能力。
  5. 执行策略 :包括最大轮次、超时、重试、人工接管条件。
  6. 输出规范 :结构化返回,方便后续审核、存储或发布。
  7. 评测指标 :成功率、耗时、Token 消耗、失败原因分布。

例如,auto-twitter-campaign 可以被定义为一个多模态内容生成与发布技能:接收主题、语气和图片提示词,调用多模态模型生成图文内容,再通过文件系统或消息通道输出结果。

一个简化的 Skill 描述可以写成:

  1. skill:
  2. name: auto-twitter-campaign
  3. version: 1.0.0
  4. description: 根据主题生成多模态社媒内容,并输出到指定通道
  5. inputs:
  6. topic:
  7. type: string
  8. required: true
  9. tone:
  10. type: string
  11. required: false
  12. image_prompt:
  13. type: string
  14. required: false
  15. tools:
  16. - filesystem.read_file
  17. - filesystem.write_file
  18. - multimodal.image.generate
  19. policy:
  20. max_turns: 6
  21. timeout_seconds: 120
  22. require_human_review: true

这种声明式结构的好处是:Agent 不需要把所有逻辑塞进系统提示词,而是根据任务动态加载对应 Skill。

三、Agent 如何调度 Skills:从“直接执行”到“规划编排”

在 Skills 架构中,Agent 的职责可以拆成三层:

1. 任务理解层

Agent 先判断用户请求属于哪个技能域。例如:

  • “帮我生成一组推文和配图” → auto-twitter-campaign
  • “整理本地文件并归档” → filesystem-archive
  • “发送到微信并确认结果” → wechat-notify

2. 计划生成层

推理模型负责生成执行计划,而不是直接调用所有工具。例如:

  1. def execute_task(task):
  2. skill = skill_registry.match(task)
  3. plan = planner_model.invoke(
  4. task=task,
  5. skill_schema=skill.schema
  6. )
  7. artifacts = []
  8. for step in plan.steps:
  9. if step.type == "generate_image":
  10. artifacts.append(
  11. multimodal_model.generate(step.prompt)
  12. )
  13. elif step.type == "write_file":
  14. filesystem_mcp.write(
  15. path=step.path,
  16. content=step.content
  17. )
  18. elif step.type == "notify":
  19. message_channel.send(step.message)
  20. return reviewer_model.review(artifacts)

3. 工具执行层

工具层最好通过 MCP 或统一网关接入。原始实践中,文件系统 MCP 使用 @modelcontextprotocol/server-filesystem,并通过 stdio 方式接入。如果 14 个 Tools 已经验证可用,那么文件读写、目录遍历、内容检索等能力就可以作为稳定基础设施使用。

这种分层的好处是:模型负责规划,Skill 负责边界,MCP 负责工具,Agent 负责编排。每一层都可以单独测试和替换。

四、模型选型:不要只看单价,要看任务成功率

Skills 架构通常会涉及多个模型:

  • 规划模型 :负责拆解任务、选择技能、生成步骤。
  • 生成模型 :负责文本、图片、代码或多模态内容生成。
  • 审核模型 :负责检查输出是否符合规范。
  • 兜底模型 :在主模型失败或超时时提供降级能力。

在原始方案中,OpenClaw 可使用 Kimi K2.5 作为 Agent 推理模型,Claude Code 对比方案中使用 Claude Opus 4.6 辅助编写阶段;多模态图文生成则由 Ming-flash-omni-2.0 承担。这种组合体现了 Skills 架构的一个重要原则: 不同任务使用不同模型,而不是用一个模型包打天下 。

模型选型时,建议从以下维度评估:

维度 关注点
能力匹配 是否支持多模态、长上下文、工具调用
稳定性 高并发下是否容易超时或限流
成本 输入、输出、重试、工具调用都会影响总成本
接入复杂度 是否兼容统一 API 或主流网关协议
可观测性 是否能查看调用量、失败率和延迟

如果你正在做多模型接入评估,可以通过词元所模型服务了解模型发现、价格与性能对比等信息,辅助判断不同模型在业务场景中的适配程度。

五、成本控制:Skills 架构必须内建 Token 预算

Skills 化之后,任务链路变长,Token 成本也更容易被放大。一个复杂任务可能包含:

  1. 用户输入;
  2. Agent 规划;
  3. Skill 参数补全;
  4. 多模态生成;
  5. 工具调用结果回传;
  6. 审核与重试;
  7. 最终输出。

因此,成本控制不能只靠“换便宜模型”,而要从架构上设计预算。

一个简化的成本公式可以表示为:

  1. 总成本 = Σ(输入 Token × 输入单价 + 输出 Token × 输出单价)
  2. + 工具调用成本
  3. + 重试成本
  4. + 多模态生成成本

常见优化方式包括:

  • 拆分模型职责 :规划用小模型,生成用强模型,审核用低成本模型。
  • 压缩上下文 :只传入必要字段,避免把完整历史对话塞入每次调用。
  • 限制工具返回 :文件读取、搜索结果应截断或摘要化。
  • 设置最大轮次 :避免 Agent 陷入循环调用。
  • 缓存重复结果 :相同主题、相同模板可复用中间产物。
  • 失败快速降级 :主模型失败时切换到备用模型或人工审核。

在多模型环境下,统一接入和调用管理也很重要。通过大模型 API 服务平台这类入口,可以更清晰地理解模型调用、成本管理和多模型接入的基本方式,减少重复对接成本。

六、MCP 与消息通道:Skills 落地的两个关键基础设施

1. MCP 文件系统

文件系统 MCP 适合处理本地文件读写、目录扫描、内容归档等任务。使用 stdio 方式接入时,Agent 可以通过标准协议调用文件工具,而不需要为每个文件操作单独写胶水代码。

需要注意的是,文件系统权限必须最小化。例如:

  • 只允许访问指定工作目录;
  • 禁止写入系统敏感路径;
  • 对删除、覆盖操作增加确认机制;
  • 记录每次文件变更日志。

2. 微信消息通道

原始方案中提到,微信消息通道采用键盘模拟直接控制;wechat-mcp v2 协议层可通,但实际操作不可用。这类情况在智能体落地中很常见: 协议能通,不代表业务操作稳定 。

因此,消息通道建议增加以下保护:

  • 发送前进行内容审核;
  • 失败时自动重试;
  • 连续失败时切换人工处理;
  • 记录消息 ID 和发送状态;
  • 对敏感操作增加二次确认。

Skills 架构的价值在于,即使某个通道不稳定,也不会影响整体技能体系。消息通道只是 Skill 的一个输出适配器,可以被替换或降级。

七、落地建议:从一个小 Skill 开始,而不是一次重构全部 Agent

如果你准备把现有 Agent 改造成 Skills 架构,可以按以下路径推进:

  1. 选择一个高频任务 :例如内容生成、文件归档、客服摘要。
  2. 定义输入输出 Schema :先保证结构化,再追求自动化。
  3. 封装第一个 Skill :把提示词、工具、权限、失败策略写进技能包。
  4. 接入 MCP 或 API 网关 :优先使用标准化协议。
  5. 增加评测集 :准备 20~50 个典型任务,统计成功率和成本。
  6. 灰度发布 :先内部试用,再逐步开放。
  7. 持续观测 :关注失败原因、Token 消耗、工具调用耗时。

最终目标不是让 Agent “更自由”,而是让智能体系统“更可控”。Skills 架构的本质,是把不可控的模型行为转化为可管理、可复用、可评估的工程资产。