从 Tool 到 Skill：Deep Agents 正在重新定义通用 AI Agent 的“工作方式”

显示全部楼层

过去一年，通用 AI Agent（ Generalist Agent ）迅速走红：它们能写代码、做调研、改文件、跑命令，看起来“什么都会”。

但一个反直觉的事实正在出现：

❝
真正强大的 Agent，并没有堆满工具。

Anthropic 最新提出的Agent skills（代理技能），以及已经完成工程化落地的Deep Agents CLI，正在给出一个更优解：Agent 不再靠“工具数量”，而是靠“技能加载”。

一、为什么顶级通用 Agent 反而“工具很少”？

像Claude Code、Manus这样的通用 Agent：

Claude Code：约十几个工具
Manus：不足 20 个工具

它们却可以完成高度复杂的真实世界任务。原因只有一个：

❝
它们被“赋予了一台电脑”，而不是几百个定制工具。

通过：

bash
文件系统（ filesystem tools ）

Agent 可以像人类程序员一样：

读文件
改文件
写脚本
跑命令

不再依赖“每个操作一个 Tool”。

这一理念被系统化地落地到开源项目Deepagents中：https://github.com/langchain-ai/deepagents

二、Anthropic 的关键创新：Skills 不是 Tool 的升级，而是“能力迁移”

在一次分享中，Manus提出一个重要转变：

❝
把“动作”从 Tool 卸载到文件系统。

Anthropic 的agent skills正是这一思想的工程化实现。

一个 Skill 本质上是：

一个文件夹
一个核心SKILL.md文件
内含：

YAML 元数据（名称、用途）
Markdown 工作流说明
必要的脚本或资源

官方结构示意：

三、为什么 Skills 比传统 Tools 更适合“真实工作型 Agent”？

✅ 1. Token 更省：渐进式加载（ Progressive Disclosure ）

Tool：启动即全部注入上下文
Skill：

启动只加载 YAML 描述
仅在命中任务时读取完整SKILL.md

上下文对比图：

✅ 2. 认知负担更低（ Reduced Cognitive Load ）

Tool 体系常见问题：

功能重叠
职责边界模糊
易产生 context confusion

Skill 的逻辑更像“流程模块”：

Agent 只需选择“技能”
具体步骤由 Skill 内部编排

对比如下：

✅ 3. 具备“可进化能力”

正如 Anthropic 的 Barry Zhang 所说：

Agent 可以在执行中动态生成新 Skill
Skill 可以：

跨 Agent 复用
会话中组合
团队共享

这意味着：

❝
Agent 正在从“工具使用者”，进化为“技能学习者”。

四、Deep Agents CLI：第一个完整工程化 Skills 的开源实现

Deep Agents CLI是一个运行在终端中的开源编码 Agent，定位类似Claude Code：https://github.com/langchain-ai/deepagents

它已经完整支持 Anthropic 风格的Skills 系统，并可直接使用：

Anthropic 官方 Skills：https://github.com/anthropics/skills
社区 Skills 市场：https://skillsmp.com/

五、3 分钟上手：给你的 Agent 装上 Skills

1️⃣ 安装

pip install deepagents-cli
# 或（推荐）
uv venv
uv pip install deepagents-cli

2️⃣ 启动

deepagents

3️⃣ 添加第一个 Skill

mkdir -p ~/.deepagents/agent/skills
cp -r examples/skills/web-research ~/.deepagents/agent/skills/

4️⃣ 查看已有技能

deepagents skills list

5️⃣ 直接自然语言调用

$ deepagents
$"create a agent.py script that implements a LangGraph agent"

Agent 会自动：

命中技能
读取SKILL.md
按技能定义的完整工作流执行任务

六、Deep Agents 的“两大能力基座”：Memory + Skills

1️⃣ agent.md：长期记忆系统

全局记忆：~/.deepagents/agent/agent.md
项目记忆：.deepagents/agent.md

用于保存：

你的编码风格
架构偏好
项目规范

并在启动时自动注入系统提示词。

2️⃣ Skills：可版本化的能力插件

结构示例：

~/.deepagents/<agent_name>/
 ├── agent.md
 └── skills/
   ├── web-research/
   │  └── SKILL.md
   └── langgraph-docs/
     └── SKILL.md

项目级技能可随代码提交，实现团队级能力复用。

3️⃣ Skills 的真实执行机制（五步）

扫描 Skills 目录
解析 YAML 元数据
注入系统提示词
按需读取完整SKILL.md
严格按 Skill 流水线执行

这正是 Anthropic 定义的progressive disclosure pattern。

七、Deep Agents CLI 的核心能力一览

✅ 文件操作：read_file、write_file、edit_file
✅ Shell & 远程沙箱执行
✅ Web 搜索与内容抓取
✅ SubAgent 并行协作
✅ Skills 自动匹配
✅ Memory 跨会话学习
✅ 项目感知配置加载

并配套Human-in-the-Loop（HITL）安全审批机制，确保所有高风险操作需人工确认。

结语：Skill 化，是 Agent 迈入“真实生产力”的分水岭

如果说过去的 Agent 还停留在：

“我会用很多工具”

那么今天的 Agent 已经进入：

“我可以按需加载技能，并持续进化能力”

而Deep Agents CLI是目前少数真正把Anthropic Skills 理念完整工程化落地的开源方案：

它不是 Demo
不是玩具
而是一套可以直接用于真实工程环境的 Agent 框架

❝
如果你正在构建：
本地 AI 编码助手
企业级 Agent 系统
可学习的智能工作流

那么现在，就是你认真研究Skills 架构 + Deep Agents CLI的最佳时机。