LangChain, Deep Agents’ta Skills desteğini yeniledi: araç bağlama, sabitleme ve yeniden yükleme

LangChain, açık kaynak ajan çerçevesi Deep Agents’taki Skills (beceriler) desteğini yeniledi. Beceri, bir ajana belirli bir işi nasıl yapacağını öğreten talimatlar, betikler ve referans dosyalarından oluşan bir klasör. Örneğin bir müşteri toplantısına hazırlanmak ya da satış ekibinin yaptığı gibi görüşme dökümlerini incelemek birer beceri olabilir. LangChain, Agent Skills’in her modelle çalışan ve onlarca ajan ürünü tarafından desteklenen açık bir standart olduğunu hatırlatıyor. Şirkete göre kurumsal beceri kütüphaneleri ekipler ve ajanlar arasında paylaşılan binlerce beceriye ulaşmış durumda. Yenilikler de bu ölçeğin getirdiği taleplere yanıt veriyor.

Beceriler nasıl çalışıyor?

Her beceri, YAML ön bilgisinde ad ve açıklama taşıyan bir SKILL.md dosyası ile isteğe bağlı scripts/, references/ ve assets/ klasörlerinden oluşuyor. Beceriler üç aşamada yükleniyor. Başlangıçta ajan yalnızca her becerinin adını ve açıklamasını görüyor. Bir görev bir beceriyle eşleşince ajan SKILL.md’nin tamamını okuyor. Ardından talimatları izliyor, gerekirse betik ve referans dosyalarını açıyor. Kullanılmayan bir beceri sistem isteminde yalnızca bir satır yer kaplıyor. LangChain örnek olarak 50’den fazla beceriye sahip kendi satış ajanını (GTM agent) kullanıyor.

Araçları becerilere bağlamak

Beceriler çoğu zaman ajana belirli araçları nasıl kullanacağını anlatıyor. Bugüne kadar beceriler ve araçlar birbirinden bağımsız açılıyordu. Artık araçlar bir beceriye bağlanabiliyor. Bağlı bir araç, ajan ilgili beceriyi okuyana kadar bağlama eklenmiyor. Ondan önce yapılan bir çağrı “bilinmeyen araç” hatasıyla başarısız oluyor. Böylece ajan bir aracı kullanmadan önce mutlaka nasıl kullanılacağını okumuş oluyor. Araçlar becerinin ön bilgisinde metadata.include_tools altında listeleniyor. Daha fazla kontrol için bir etiket kullanılabiliyor. Örneğin bir MCP sunucusundaki tüm araçlar tek isimle açılabiliyor ya da araçlar kullanıcının yetkisine göre süzülebiliyor.

Anthropic ve OpenAI’ın yeni modelleri konuşmanın ortasında yeni araç kabul edebildiği için Deep Agents bu modellerde bağlı araçları beceri okunduktan hemen sonra ekliyor ve istem önbelleği bozulmuyor. Diğer modellerde araçlar eskisi gibi isteğe ekleniyor.

Sabitlenmiş beceriler

Kullanıcı hangi beceriyi istediğini zaten biliyorsa, örneğin “/meeting-prep” yazdıysa, uygulama beceri adlarını mesajdan ya da arayüzden alıp pinned_skills ile iletebiliyor. Ara katman da becerinin talimatlarını bir sonraki model çağrısından önce konuşmaya ekliyor. Bu, modelin beceriyi okumak için yaptığı ek turu ortadan kaldırıyor ve doğru becerinin yükleneceğini garanti ediyor. Sabitlenen beceri etiketli bir mesaj olarak bir kez eklendiği için önceki mesajlar değişmiyor ve önbellek geçerliliğini koruyor.

Konuşma ortasında yeniden yükleme

Beceriler her konuşmanın başında yüklenip ajan durumunda tutuluyor. Artık ajan çağrılırken skills_metadata değeri None yapılarak liste geçersiz kılınabiliyor ve sonraki çalıştırma tüm kaynakları yeniden tarıyor. Yeni beceri bulunursa sistem istemi değiştiği için istem önbelleği bozuluyor. LangChain, uzun süre boşta kalan konuşmalarda sağlayıcı önbelleklerinin zaten birkaç dakika ile bir saat arasında sona erdiğini, bu yüzden maliyetin çoğu zaman önceden ödenmiş olduğunu belirtiyor. Yeniden yükleme update_state ya da bir ara katman üzerinden de tetiklenebiliyor. Örneğin istemci tarafına bir /reload komutu eklenerek kontrol kullanıcıya bırakılabiliyor. Tüm özellikler deepagents paketinin son sürümünde mevcut.

Kaynak: LangChain Blog — Revamping Skills in Deep Agents