![[LangChain中的Multi-Agent模式-04]Skill轻量化智能体构建：避免上下文污染的专业化路径](images/news1.jpg)
在技能模式Skills中专门化的能力被打包成可调用的技能以增强Agent的行为。技能主要是由提示驱动的专业化功能Agent可以按需调用这些功能。关键Skills的详细说明请参阅Anthropic的官方文档“[Agent Skills]https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview”。Skills模式具有如下的核心特征提示驱动的专业化技能主要由特定提示定义渐进式披露根据上下文或用户需求按序加载可用Skill。在此基础上更进一步还包括根据Skill动态注册工具集团队分布不同团队可以独立开发和维护技能轻量级构建技能比完整的Sub-Agent更简单引用感知技能可以引用脚本、模板和其他资源。虽然每个技能只有一个提示但该提示可以引用其他资源的位置并提供Agent何时应使用这些资源的信息。当需要一个具备多种专业技能的单一Agent且无需对技能之间施加特定约束或者不同团队需要独立开发相应能力时可以使用Skills模式。常见的例子包括编码助手针对不同语言或任务的技能、知识库针对不同领域的技能和创意助手针对不同格式的技能。我们已经尝试了三种模式(Sub-Agent、Router和Handoffs)来开发我们的差旅助手Agent现在我们继续将它改写成Skills模式。虽然“Deep Agents”提供了针对Skills的原生支持但是为了让大家对Skills的实现原理有更清晰的认知我决定使用一个更笨的解决方案来改写我们使用自定义工具加载Skill。1. 定义加载Skill的工具一个Skill由元数据和主体内容组成。以名称和描述为核心的元数据会全程绑定到Agent上所以我们要保证命名准确描述精炼以免占据过多的上下文窗口。主体内容相当于一份用于指导Agent工作的说明书一般采用Markdown格式编写。为此我们定义了如下这个Skill类并创建了用于购买机票和酒店预订的Skill并将其保存到全局字典all_skills中Key为Skill的名称。classSkill(TypedDict):name:strdescription:strcontent:strbuy_airplane_ticket_skill\ ## 基本流程 - 确定当前是否注册了buy_airplane_ticket工具如果没有注册该工具拒绝执行并回复用户抱歉我无法购买机票因为相关工具未注册。 - 调用buy_airplane_ticket工具购买机票最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 购买机票是唯一的任务 - 调用buy_airplane_ticket工具是购买机票唯一的方式 - 只需要根据buy_airplane_ticket工具的Schema来分析购买机票的信息是否充分 - 可以完全自主决定航司、舱位等级和航班等信息不需用户确认 book_hotel_skill\ ## 基本流程 - 确定当前是否注册了book_hotel工具如果没有注册该工具,拒绝执行并回复用户抱歉我无法预订酒店因为相关工具未注册。 - 调用book_hotel工具预订酒店最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 预订酒店是唯一的任务 - 调用book_hotel工具是预订酒店唯一的方式 - 只需要根据book_hotel工具的Schema来分析预订酒店的信息是否充分 - 可以完全自主决定酒店、价位和房型等信息不需用户确认 all_skills[{name:buy-airplane-ticket,description:购买机票只有在用户明确提出要求购买机票时才会使用,content:buy_airplane_ticket_skill},{name:book-hotel,description:预订酒店只有在用户明确提出要求预订酒店时才会使用,content:book_hotel_skill},]为了跟踪当前加载的Skill我们在状态类型State中添加了loaded_skills字段并利用自定义的reducer函数添加加载的Skill名称。在推理过程中LLM会根据推理任务和预先加载的Skill元数据决定所需的Skill并作针对性的加载。如下这个load_skill函数就是我们为它准备的Skill加载工具。如果成功加载返回的Command会通过修改loaded_skills通道将建在Skill名称添加到状态中。classState(AgentState):loaded_skills:Annotated[set[str],lambdax,y:x.union(y)]tooldefload_skill(name:str,runtime:ToolRuntime)-Command|str:根据指定的技能名称加载技能详细内容forskillinall_skills:ifskill[name]name:returnCommand(update{messages:[ToolMessage(contentskill[content],tool_call_idruntime.tool_call_id)],loaded_skills:{name},})returnf抱歉未找到名为{name}的技能。2. 定义Skill中间件如下定义的SkillMiddleware中间件旨在完成两项任务将所有可用Skill的元数据给格式化成员系统提示词的一部分根据当前加载的Skill提供对应的工具集。这两项工作都是利用awrap_model_call方法针对模型调用的拦截实现的。asyncdefmain():clientMultiServerMCPClient(connections{server:{transport:stdio,command:python,args:[server.py]}})tools{tool.name:toolfortoolinawaitclient.get_tools(server_nameserver)}skill_based_tools:dict[str,list[BaseTool]]{buy-airplane-ticket:[tools[buy_airplane_ticket]],book-hotel:[tools[book_hotel]],}classSkillMiddleware(AgentMiddleware):tools[load_skill]def__init__(self):skills(f - **{skill[name]}**:{skill[description]}forskillinall_skills)self.skills_promptf\ 你拥有如下可用Skill{\n.join(skills)}可以指定Skill名称调用load_skill工具来获取指定技能的详细信息。 asyncdefawrap_model_call(self,request:ModelRequest,handler:Callable[[ModelRequest],Awaitable[ModelResponse]],)-ModelResponse|AIMessage|ExtendedModelResponse:system_messagerequest.system_messageifsystem_messageisNone:system_messageSystemMessage(contentself.skills_prompt)else:cotentssystem_message.content_blocks[{type:text,text:self.skills_prompt}]system_messageSystemMessage(content_blockscotents)tools[load_skill]loaded_skillsrequest.state.get(loaded_skills,set())forskillinloaded_skills:tools.extend(skill_based_tools.get(skill,[]))returnawaithandler(request.override(system_messagesystem_message,toolstools))# type: ignore3. 创建和测试Agent如果采用Skills模式我们主要工作会放在Skill文档的撰写上面程序员俨然变成一个文字工作者。所以我们直接可以根据提供的工具load_skill和由MCP服务器提供的buy_airplane_ticket和book_hotel工具、系统提示词和SkillMiddleware创建我们所需的Agent。最后我们依然采用与前面一样的测试用例供了四种输入来模拟四种情况同时包含酒店预订和机票购买需求、只包含酒店预订或者机票购买需求以及不涉及这两种需求对构建的Agent进行测试asyncdefmain():...agentcreate_agent(modelChatOpenAI(modelgpt-5.2-chat),state_schemaState,tools[load_skill,*tools.values()],system_prompt你是一个差旅助理请严格按照注册的技能要求来分析和执行用户的请求。如果用户没有明确预订酒店或者购买机票的需求直接回复意图不明无法执行,middleware[SkillMiddleware()])inputs[我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开和机票往返明天出发后天返回。,我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开。,我有明后两天(从上海)去成都的出差请帮我预订机票往返明天出发后天返回。,随便说说]formessageininputs:reusltawaitagent.ainvoke(input{messages:[HumanMessage(contentmessage)]})# type: ignoreprint(f用户输入{message})print(f系统回复{reuslt[messages][-1].text}\n\n)如下所示的是四段输出用户输入我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开和机票往返明天出发后天返回。 系统回复好的已为您完成全部预订安排如下 ✈️ **机票预订** - **去程**上海 → 成都 出发日期2026-04-18 航班号MU5401 - **返程**成都 → 上海 出发日期2026-04-19 航班号MU5402 **酒店预订** - 城市成都 - 酒店如家酒店 - 入住时间2026-04-18 - 退房时间2026-04-19 如需调整航班时间、酒店档次或增加其他出行安排请随时告诉我。祝您出差顺利用户输入我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开。 系统回复✅ 酒店预订成功 已为您安排好本次成都出差的住宿具体信息如下 - **酒店城市**成都 - **酒店名称**如家酒店 - **入住时间**2026 年 4 月 18 日明天12:00 - **退房时间**2026 年 4 月 19 日后天12:00 祝您出差顺利如果后续还需要我帮您预订机票或调整行程请随时告诉我。用户输入我有明后两天(从上海)去成都的出差请帮我预订机票往返明天出发后天返回。 系统回复✅ 机票已为您成功预订行程如下 ### ✈️ 去程 - **航线**上海 → 成都 - **出发日期**明天2026-04-18 - **航班号**MU5401 - **起飞时间**12:00 ### ✈️ 返程 - **航线**成都 → 上海 - **出发日期**后天2026-04-19 - **航班号**MU5402 - **起飞时间**12:00 如需 **预订酒店、调整航班时间或座位等级**请随时告诉我祝您出差顺利用户输入随便说说 系统回复意图不明无法执行针对第一个请求Agent内部的调用链如下所示。4. 完整的实现如下提供完整的实现fromtypingimportAnnotated,Awaitable,Callable,TypedDictfromlangchain.agentsimportcreate_agent,AgentStatefromlangchain_core.messagesimportAIMessagefromlangchain_openaiimportChatOpenAIfromlangchain_mcp_adapters.clientimportMultiServerMCPClientfromlangchain.agents.middlewareimportAgentMiddleware,ExtendedModelResponse,ModelResponse,wrap_model_call,ModelRequestfromlangchain.toolsimportToolRuntime,tool,BaseToolfromlangchain_core.messagesimportSystemMessage,HumanMessage,ToolMessagefromlanggraph.typesimportCommandimportasynciofromdotenvimportload_dotenv load_dotenv()classSkill(TypedDict):name:strdescription:strcontent:strbuy_airplane_ticket_skill\ ## 基本流程 - 确定当前是否注册了buy_airplane_ticket工具如果没有注册该工具,拒绝执行并回复用户抱歉我无法购买机票因为相关工具未注册。 - 调用buy_airplane_ticket工具购买机票最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 购买机票是唯一的任务 - 调用buy_airplane_ticket工具是购买机票唯一的方式 - 只需要根据buy_airplane_ticket工具的Schema来分析购买机票的信息是否充分 - 可以完全自主决定航司、舱位等级和航班等信息不需用户确认 book_hotel_skill\ ## 基本流程 - 确定当前是否注册了book_hotel工具如果没有注册该工具,拒绝执行并回复用户抱歉我无法预订酒店因为相关工具未注册。 - 调用book_hotel工具预订酒店最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 预订酒店是唯一的任务 - 调用book_hotel工具是预订酒店唯一的方式 - 只需要根据book_hotel工具的Schema来分析预订酒店的信息是否充分 - 可以完全自主决定酒店、价位和房型等信息不需用户确认 all_skills[{name:buy-airplane-ticket,description:购买机票只有在用户明确提出要求购买机票时才会使用,content:buy_airplane_ticket_skill},{name:book-hotel,description:预订酒店,只有在用户明确提出要求预订酒店时才会使用,content:book_hotel_skill},]classState(AgentState):loaded_skills:Annotated[set[str],lambdax,y:x.union(y)]tooldefload_skill(name:str,runtime:ToolRuntime)-Command|str:根据指定的技能名称加载技能详细内容forskillinall_skills:ifskill[name]name:returnCommand(update{messages:[ToolMessage(contentskill[content],tool_call_idruntime.tool_call_id)],loaded_skills:{name},})returnf抱歉未找到名为{name}的技能。asyncdefmain():clientMultiServerMCPClient(connections{server:{transport:stdio,command:python,args:[server.py]}})tools{tool.name:toolfortoolinawaitclient.get_tools(server_nameserver)}skill_based_tools:dict[str,list[BaseTool]]{buy-airplane-ticket:[tools[buy_airplane_ticket]],book-hotel:[tools[book_hotel]],}classSkillMiddleware(AgentMiddleware):tools[load_skill]def__init__(self):skills(f - **{skill[name]}**:{skill[description]}forskillinall_skills)self.skills_promptf\ 你拥有如下可用技能{\n.join(skills)}可以指定技能名称调用load_skill工具来获取指定技能的详细信息。 asyncdefawrap_model_call(self,request:ModelRequest,handler:Callable[[ModelRequest],Awaitable[ModelResponse]],)-ModelResponse|AIMessage|ExtendedModelResponse:system_messagerequest.system_messageifsystem_messageisNone:system_messageSystemMessage(contentself.skills_prompt)else:cotentssystem_message.content_blocks[{type:text,text:self.skills_prompt}]system_messageSystemMessage(content_blockscotents)tools[load_skill]loaded_skillsrequest.state.get(loaded_skills,set())forskillinloaded_skills:tools.extend(skill_based_tools.get(skill,[]))returnawaithandler(request.override(system_messagesystem_message,toolstools))# type: ignoreagentcreate_agent(modelChatOpenAI(modelgpt-5.2-chat),state_schemaState,tools[load_skill,*tools.values()],system_prompt你是一个差旅助理请严格按照注册的技能要求来分析和执行用户的请求。如果用户没有明确预订酒店或者购买机票的需求直接回复意图不明无法执行,middleware[SkillMiddleware()])inputs[我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开和机票往返明天出发后天返回。,我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开。,我有明后两天(从上海)去成都的出差请帮我预订机票往返明天出发后天返回。,随便说说]formessageininputs:reusltawaitagent.ainvoke(input{messages:[HumanMessage(contentmessage)]})# type: ignoreprint(f用户输入{message})print(f系统回复{reuslt[messages][-1].text}\n\n)asyncio.run(main())
[LangChain中的Multi-Agent模式-04]Skill轻量化智能体构建：避免上下文污染的专业化路径
在技能模式Skills中专门化的能力被打包成可调用的技能以增强Agent的行为。技能主要是由提示驱动的专业化功能Agent可以按需调用这些功能。关键Skills的详细说明请参阅Anthropic的官方文档“[Agent Skills]https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview”。Skills模式具有如下的核心特征提示驱动的专业化技能主要由特定提示定义渐进式披露根据上下文或用户需求按序加载可用Skill。在此基础上更进一步还包括根据Skill动态注册工具集团队分布不同团队可以独立开发和维护技能轻量级构建技能比完整的Sub-Agent更简单引用感知技能可以引用脚本、模板和其他资源。虽然每个技能只有一个提示但该提示可以引用其他资源的位置并提供Agent何时应使用这些资源的信息。当需要一个具备多种专业技能的单一Agent且无需对技能之间施加特定约束或者不同团队需要独立开发相应能力时可以使用Skills模式。常见的例子包括编码助手针对不同语言或任务的技能、知识库针对不同领域的技能和创意助手针对不同格式的技能。我们已经尝试了三种模式(Sub-Agent、Router和Handoffs)来开发我们的差旅助手Agent现在我们继续将它改写成Skills模式。虽然“Deep Agents”提供了针对Skills的原生支持但是为了让大家对Skills的实现原理有更清晰的认知我决定使用一个更笨的解决方案来改写我们使用自定义工具加载Skill。1. 定义加载Skill的工具一个Skill由元数据和主体内容组成。以名称和描述为核心的元数据会全程绑定到Agent上所以我们要保证命名准确描述精炼以免占据过多的上下文窗口。主体内容相当于一份用于指导Agent工作的说明书一般采用Markdown格式编写。为此我们定义了如下这个Skill类并创建了用于购买机票和酒店预订的Skill并将其保存到全局字典all_skills中Key为Skill的名称。classSkill(TypedDict):name:strdescription:strcontent:strbuy_airplane_ticket_skill\ ## 基本流程 - 确定当前是否注册了buy_airplane_ticket工具如果没有注册该工具拒绝执行并回复用户抱歉我无法购买机票因为相关工具未注册。 - 调用buy_airplane_ticket工具购买机票最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 购买机票是唯一的任务 - 调用buy_airplane_ticket工具是购买机票唯一的方式 - 只需要根据buy_airplane_ticket工具的Schema来分析购买机票的信息是否充分 - 可以完全自主决定航司、舱位等级和航班等信息不需用户确认 book_hotel_skill\ ## 基本流程 - 确定当前是否注册了book_hotel工具如果没有注册该工具,拒绝执行并回复用户抱歉我无法预订酒店因为相关工具未注册。 - 调用book_hotel工具预订酒店最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 预订酒店是唯一的任务 - 调用book_hotel工具是预订酒店唯一的方式 - 只需要根据book_hotel工具的Schema来分析预订酒店的信息是否充分 - 可以完全自主决定酒店、价位和房型等信息不需用户确认 all_skills[{name:buy-airplane-ticket,description:购买机票只有在用户明确提出要求购买机票时才会使用,content:buy_airplane_ticket_skill},{name:book-hotel,description:预订酒店只有在用户明确提出要求预订酒店时才会使用,content:book_hotel_skill},]为了跟踪当前加载的Skill我们在状态类型State中添加了loaded_skills字段并利用自定义的reducer函数添加加载的Skill名称。在推理过程中LLM会根据推理任务和预先加载的Skill元数据决定所需的Skill并作针对性的加载。如下这个load_skill函数就是我们为它准备的Skill加载工具。如果成功加载返回的Command会通过修改loaded_skills通道将建在Skill名称添加到状态中。classState(AgentState):loaded_skills:Annotated[set[str],lambdax,y:x.union(y)]tooldefload_skill(name:str,runtime:ToolRuntime)-Command|str:根据指定的技能名称加载技能详细内容forskillinall_skills:ifskill[name]name:returnCommand(update{messages:[ToolMessage(contentskill[content],tool_call_idruntime.tool_call_id)],loaded_skills:{name},})returnf抱歉未找到名为{name}的技能。2. 定义Skill中间件如下定义的SkillMiddleware中间件旨在完成两项任务将所有可用Skill的元数据给格式化成员系统提示词的一部分根据当前加载的Skill提供对应的工具集。这两项工作都是利用awrap_model_call方法针对模型调用的拦截实现的。asyncdefmain():clientMultiServerMCPClient(connections{server:{transport:stdio,command:python,args:[server.py]}})tools{tool.name:toolfortoolinawaitclient.get_tools(server_nameserver)}skill_based_tools:dict[str,list[BaseTool]]{buy-airplane-ticket:[tools[buy_airplane_ticket]],book-hotel:[tools[book_hotel]],}classSkillMiddleware(AgentMiddleware):tools[load_skill]def__init__(self):skills(f - **{skill[name]}**:{skill[description]}forskillinall_skills)self.skills_promptf\ 你拥有如下可用Skill{\n.join(skills)}可以指定Skill名称调用load_skill工具来获取指定技能的详细信息。 asyncdefawrap_model_call(self,request:ModelRequest,handler:Callable[[ModelRequest],Awaitable[ModelResponse]],)-ModelResponse|AIMessage|ExtendedModelResponse:system_messagerequest.system_messageifsystem_messageisNone:system_messageSystemMessage(contentself.skills_prompt)else:cotentssystem_message.content_blocks[{type:text,text:self.skills_prompt}]system_messageSystemMessage(content_blockscotents)tools[load_skill]loaded_skillsrequest.state.get(loaded_skills,set())forskillinloaded_skills:tools.extend(skill_based_tools.get(skill,[]))returnawaithandler(request.override(system_messagesystem_message,toolstools))# type: ignore3. 创建和测试Agent如果采用Skills模式我们主要工作会放在Skill文档的撰写上面程序员俨然变成一个文字工作者。所以我们直接可以根据提供的工具load_skill和由MCP服务器提供的buy_airplane_ticket和book_hotel工具、系统提示词和SkillMiddleware创建我们所需的Agent。最后我们依然采用与前面一样的测试用例供了四种输入来模拟四种情况同时包含酒店预订和机票购买需求、只包含酒店预订或者机票购买需求以及不涉及这两种需求对构建的Agent进行测试asyncdefmain():...agentcreate_agent(modelChatOpenAI(modelgpt-5.2-chat),state_schemaState,tools[load_skill,*tools.values()],system_prompt你是一个差旅助理请严格按照注册的技能要求来分析和执行用户的请求。如果用户没有明确预订酒店或者购买机票的需求直接回复意图不明无法执行,middleware[SkillMiddleware()])inputs[我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开和机票往返明天出发后天返回。,我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开。,我有明后两天(从上海)去成都的出差请帮我预订机票往返明天出发后天返回。,随便说说]formessageininputs:reusltawaitagent.ainvoke(input{messages:[HumanMessage(contentmessage)]})# type: ignoreprint(f用户输入{message})print(f系统回复{reuslt[messages][-1].text}\n\n)如下所示的是四段输出用户输入我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开和机票往返明天出发后天返回。 系统回复好的已为您完成全部预订安排如下 ✈️ **机票预订** - **去程**上海 → 成都 出发日期2026-04-18 航班号MU5401 - **返程**成都 → 上海 出发日期2026-04-19 航班号MU5402 **酒店预订** - 城市成都 - 酒店如家酒店 - 入住时间2026-04-18 - 退房时间2026-04-19 如需调整航班时间、酒店档次或增加其他出行安排请随时告诉我。祝您出差顺利用户输入我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开。 系统回复✅ 酒店预订成功 已为您安排好本次成都出差的住宿具体信息如下 - **酒店城市**成都 - **酒店名称**如家酒店 - **入住时间**2026 年 4 月 18 日明天12:00 - **退房时间**2026 年 4 月 19 日后天12:00 祝您出差顺利如果后续还需要我帮您预订机票或调整行程请随时告诉我。用户输入我有明后两天(从上海)去成都的出差请帮我预订机票往返明天出发后天返回。 系统回复✅ 机票已为您成功预订行程如下 ### ✈️ 去程 - **航线**上海 → 成都 - **出发日期**明天2026-04-18 - **航班号**MU5401 - **起飞时间**12:00 ### ✈️ 返程 - **航线**成都 → 上海 - **出发日期**后天2026-04-19 - **航班号**MU5402 - **起飞时间**12:00 如需 **预订酒店、调整航班时间或座位等级**请随时告诉我祝您出差顺利用户输入随便说说 系统回复意图不明无法执行针对第一个请求Agent内部的调用链如下所示。4. 完整的实现如下提供完整的实现fromtypingimportAnnotated,Awaitable,Callable,TypedDictfromlangchain.agentsimportcreate_agent,AgentStatefromlangchain_core.messagesimportAIMessagefromlangchain_openaiimportChatOpenAIfromlangchain_mcp_adapters.clientimportMultiServerMCPClientfromlangchain.agents.middlewareimportAgentMiddleware,ExtendedModelResponse,ModelResponse,wrap_model_call,ModelRequestfromlangchain.toolsimportToolRuntime,tool,BaseToolfromlangchain_core.messagesimportSystemMessage,HumanMessage,ToolMessagefromlanggraph.typesimportCommandimportasynciofromdotenvimportload_dotenv load_dotenv()classSkill(TypedDict):name:strdescription:strcontent:strbuy_airplane_ticket_skill\ ## 基本流程 - 确定当前是否注册了buy_airplane_ticket工具如果没有注册该工具,拒绝执行并回复用户抱歉我无法购买机票因为相关工具未注册。 - 调用buy_airplane_ticket工具购买机票最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 购买机票是唯一的任务 - 调用buy_airplane_ticket工具是购买机票唯一的方式 - 只需要根据buy_airplane_ticket工具的Schema来分析购买机票的信息是否充分 - 可以完全自主决定航司、舱位等级和航班等信息不需用户确认 book_hotel_skill\ ## 基本流程 - 确定当前是否注册了book_hotel工具如果没有注册该工具,拒绝执行并回复用户抱歉我无法预订酒店因为相关工具未注册。 - 调用book_hotel工具预订酒店最后将工具返回的预订信息整理后返回给用户。 ## 注意事项 - 预订酒店是唯一的任务 - 调用book_hotel工具是预订酒店唯一的方式 - 只需要根据book_hotel工具的Schema来分析预订酒店的信息是否充分 - 可以完全自主决定酒店、价位和房型等信息不需用户确认 all_skills[{name:buy-airplane-ticket,description:购买机票只有在用户明确提出要求购买机票时才会使用,content:buy_airplane_ticket_skill},{name:book-hotel,description:预订酒店,只有在用户明确提出要求预订酒店时才会使用,content:book_hotel_skill},]classState(AgentState):loaded_skills:Annotated[set[str],lambdax,y:x.union(y)]tooldefload_skill(name:str,runtime:ToolRuntime)-Command|str:根据指定的技能名称加载技能详细内容forskillinall_skills:ifskill[name]name:returnCommand(update{messages:[ToolMessage(contentskill[content],tool_call_idruntime.tool_call_id)],loaded_skills:{name},})returnf抱歉未找到名为{name}的技能。asyncdefmain():clientMultiServerMCPClient(connections{server:{transport:stdio,command:python,args:[server.py]}})tools{tool.name:toolfortoolinawaitclient.get_tools(server_nameserver)}skill_based_tools:dict[str,list[BaseTool]]{buy-airplane-ticket:[tools[buy_airplane_ticket]],book-hotel:[tools[book_hotel]],}classSkillMiddleware(AgentMiddleware):tools[load_skill]def__init__(self):skills(f - **{skill[name]}**:{skill[description]}forskillinall_skills)self.skills_promptf\ 你拥有如下可用技能{\n.join(skills)}可以指定技能名称调用load_skill工具来获取指定技能的详细信息。 asyncdefawrap_model_call(self,request:ModelRequest,handler:Callable[[ModelRequest],Awaitable[ModelResponse]],)-ModelResponse|AIMessage|ExtendedModelResponse:system_messagerequest.system_messageifsystem_messageisNone:system_messageSystemMessage(contentself.skills_prompt)else:cotentssystem_message.content_blocks[{type:text,text:self.skills_prompt}]system_messageSystemMessage(content_blockscotents)tools[load_skill]loaded_skillsrequest.state.get(loaded_skills,set())forskillinloaded_skills:tools.extend(skill_based_tools.get(skill,[]))returnawaithandler(request.override(system_messagesystem_message,toolstools))# type: ignoreagentcreate_agent(modelChatOpenAI(modelgpt-5.2-chat),state_schemaState,tools[load_skill,*tools.values()],system_prompt你是一个差旅助理请严格按照注册的技能要求来分析和执行用户的请求。如果用户没有明确预订酒店或者购买机票的需求直接回复意图不明无法执行,middleware[SkillMiddleware()])inputs[我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开和机票往返明天出发后天返回。,我有明后两天(从上海)去成都的出差请帮我预订酒店明天入住后天离开。,我有明后两天(从上海)去成都的出差请帮我预订机票往返明天出发后天返回。,随便说说]formessageininputs:reusltawaitagent.ainvoke(input{messages:[HumanMessage(contentmessage)]})# type: ignoreprint(f用户输入{message})print(f系统回复{reuslt[messages][-1].text}\n\n)asyncio.run(main())
