  在 Claude Code 的架构中，Skill（技能） 扮演着至关重要的角色。如果说 Claude 模型是大脑，MCP 是连接外部世界的手脚，那么 Skill 就是存储特定领域专业知识的操作手册。

  Skill 通过引入动态加载（Dynamic Loading）和渐进式披露（Progressive Disclosure） 机制，优雅地解决了这一难题。它允许开发者将海量的程序性知识（Procedural Knowledge）封装在本地文件系统中，Agent 仅在识别到用户意图与某个 Skill 匹配时，才会按需加载相关的指令和脚本 。这种架构不仅极大地扩展了 Agent 的能力边界，还保证了推理的高效性和准确性。

  传统的 AI Agent 在处理任务时，会将所有可用的工具（Tools）一次性暴露给大语言模型。想象一下，如果你有 50 个工具，每次模型调用都需要处理这 50 个工具的描述信息。

  传统架构：
    ┌─────────────────────────────────────────────────────────────┐
    │  Agent 启动时加载所有 50 个工具                              │
    │                                                             │
    │  用户: "你好"                                                │
    │  模型收到: 50 个工具描述 + 用户消息    ← 浪费大量 Token！    │
    │                                                             │
    │  用户: "计算 1+1"                                           │
    │  模型收到: 50 个工具描述 + 用户消息    ← 还是 50 个工具！    │
    └─────────────────────────────────────────────────────────────┘

是：让模型在每次调用时只看到「相关的」工具，而不是全部工具。这就像一个智能助手，只有当你说"我要分析数据"时，才会把数据分析相关的工具拿出来；说"我要处理 PDF"时，才会展示 PDF 处理工具。

 Claude Skills 架构：
    ┌─────────────────────────────────────────────────────────────┐
    │  Agent 启动时只加载 2 个 "Loader" 工具                       │
    │                                                             │
    │  用户: "你好"                                                │
    │  模型收到: 2 个工具描述 + 用户消息     ← 只有 2 个工具！     │
    │                                                             │
    │  用户: "分析这组数据 [1,2,3]"                                │
    │  第一次调用: 2 个工具 → AI 调用 skill_data_analysis         │
    │  技能加载后: skills_loaded = ['data_analysis']              │
    │  第二次调用: 4 个工具 (2 Loaders + 2 数据分析)              │
    │  → AI 使用 calculate_statistics 完成任务                    │
    └─────────────────────────────────────────────────────────────┘

下面这张图展示了使用LangChain 1.1 - Claude Skills 的核心工作流程：

从图中可以看到，Middleware 是整个系统的核心。它在模型调用之前拦截请求，根据当前状态（skills_loaded）动态过滤工具列表，然后将过滤后的请求传递给模型。

LangChain 1.1 实现 Claude Skills 动态工具过滤原理

人工智能

编程语言

开发工具

ClaudeCodeSkills通过动态加载与渐进式披露机制，仅按需暴露相关工具，大幅降低Token消耗与模型困惑。相比传统一次性加载全部工具，该架构以轻量Loader为核心，显著提升响应速度与推理准确性，为AIAgent的高效工具管理提供创新实践。

数据分析

文件系统

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

LangChain 1.1 实现 Claude Skills 动态工具过滤原理-腾讯云开发者社区-腾讯云

LangChain 1.1 实现 Claude Skills 动态工具过滤原理

LangChain 1.1 实现 Claude Skills 动态工具过滤原理

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐