Skill 插件化开发入门给 Agent 装上『可控缰绳』的正确姿势【免费下载链接】harness-sdkBuild an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python TypeScript - any model, any cloud.项目地址: https://gitcode.com/GitHub_Trending/sdkpython13/harness-sdk把 Agent 从什么都敢试的实习生变成只按 SOP 办事的老员工靠的不是更长的 system prompt而是把可复用的方法论固化成插件。harness-sdk 的 Skill 机制正是为此设计它把一段带 YAML frontmatter 的 Markdown 指令SKILL.md变成一个可装载、可激活、可追踪的运行时实体让模型在元数据可见与全量指令加载之间分层获取信息。本文基于仓库源码拆解 Skill 与普通函数的本质区别、插件加载失败的四类高频问题并手写一个可直接投入业务使用的 Skill。Skill 与普通函数的本质区别很多初学 Agent 开发的人会问Skill 不就是把一段提示词封装成函数吗源码给出的答案要微妙得多。在 Skill 数据模型 中一个 Skill 是一个 dataclass字段包括name、description、instructions、path、allowed_tools、metadata等而它的三种加载方式已经暗示了定位差异Skill.from_file(./skills/my-skill)从磁盘目录加载要求目录内存在SKILL.mdSkill.from_content(content)从原始内容解析Skill.from_url(https://.../SKILL.md)从 HTTPS 拉取Skill.from_directory(./skills/)批量加载父目录下的所有子技能。与普通函数相比Skill 有三个本质区别。第一它是渐进式披露的载体而非即时执行的逻辑。普通工具函数是被调用即执行Skill 则分两层存在。在 AgentSkills 插件 中可以看到完整的实现init_agent时插件注册一个名为skills的工具并在每次模型调用前的_on_before_invocation钩子里把available_skills元数据块注入系统提示词当模型决定使用某个技能时再通过skills工具按名称激活此时才把完整的instructions加载进上下文。这正是可控缰绳的第一层含义——模型一开始只看到技能的简介卡片而不是全部操作手册上下文不会被几十个技能的长指令撑爆。第二它自带命名与结构校验是强约定的领域文件格式。_validate_skill_name定义了一套硬性规则名称必须匹配^[a-z0-9](https://link.gitcode.com/i/e8795eaed4c1ddae956ce1e851e7b629)?$即 1-64 位小写字母数字加连字符不能以连字符开头或结尾不能出现连续连字符从磁盘加载时frontmatter 里的name还必须与父目录名一致。这套约定让技能成为可被工具链扫描、校验、索引的资产而不是散落在提示词里的文本。第三它是声明式契约而非命令式代码。Skill 的指令体SKILL.md的 body是给模型读的 Markdown 方法论frontmatter 的allowed-tools声明了该技能允许使用的工具清单当前为实验性字段见 skill.py 的字段注释metadata、license、compatibility则携带版本与合规信息。这层声明让技能可以被审计、可被复用、可跨 agent 共享。插件加载失败四类高频问题速查结合 AgentSkills 的加载实现 与 skill.py 的解析逻辑插件加载失败几乎都逃不出以下四类且每一类在源码中都有对应的报错路径。问题一路径不存在或不是有效目录。_load_skill_paths在通过 sandbox 列出目录失败、且路径不以skill.md结尾时会打出skill source does not exist or is not a valid path警告并跳过。对应的测试 test_agent.py 中test_skills_explicit_missing_dir_is_reported_by_the_sdk专门覆盖了显式传入不存在的目录时 SDK 必须报警告的行为。注意默认行为的宽容单个坏路径只告警、不中断整体加载。问题二目录里没有 SKILL.md或大小写不对。_find_skill_md会优先找大写的SKILL.md找不到再退而求其次找小写skill.md两者皆无则抛出FileNotFoundError: no SKILL.md found in skill directory。这是新手最容易踩的坑——建了目录却忘了放SKILL.md或文件名写成了Skill.md。问题三YAML frontmatter 格式损坏。_parse_frontmatter要求内容必须以---开头、且存在闭合的---分隔行否则抛ValueError。更隐蔽的坑是 YAML 值里出现未加引号的冒号例如description: Use this skill when: the user asks about PDFs——为此源码专门实现了_fix_yaml_colons兜底逻辑解析失败后重试把含冒号的未引用值用双引号包起来见 skill.py 的容错处理。此外frontmatter 缺少name或description字段会直接抛ValueError这两个字段是必填的。问题四命名违反规范。名称超过 64 字符、含大写、含下划线、以连字符开头结尾、或出现--都会触发_validate_skill_name的告警若name与父目录名不一致则会提示skill name does not match parent directory name。默认模式下这些问题仅记录 warning 并照常加载只有构造AgentSkills(..., strictTrue)时才会升级为ValueError中断加载agent_skills.py。还有一个容易忽视的设计值得强调失败是隔离的。_load_skill_paths对每个路径都做 try/except单个坏技能只会被跳过不会拖垮兄弟技能——对应测试test_skills_multiple_dirs_skips_missing与 test_agent_skills.py 中的坏目录被优雅跳过、好目录照常加载用例。这意味着你可以把整包技能目录挂上去坏一个不影响其余。从零写一个可复用的业务 Skill以生成发布说明这个高频业务场景为例完整走一遍 Skill 的开发与挂载流程。第一步按规范建目录与文件。默认技能根目录是./.agent/skills见 defaults.py 的 DEFAULT_SKILLS_DIR每个技能一个子目录目录名即技能名.agent/skills/release-notes/SKILL.mdSKILL.md的骨架与测试用例中的_write_skill完全一致test_agent.py--- name: release-notes description: 从 Git 提交历史生成两个版本之间的发布说明 allowed-tools: shell read write --- # 发布说明生成流程 1. 用 git log --oneline from..to 获取提交列表 2. 按 feat/fix/docs/refactor 对提交归类 3. 对每个类别生成一句中文摘要注明关键 PR 或 commit 号 4. 用 write 工具把结果写入 RELEASE_NOTES.md格式遵循仓库现有模板。注意三点name必须与目录名一致且全小写连字符风格description要写何时该用这个技能而不是复述步骤allowed-tools声明技能运行所需的工具白名单把缰绳收在明面上。第二步挂载到 harness。在 Python 侧create_harness的skills参数接受多种形态agent.py 的参数文档布尔值True表示若默认目录存在则加载这是默认行为目录不存在时是 no-op也可以传技能目录路径、SKILL.md文件路径、HTTPS URL、父目录或Skill实例单值或列表均可from strands_harness import create_harness agent create_harness( modelanthropic/claude-sonnet-4-5, skills[./.agent/skills], # 挂载整包技能 # skillsFalse # 显式关闭 )也可以绕过文件系统用代码直接构造Skill实例并交给AgentSkills插件from strands.vended_plugins.skills import Skill, AgentSkills release_notes Skill( namerelease-notes, description从 Git 提交历史生成两个版本之间的发布说明, instructions1. 用 git log 获取提交列表..., ) agent create_harness(skillsAgentSkills(skills[release_notes]))TypeScript 侧完全对等createHarness同样接受skills参数底层走 agent-skills.ts 的AgentSkills插件支持Skill实例、目录路径与https://URL。若使用配置文件驱动skills项的相对路径会基于配置根目录解析而http(s)://URL 原样保留见 config.py 的 _resolve_skill_source。第三步理解激活时的运行时行为。挂载后模型每轮调用前系统提示词末尾会被注入一段类似这样的 XML由_generate_skills_xml生成见 agent_skills.pyavailable_skills skill namerelease-notes/name description从 Git 提交历史生成两个版本之间的发布说明/description location./.agent/skills/release-notes/SKILL.md/location /skill /available_skills当模型决定执行发布说明任务时会调用skills工具并传入skill_namerelease-notes插件随即返回完整指令同时把技能的资源文件scripts/、references/、assets/三个可选目录默认最多列出 20 个文件一并附上并借助agent.state记录激活历史activated_skills供会话追踪与审计。这套元数据常驻、指令按需加载、激活可回溯的链路就是可控缰绳的完整落地模型始终知道有什么技能可用但只有在真正需要时才看到操作细节而每一次使用都被记录在案。至此一个可复用的业务 Skill 就完成了从文件格式、命名规范、挂载配置到运行时激活的全链路。当你需要让 Agent 稳定执行某个高频、低歧义、可验收的任务时把方法论写进SKILL.md、挂进 harness远比在 system prompt 里堆砌文字更可控——这也是 Skill 机制区别于普通函数封装、也区别于长提示词工程的根本所在。【免费下载链接】harness-sdkBuild an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python TypeScript - any model, any cloud.项目地址: https://gitcode.com/GitHub_Trending/sdkpython13/harness-sdk创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
