メインコンテンツへスキップ
見出し画像

スキルを「読むまで持たない」設計へ~Deep Agentsの更新で見るAIエージェントの文脈管理

    最近、Sydney Runkle(@sydneyrunkle)さんの「Revamping Skills in Deep Agents」を読みました。AIエージェントに専門知識を持たせる「スキル」を、数千本の規模で運用するための更新が紹介されています。

    面白いのは、機能追加の話に見えて、中心にあるのが「文脈に何を、いつ入れるか」という一つの設計原則だという点です。この記事では、起点記事を読んでいなくても追えるように、スキルとは何かから始めます。そのうえで、ツールの紐付け、スキルの固定、再読み込みが同じ原則の延長にあることを整理します。

    【発端】 数千本のスキルが文脈を圧迫し始めたこと

    スキルが増えるほど「全部を最初から見せる」方式が持たなくなり、見せる順番の設計が必要になりました。

    起点記事によれば、企業のスキル登録簿は数千本規模に育ち、チームやエージェントをまたいで共有されています。LangChain社の営業支援エージェントも、会議準備や通話記録の確認などで、抱えているスキルは50本超です。

    本数が増えると、スキルだけでなく、スキルが使う道具(ツール)の説明も文脈を圧迫します。今回の更新は、次の三つに絞られています。

    • ツールの紐付け:スキルを読んだときだけ、そのツールが現れる

    • スキルの固定(pin):ユーザーが指定したスキルを、先に文脈へ入れる

    • スキルの再読み込み:長く続くスレッドでも、新しいスキルを拾える

    【基礎】 スキルは必要なときだけ開く手順書

    画像
    SKILL.md を中心にしたフォルダ。名前と説明だけを記載する。

    スキルとは手順書のフォルダで、中身は段階的にしか読み込まれません。

    スキルは、SKILL.md というMarkdownファイルを中心にしたフォルダです。先頭に名前と説明(YAMLという書式の見出し部分)があり、その下はエージェントが従う手順です。

    補助として、scripts/、references/、assets/ を置けます。仕様はAgent Skillsというオープン標準で公開されており、モデルや製品をまたいで使えます。

    手順書の目次だけを常に持ち、本文は必要になったら開く仕組みです。これを段階的開示(progressive disclosure)と呼びます。読み込みは、発見、起動、実行の三段階に分かれます。

    1. 発見:全スキルの名前と説明だけがシステムプロンプトに入る

    2. 起動:仕事が合致したら、SKILL.md の全文を読む

    3. 実行:手順が求めたときだけ、スクリプトや参考資料を読む

    仕様側の目安では、名前と説明は1本あたり100トークン前後、本文は5,000トークン未満です。使われないスキルのコストは、システムプロンプトの1行だけです。ここで言うトークンは、モデルが文章を数える単位を指します。

    【違い】 「常に見せる」から「読んだ順に出す」へ

    画像
    四つの軸で、従来と今回を並べる

    変わったのは機能の数ではなく、ツールと更新の出し方です。それまでは、スキルとツールが別々に開示されていました。

    ツールの出し方

    • 従来:スキルとは無関係に、一覧へ載る

    • 今回の更新:紐付けたスキルを読むまで隠れる

    手順を読む保証

    • 従来:ツールを使う前に説明を読むとは限らない

    • 今回の更新:読まないと呼べない

    スキルの起動

    • 従来:モデルが説明を見て判断する

    • 今回の更新:アプリが指定して先に入れられる

    スキル一覧の更新

    • 従来:スレッドの開始時に確定する

    • 今回の更新:次の実行で再走査できる

    従来もツール検索でスキーマを文脈の外に置くことはできました。ただ、道具と、その使い方を説明する手順書を結ぶ仕組みはありませんでした。道具を先に見つけたのに手順書を読んでいない、という順序の逆転が起こり得ました。

    【仕組み】 キャッシュを無効にしない道具の追加

    画像
    スキルを読んだ直後に、新しいシステムメッセージでツールが現れる

    あとから足しても、先頭部分は変えません。

    ツールの紐付けは、スキルの名前と説明の下にある metadata.include_tools へ、ツール名を並べて指定します。ツール本体は、エージェントではなくスキルを扱う部品(SkillsMiddleware)へ渡します。

    エージェントが該当スキルを読むまで、そのツールは見えません。読む前に呼ぶと「未知のツール」として失敗します。

    ここで関係するのがプロンプトキャッシュです。同じ先頭部分の入力を再利用して、遅延と費用を抑える、モデル提供側の仕組みです。

    会話の途中でツール一覧を書き換えると、この先頭部分が変わり、キャッシュが無効になります。

    起点記事によると、AnthropicとOpenAIの新しいモデルは、会話の途中でツールを受け取れます。そのため、スキルを読んだ直後に新しいシステムメッセージとしてツールが追加され、先頭は変わりません。

    対応しないモデルでは、従来どおりリクエストの末尾への追加です。

    ラベルで指定することもできます。スキル側にはラベルを書き、アプリ側の関数がラベルをツール群へ変換します。

    MCPサーバーのツールをまとめて出すことや、実行ユーザーの権限で返すツールを変えることも、この指定の範囲です。起点記事の例では、予測の更新を使えるのは管理者だけです。

    【具体例】 営業支援エージェントの「/meeting-prep」

    画像
    営業支援エージェントで「/meeting-prep」を打つ場合

    ユーザーが分かっているスキルは、モデルに探させず、先に渡せます。

    起点記事の営業支援エージェントでは、担当者が入れる文は「/meeting-prep for my Acme call tomorrow」です。通常は、モデルが説明を見て SKILL.md を読みに行きます。

    そのため、本作業の前にモデル呼び出しが1回余計にかかり、別のスキルを選ぶ可能性も残ります。

    固定機能を使うと、アプリが入力から / で始まる名前を拾い、pinned_skills として渡します。ミドルウェアが、次のモデル呼び出しの前に、そのスキルの指示を会話へ追加します。

    作業は1回目の呼び出しから始まります。

    固定したスキルは、タグ付きのメッセージとして一度だけ追加されます。過去のメッセージは変わらないので、キャッシュは保たれます。

    紐付けたツールも同時に出ます。メッセージの解析はDeep Agents側では行わないため、/ のような記法はアプリが決めます。

    【関連概念】 文脈設計の三つの足場

    画像
    三つの概念

    この更新は、文脈設計という考え方の具体的な実装例です。

    • コンテキストエンジニアリング:モデルに渡す情報を、量と順序で設計する考え方。LangChainは、これを効果的なエージェントの鍵と位置づけています。

    • プロンプトキャッシュ:先頭の再利用で費用を抑える仕組み。有効期限は、一般に数分から1時間ほどの無操作で切れます。

    • オープン標準:スキルをチームが書けば、モデルや製品を替えても使い回せます。

    再読み込みは、最後の点と関わります。スキル一覧はスレッド開始時に状態へ保存され、以降の実行で使い回されます。

    入力で skills_metadata を None にすると、次の実行は全ソースの再走査です。

    一覧が変わるとシステムプロンプトが変わり、キャッシュは切れます。ただ、数日放置されたスレッドでは、キャッシュはもう期限切れです。再読み込みの追加コストは、ほぼ発生しません。

    参考情報・参考書籍(PR)

    本記事をより深く理解するために、概念マップスライドを作成しました。こちらをみることで理解の補助になるはずです。

    『LLMの原理、RAG・エージェント開発から読み解く コンテキストエンジニアリング』(蒲生弘郁)は、文脈に何を入れるかの設計をまとめて学べます。

    『実践 LLMアプリケーション開発』(Suhas Pai、監訳は金本勝吉、訳はオライリー・ジャパン編集部)は、スキルを使うエージェントの前提になる、LLMアプリの実装全般の補足です。

    『AIエージェント開発/運用入門 [生成AI深掘りガイド]』(御田稔、大坪悠、塚田真規)は、ツール連携、MCP、運用まで、エージェントを動かす側の全体像を補います。

    関連記事

    【まとめ】 自分のスキル集を点検する三つの問い

    自分の環境に当てはめるなら、「何を常時見せ、何を読ませ、何を先に渡すか」を棚卸しします。ここでは、私が実際に検証したことではなく、起点記事を踏まえた試し方の提案です。

    1. 常時載せているもの:名前と説明は、仕事の合致を判断できる具体さか

    2. 使い方の説明が要る道具:説明を読む前に呼ばれると困るものはないか

    3. 決まった入口:ユーザーが名前で呼ぶ仕事に、固定の入口を用意できないか

    最後に、スキル集に変更が入る運用なら、再読み込みの契機をどこに置くかを決めます。

    参考情報

     
     
    海外でバズった最新テック関連情報をわかりやすく整理します! スキの数やページビューが多いなどの反響が多いものがあれば、実際の環境で操作した結果や手順などを共有する記事も作成したいとも思ってます! とりあえずこれを見ておけばディープな最新情報もキャッチアップ!できるものを目指します

    あなたへのおすすめ