أصدرت Microsoft إطار عمل Agent Skills مستقرًا للغة Python في 15 يوليو. يتيح هذا الإطار للمطورين استدعاء القدرات فقط عندما يحتاج الوكيل (agent) المدفوع بنماذج LLM إليها فعليًا. ومن خلال استبدال الـ system prompt الواحد والمتزايد باستدعاء المهارات عند الطلب، يقلل هذا النهج من حجم الـ prompt، ويخفض تكاليف الـ tokens، ويحافظ على وضوح منطق الوكيل.
لماذا تتضخم الـ prompts ولماذا يهم ذلك
تعتمد وكلاء LLM على "system prompt" يجمع السياسات، وكتيبات التشغيل (runbooks)، والمواد المرجعية التي يجب أن يراها النموذج في كل دورة. وبإضافة حفنة من وثائق السياسات، يتضخم الـ prompt ليصل إلى عدة آلاف من الـ tokens. وتؤدي الـ prompts الأكبر إلى زيادة تكاليف الاستدلال (inference costs) — حيث يتم محاسبة النموذج على كل token يعالجه — كما أنها تضعف إشارة التعليمات، مما يجعل مخرجات الوكيل أقل دقة. وفي حالات فرز الحوادث (incident triage) أو التحقق من الامتثال، يمكن لـ prompt غير واضح أن يحول المساعد المفيد إلى مصدر للمعلومات المضللة.
نمط Agent Skills: الإفصاح التدريجي
يستبدل إطار العمل الجديد الـ prompt الموحد الضخم بسير عمل مكون من أربع خطوات:
- الإعلان عن المهارة (Advertise the skill) – مدخل بيانات وصفية (metadata) خفيف يخبر طبقة التوجيه (routing layer) باسم المهارة.
- تحميل التعليمات (Load instructions) – وصف موجز يقرأه الوكيل ليقرر ما إذا كانت المهارة تطابق الطلب.
- قراءة الموارد (Read resources) – ملفات سياسات أو مراجع اختيارية يتم جلبها فقط بعد أن يختار الوكيل المهارة.
- تشغيل البرامج النصية (Run scripts) – تنفيذ الكود الذي يقوم بالإجراء، ويكون مقيدًا بموافقة صريحة.
ملف SKILL.md القصير هو الوحيد الذي يتواجد في الـ prompt الأساسي. أما جميع الوثائق والبرامج النصية الأكبر فتوجد في حزمة مهارات تعتمد على الملفات، والتي يقوم وقت التشغيل (runtime) بجلبها عند الطلب. يظل تخطيط المجلدات بسيطًا:
SKILL.md– وصف موجز قابل للقراءة من قبل البشر.references/– ملفات السياسات أو الإرشادات.scripts/– الكود القابل للتنفيذ.
ولأن الوكيل لا يرى أبدًا المحتويات الكاملة لـ references/ أو scripts/ حتى يقرر أن المهارة هي الخيار المناسب، يظل الـ prompt الأساسي رشيقًا بغض النظر عن عدد المهارات التي تسجلها.
ضمانات السلامة المدمجة في إطار العمل
يفترض إطار العمل أن تحميل المهارة قد ينطوي على مخاطر، لذا يفرض قواعد يجب على المطورين اتباعها:
- الإعلان عن اسم المهارة – عملية تلقائية، تُستخدم فقط للتوجيه.
- تحميل التعليمات – تلقائي للقوائم المنسقة؛ أما التعليمات غير المراجعة فقد تغير السلوك بشكل غير مقصود.
- قراءة السياسات – تلقائية عندما تكون البيانات غير حساسة؛ يجب إبقاء المواد الحساسة خلف ضوابط وصول إضافية.
- تنفيذ البرامج النصية (Script execution) – يتطلب دائمًا موافقة صريحة. ينقل البرنامج النصي الوكيل من مرحلة "الاقتراح" إلى مرحلة "التنفيذ"، لذا يجب أن يتدخل إنسان أو فحص سياسات.
- استدعاءات الأنظمة الخارجية – يجب أن تتم من خلال أدوات منفصلة بصلاحيات محدودة؛ فالمهارة في حد ذاتها ليست آلية تفويض.
تدفع هذه القواعد المطورين للبدء بسير عمل للقراءة فقط — مثل فرز الحوادث، أو البحث في السياسات، أو استعلامات الحالة — قبل محاولة القيام بإجراءات موجهة للكتابة مثل تحديثات قواعد البيانات أو نشر الكود.
المعايير التشغيلية: التسجيل وإصدار النسخ
عند تشغيل مهارة ما، يشجع إطار العمل (وتفرض العديد من عمليات النشر) تسجيل ما يلي:
- الطلب الأصلي ومعرف المهارة (skill ID) المختار.
- إصدار حزمة المهارة المستخدمة.
- ما إذا كان الوكيل قد حمل الوصف فقط أم جلب أيضًا ملف مورد.
- قرار الموافقة على تنفيذ البرنامج النصي.
- جميع وسائط الأدوات (tool arguments) المقدمة والنتائج المستلمة.
إذا اختار الوكيل المهارة الخاطئة، فحول هذا الاختيار الخاطئ إلى حالة اختبار (test case). سيؤدي ذلك إلى إنشاء فحص تراجعي (regression check) قبل وصول المهارة إلى مرحلة الإنتاج.
تعامل مع كل مهارة كـ تبعية ذات إصدارات (versioned dependency) ذات حدود واضحة، وليس كمجلد غير منظم من الـ prompts. يتيح لك إصدار النسخ التراجع عن برنامج نصي معيب دون إزعاج بقية قاعدة معرفة الوكيل.
البدء: قائمة مرجعية عملية
- اختر سير عمل للقراءة فقط – مثل "البحث عن أحدث إرشادات الحوادث الأمنية".
- قم بتعبئة التعليمات والبرامج النصية بشكل منفصل – اجعل ملف
SKILL.mdقصيرًا؛ وضع ملفات السياسات الثقيلة فيreferences/. - نظم كتالوجًا – حافظ على قائمة بالمهارات المعتمدة وافرض الموافقة الإلزامية على أي برنامج نصي.
- حدد قيود البيئة المعزولة (sandbox) – حدد قيود وحدة المعالجة المركزية (CPU) والذاكرة والشبكة لتنفيذ البرامج النصية؛ وسجل كل عملية تشغيل.
- قارن الأداء (Benchmark) مع الـ mega-prompt القديم – قارن استخدام الـ tokens، وزمن الاستجابة (latency)، ومعدلات النجاح لتأكيد توفير التكاليف.
ما الذي يجب مراقبته لاحقًا
إصدار Microsoft هو حاليًا تنفيذ مستقر للغة Python.
الخلاصة
تمنح مهارات الوكيل (Agent Skills) المساعدين القائمين على نماذج LLM وسيلة للحفاظ على خفتهم مع الاستمرار في الوصول إلى مكتبة متنامية من السياسات والبرمجيات النصية. فمن خلال تحميل الوصف فقط في البداية واستدعاء الموارد الثقيلة عند الحاجة، تظل المطالبات قصيرة، وتنخفض تكاليف الاستدلال، ويظل التفكير المنطقي للوكيل مركزاً.