Microsoft ने १५ जुलै रोजी Python साठी एक स्थिर Agent Skills फ्रेमवर्क रिलीज केले. हे डेव्हलपर्सना केवळ तेव्हाच क्षमता (capabilities) वापरण्याची परवानगी देते जेव्हा LLM-चालित एजंटला खरोखर त्यांची गरज असते. सतत वाढत जाणाऱ्या एकाच सिस्टम प्रॉम्प्टऐवजी 'ऑन-डिमांड स्किल लोडिंग'चा वापर करून, ही पद्धत प्रॉम्प्टचा आकार कमी करते, टोकन खर्च वाचवते आणि एजंटचे तर्क (reasoning) अधिक स्पष्ट ठेवते.
प्रॉम्प्ट्स का वाढतात आणि ते का महत्त्वाचे आहे
LLM एजंट्स "system prompt" वर अवलंबून असतात, ज्यामध्ये धोरणे (policies), रनबुक्स (runbooks) आणि संदर्भ साहित्य (reference material) एकत्रित केलेले असते जे मॉडेलला प्रत्येक टप्प्यावर दिसणे आवश्यक असते. काही धोरण दस्तऐवज (policy documents) जोडले की प्रॉम्प्टचा आकार हजारो टोकन्सपर्यंत वाढतो. मोठे प्रॉम्प्ट्स इन्फरन्स खर्च (inference costs) वाढवतात—मॉडेलद्वारे प्रोसेस केलेल्या प्रत्येक टोकनसाठी शुल्क आकारले जाते—आणि ते सूचनांचा प्रभाव (instruction signal) कमी करतात, ज्यामुळे एजंटचे आउटपुट अस्पष्ट होते. इन्सिडेंट ट्रायज (incident triage) किंवा कंप्लायन्स चेकिंगमध्ये, अस्पष्ट प्रॉम्प्टमुळे एक उपयुक्त सहाय्यक चुकीची माहिती देणारा स्रोत बनू शकतो.
Agent Skills पॅटर्न: प्रोग्रेसिव्ह डिस्क्लोजर (progressive disclosure)
नवीन फ्रेमवर्क मोनोलिथिक प्रॉम्प्टऐवजी चार-टप्प्यांच्या वर्कफ्लोचा वापर करते:
- Advertise the skill – एक हलकी मेटाडेटा एन्ट्री जी राउटिंग लेयरला स्किलचे नाव सांगते.
- Load instructions – एक संक्षिप्त वर्णन जे एजंट विनंतीशी स्किल जुळते की नाही हे ठरवण्यासाठी वाचतो.
- Read resources – ऐच्छिक धोरण किंवा संदर्भ फाइल्स, ज्या एजंटने स्किल निवडल्यानंतरच मिळवल्या जातात.
- Run scripts – कोड एक्झिक्यूशन जे कृती पूर्ण करते, ज्यासाठी स्पष्ट मंजुरी आवश्यक असते.
केवळ लहान SKILL.md फाईल मुख्य प्रॉम्प्टमध्ये असते. सर्व मोठे दस्तऐवज आणि स्क्रिप्ट्स एका फाईल-आधारित स्किल पॅकेजमध्ये असतात जे रनटाइम गरजेनुसार (on demand) घेते. डिरेक्टरी लेआउट साधा राहतो:
SKILL.md– संक्षिप्त मानवी-वाचनीय वर्णन.references/– धोरण किंवा मार्गदर्शक फाइल्स.scripts/– एक्झिक्युटेबल कोड.
एजंटने स्किल योग्य आहे असे ठरवल्याशिवाय तो references/ किंवा scripts/ मधील पूर्ण मजकूर कधीही पाहत नाही, त्यामुळे तुम्ही कितीही स्किल्स रजिस्टर केल्या तरी मुख्य प्रॉम्प्ट सुटसुटीत राहतो.
फ्रेमवर्कमध्ये समाविष्ट सुरक्षा उपाय (Safety guards)
स्किल लोड करणे जोखमीचे असू शकते असे गृहीत धरून हे फ्रेमवर्क डेव्हलपर्सनी पाळायचे नियम लागू करते:
- Skill name advertisement – स्वयंचलित, केवळ राउटिंगसाठी वापरले जाते.
- Instruction loading – क्युरेटेड लिस्टसाठी स्वयंचलित; अन-रिव्ह्यू केलेल्या सूचनांमुळे नकळत वर्तनात बदल होऊ शकतो.
- Policy reading – डेटा संवेदनशील नसल्यास स्वयंचलित; संवेदनशील माहिती अतिरिक्त ॲक्सेस कंट्रोल्सच्या मागे ठेवा.
- Script execution – नेहमी स्पष्ट मंजुरीची आवश्यकता असते. स्क्रिप्ट एजंटला "सूचना" कडून "कृती" कडे नेते, म्हणून मानवी किंवा धोरण तपासणी (policy check) आवश्यक आहे.
- External system calls – मर्यादित परवानग्या असलेल्या स्वतंत्र टूल्सद्वारेच होणे आवश्यक आहे; स्किल स्वतः अधिकृतता (authorization) यंत्रणा नाही.
हे नियम डेव्हलपर्सना डेटाबेस अपडेट किंवा कोड डिप्लॉयमेंट सारख्या 'राईट-ओरिएंटेड' (write-oriented) कृती करण्यापूर्वी, इन्सिडेंट ट्रायज, पॉलिसी लूकअप, स्टेटस क्वेरीज यांसारख्या 'रीड-ओनली' (read-only) वर्कफ्लोपासून सुरुवात करण्यास प्रवृत्त करतात.
ऑपरेशनल हायजीन: लॉगिंग आणि व्हर्जनिंग
जेव्हा एखादे स्किल रन होते, तेव्हा फ्रेमवर्क खालील गोष्टींचे लॉगिंग करण्यास प्रोत्साहन देते (आणि अनेक ठिकाणी ते अनिवार्य असते):
- मूळ विनंती आणि निवडलेले स्किल ID.
- वापरलेल्या स्किल पॅकेजची आवृत्ती (version).
- एजंटने केवळ वर्णन लोड केले की रिसोर्स फाईल देखील मिळवली.
- स्क्रिप्ट एक्झिक्यूशनसाठी घेतलेला मंजुरीचा निर्णय.
- पुरवलेले सर्व टूल आर्ग्युमेंट्स आणि मिळालेले रिझल्ट्स.
जर एजंटने चुकीचे स्किल निवडले, तर त्या चुकीच्या निवडीचे टेस्ट केसमध्ये रूपांतर करा. यामुळे स्किल प्रोडक्शनमध्ये जाण्यापूर्वी रिग्रेशन चेक (regression check) तयार होतो.
प्रत्येक स्किलला प्रॉम्प्ट्सचा विखुरलेला फोल्डर न मानता, स्पष्ट सीमा असलेले versioned dependency माना. व्हर्जनिंगमुळे एजंटच्या उर्वरित नॉलेज बेसला विस्कळीत न करता तुम्ही दोषपूर्ण स्क्रिप्ट रोल बॅक (roll back) करू शकता.
सुरुवात कशी करावी: एक व्यावहारिक चेकलिस्ट
- रीड-ओनली वर्कफ्लो निवडा – उदा. "ताज्या सुरक्षा इन्सिडेंट मार्गदर्शक तत्त्वांचा शोध घ्या".
- सूचना आणि स्क्रिप्ट्स वेगळे पॅकेज करा –
SKILL.mdसंक्षिप्त ठेवा; जड पॉलिसी फाइल्सreferences/मध्ये ठेवा. - कॅटलॉग क्युरेट करा – मंजूर स्किल्सची यादी ठेवा आणि कोणत्याही स्क्रिप्टसाठी अनिवार्य मंजुरी लागू करा.
- सँडबॉक्स मर्यादा सेट करा – स्क्रिप्ट एक्झिक्यूशनसाठी CPU, मेमरी आणि नेटवर्क मर्यादा निश्चित करा; प्रत्येक रन लॉग करा.
- जुना मेगा-प्रॉम्प्ट विरुद्ध बेंचमार्क करा – खर्च बचत निश्चित करण्यासाठी टोकन वापर, लेटन्सी (latency) आणि यश दर यांची तुलना करा.
पुढे काय पाहावे
Microsoft चे हे रिलीज सध्या एक स्थिर Python अंमलबजावणी (implementation) आहे.
सारांश (Bottom line)
Agent Skills मुळे LLM-आधारित सहाय्यकांना धोरणे आणि स्क्रिप्ट्सच्या वाढत्या लायब्ररीचा वापर करतानाही स्वतःला हलके ठेवता येते. केवळ सुरुवातीला वर्णन लोड करून आणि गरजेनुसार जड संसाधने मिळवल्यामुळे, प्रॉम्प्ट्स संक्षिप्त राहतात, इन्फरन्स खर्च कमी होतो आणि एजंटची तर्कक्षमता केंद्रित राहते.