大模型的Agent Skill功能是如何在LLM HTTP底层交互流中承载的？

在人工智能应用快速发展的今天，Agent Skill已成为提升大模型能力的核心技术方案。然而，许多开发者对Skill的底层实现机制并不清楚——这个看似复杂的功能，实际上完全基于标准的OpenAI兼容协议实现。理解这一机制，对于深度定制AI应用具有重要意义。

概述

首先需要明确一个核心结论：Skill并非协议层概念。在OpenAI兼容协议中，根本不存在"Skill"这个字段或角色。Skill是一个纯粹的应用层抽象，它最终被AI IDE或Agent框架"编译"成三种协议原语的组合：System/Developer Message（系统提示词）、Tools Definition（工具定义）、Multi-turn Tool Calling Loop（多轮工具调用循环）。

Skill的渐进式加载机制

以实际场景为例，当用户要求AI读取一篇微信公众号文章时，整个交互流程是这样的：首先，客户端在启动时扫描预设的skill目录，提取每个skill的name和description（来自YAML frontmatter），然后将这些信息作为静态上下文注入到system prompt中。此时，SKILL.md的正文内容并未被读取——这体现了"Progressive Loading"的设计理念，即先只放置名称和描述，不浪费宝贵的token配额。

核心洞察

当LLM识别到用户请求与某个skill描述匹配时，它会按照system prompt中的指令"先读取Skill文件"。具体表现为：LLM主动发起一个Read工具调用，读取SKILL.md文件。宿主环境执行该工具调用后，将文件内容通过role为"tool"的消息回传给LLM。此时，SKILL.md的完整内容已进入了LLM的上下文窗口，LLM现在拥有了完整的"技能说明书"。

从协议视角看Skill生命周期

Skill发现和描述摘要注入属于纯客户端行为，不涉及协议层面；Skill加载通过LLM发起tool_calls读取SKILL.md文件实现；Skill指令执行则由LLM按照读到的文档内容自主发起后续tool_calls来完成。整个过程可以概括为三步：在system prompt里告诉LLM有哪些技能手册可以查；LLM通过Read工具自己读取手册；LLM读完手册后按步骤通过Shell/Read等工具执行任务。

如有侵权，请联系删除。