Jetzt verfügbar: Agent Skills für Python im Microsoft Agent Framework

Die Entwicklung von autonom agierenden Agenten erfordert Mechanismen, um spezialisiertes Wissen bereitzustellen, ohne das Kontextfenster dauerhaft zu überlasten. Mit der allgemeinen Verfügbarkeit von Agent Skills für Python im Microsoft Agent Framework steht Developern nun eine stabile und produktionsreife Kern-API zur Verfügung.

Agent Skills ist ein offenes Format zur Verpackung von Fachwissen. Jede Skill-Einheit kombiniert Metadaten und Instruktionen (etwa über eine SKILL.md-Datei bei dateibasierten Skills) mit optionalen Skripten, Referenzdokumenten sowie weiteren Ressourcen.

Um den Kontext effizient zu halten, lädt ein Agent Ressourcen bedarfsgerecht über ein vierstufiges Schema („Progressive Disclosure“):

• Anzeige der Skill-Namen
• Laden der Instruktionen
• Einlesen der Referenzressourcen
• Ausführung der eingebundenen Skripte

Drei Erstellungspfade für Teams

Die Bibliothek unterstützt drei Formate bei der Definition von Skills, die zur Laufzeit vom Agenten identisch behandelt werden:

• Dateibasierte Skills: Verzeichnisstrukturen mit einer SKILL.md-Datei, Skripten und Dokumenten, geeignet für die Verwaltung in shared Repositories.
• Klassenbasierte Skills: Python-Klassen zur Kapselung von Instruktionen und Ressourcen, erstellbar für den Vertrieb über interne PyPI-Feeds.
• Code-definierte Skills: Direkte Erzeugung im Anwendungscode für dynamische Szenarien oder den Zugriff auf den Anwendungszustand.

Governance, Freigaben und Sicherheit im Betrieb

Für den Einsatz in Unternehmensumgebungen bringt das Release spezifische Kontroll- und Schutzmechanismen mit:

• Human-in-the-Loop-Freigaben: Der Zugriff erfolgt über die drei Methoden load_skill, read_skill_resource und run_skill_script. Alle drei Operationen erfordern standardmäßig eine menschliche Genehmigung, die für vertrauenswürdige Leseaktionen selektiv deaktiviert werden kann.
• Gesteuerte Skriptausführung: Während klassen- und code-definierte Skripte innerhalb des Prozesses laufen, werden dateibasierte Skripte an einen bereitgestellten Runner delegiert, was die Implementierung von Sandboxing, Ressourcenlimits und Audit-Logging ermöglicht.
• Filtering & Caching: Über Prädikate lässt sich steuern, welche Agenten oder Mandanten Zugriff auf bestimmte Skills erhalten. Einmal aufgelöste Skills werden gecacht, wobei eine Per-Key-Isolierung unterstützt wird.
• Erweiterbare Pipeline: Öffentliche Quellklassen erlauben die Erstellung eigener Pipelines oder die Anbindung externer Registries.

Effizienter Einsatz von Domänenwissen

Die Verfügbarkeit der stabilen Python-API ermöglicht es Entwicklungsteams, Domänenwissen modular aufzubauen, flexibel zu verteilen und in Produktivumgebungen sicher zu steuern.