有调用skills很强的框架吗 MS-Agent

是的，目前（截至2026年初）已有多个调用 Agent Skills 能力非常强的框架，它们不仅支持标准的 Agent Skills 规范（如基于SKILL.md的渐进式加载机制），还提供了完整的运行时环境、安全沙箱、任务规划与工具协同能力。以下是一些主流且功能强大的框架：

---

1.MS-Agent（ModelScope Agent）

由阿里云 ModelScope 团队推出，是当前对Agent Skills 支持最完整、工程化程度最高的开源框架之一。

✅ 核心优势：

• 完全兼容 Anthropic Agent Skills 协议，支持标准SKILL.md结构。
• 内置多层次渐进式上下文加载机制（Level 1–4），极大节省 Token 并提升匹配精度 。
• 集成MCP（Model Calling Protocol），实现“Skills 定义流程 + MCP 执行操作”的混合架构 。
• 提供安全沙箱（ms-enclave），自动隔离脚本执行环境，防止恶意代码。
• 支持流式响应、批量技能加载、语义检索匹配。

🧪 使用示例（Python）：

python

编辑

from ms_agent.agent import create_agent_skill import os agent = create_agent_skill( skills='./skills', # 技能目录 model='Qwen/Qwen3-235B-A22B-Instruct-2507', api_key=os.getenv('OPENAI_API_KEY'), base_url=os.getenv('OPENAI_BASE_URL'), use_sandbox=True, work_dir='./temp_workspace' ) response = agent.run("用 p5.js 创建带粒子系统的生成艺术") print(response)

→ 自动识别并加载generative-art技能，调用scripts/main.py执行 。

---

2.Microsoft Agent Framework (MAF)

微软推出的 .NET 生态 Agent 构建框架，通过AIContextProvider模式深度集成 Agent Skills。

✅ 核心优势：

• 基于AIContextProviderFactory实现动态技能注入。
• 支持YAML Frontmatter 解析、路径安全校验、序列化状态恢复。
• 强调企业级安全：路径遍历防护、符号链接检测、脚本白名单 。
• 可与 Azure AI、Copilot 等微软生态无缝对接。

🔧 关键组件：

• SkillsContextProvider：在每次 Agent 调用前注入相关技能指令。
• SkillLoader：按需加载SKILL.md及附属资源。
• 支持从项目根目录或全局配置加载技能包 。

---

3.OpenCode / Claude Code（Anthropic 生态）

作为 Agent Skills 最早的推动者，Anthropic 的Claude Code和社区衍生工具（如 OpenCode）原生支持 Skills。

✅ 特点：

• 自动扫描.opencode/skill/或～/.config/opencode/skill/目录加载技能 。
• 支持/skill-name快捷调用（用户可显式触发）。
• 与 VS Code、Cursor 等 IDE 插件深度集成，开发者可直接在编辑器中使用团队共享的 Skills 。
• 轻量、低门槛，适合快速验证和小团队协作 。

---

4.LangChain + 自定义 Tool 封装（灵活但需手动集成）

虽然 LangChain 本身不原生支持SKILL.md标准，但可通过将 Skill 封装为 Tool来实现类似能力。

示例：

python

编辑

from langchain.tools import Tool def run_skill_script(skill_name, **kwargs): # 动态加载 ./skills/{skill_name}/scripts/main.py 并执行 pass weather_skill = Tool( name="WeatherQuery", func=lambda city: run_skill_script("weather", city=city), description="查询天气（基于 weather-skill）" )

→ 适合已有 LangChain 项目的渐进式迁移，但需自行实现渐进式加载、权限控制、错误回滚等机制 。

---

5.ARTIST 框架（强化学习驱动的自主调用）

如果你追求Agent 自主决策何时调用哪个 Skill，而非静态匹配，那么 ARTIST 是前沿选择。

✅ 创新点：

• 通过强化学习（GRPO）训练模型自主选择工具与技能。
• 支持交织推理（Interleaved Reasoning）：思考 → 调用 → 反馈 → 修正。
• 模型能自我进化，不再依赖人工编写SKILL.md，而是从交互中习得技能 。

虽然目前偏研究向，但代表了未来方向：从“手写技能手册”走向“智能体自主习得技能”。

---

🔚 总结：如何选型？

表格

场景	推荐框架
企业级生产部署、高安全性	MS-Agent或Microsoft Agent Framework
快速原型、IDE 内开发	OpenCode / Claude Code
已有 LangChain 项目	LangChain + 自定义 Skill Tool
探索自主决策、RL 驱动	ARTIST

所有这些框架都认同一个核心理念：Skills 是任务导向的能力单元，不是软件插件。它们共同推动 AI Agent 从“会说话”走向“会做事”。

如果你希望开箱即用、中文友好、支持 Qwen 等国产大模型，MS-Agent 是目前最值得优先尝试的框架。

智能体技能 (Agent Skills) | MS-Agent

3) 安装

• Install from PyPI

pip install 'ms-agent>=1.4.0'Copy code

• Install from Source

git clone [e-mail]:modelscope/ms-agent.git cd ms-agent pip install -e .Copy code

• Configuration

export OPENAI_API_KEY="your-api-key" export OPENAI_BASE_URL="your-base-url"Copy code

4) 使用方法

下面是一个实现流场粒子艺术生成的示例

import os from ms_agent.agent import create_agent_skill def main(): """ Main function to create and run an agent with skills. """ work_dir: str = './temp_workspace' # Refer to `https://github.com/modelscope/ms-agent/tree/main/projects/agent_skills/skills` skill_id_or_dir: str = './skills' use_sandbox: bool = True ## Configuration for ModelScope API-Inference, or set your own model with OpenAI API compatible format ## Free LLM API inference calls for ModelScope users, refer to [ModelScope API-Inference](https://modelscope.cn/docs/model-service/API-Inference/intro) model: str = 'Qwen/Qwen3-235B-A22B-Instruct-2507' api_key: str = 'xx-xx' # For ModelScope users, refer to `https://modelscope.cn/my/myaccesstoken` to get your access token base_url: str = 'https://api-inference.modelscope.cn/v1/' agent = create_agent_skill( # Use a skill from ModelScope Hub by its ID. A list of IDs is also supported. e.g. `ms-agent/skill_examples` # To use local skills, provide the path to the directory, e.g., skills='./skills' # For more details on skill IDs, see: https://modelscope.cn/models/ms-agent/skill_examples skills=skill_id_or_dir, model=model, api_key=os.getenv('OPENAI_API_KEY', api_key), base_url=os.getenv('OPENAI_BASE_URL', base_url), stream=True, # Note: Make sure the `Docker Daemon` is running if use_sandbox=True use_sandbox=use_sandbox, work_dir=work_dir, ) user_query: str = ('Create generative art using p5.js with seeded randomness, flow fields, and particle systems, ' 'please fill in the details and provide the complete code based on the templates.') response = agent.run(query=user_query) print(f'\n\n** Agent skill results: {response}\n') if __name__ == '__main__': main()Copy code

• skill_id_or_dir: 支持传入本地技能目录路径，或从ModelScope Hub加载技能ID。

  • skill_id_or_dir (str): 示例： 'path/to/skill-directory', 'ms-agent/skill_examples', 'ma-agent/skill_examples/pdf' (格式为owner/skill_nameorowner/skill_name/subfolder)

  • 参考 AgentSkillExamples

• 本地执行

  • 若use_sandbox=False，技能脚本将在本地环境中直接执行

  • 请确保您信任该技能脚本，以避免潜在的安全风险

  • 请确保本地 Python 环境中已安装脚本所需的全部依赖项