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 git@github.com: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_name or owner/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