LangChain Skills: LangChain- / LangGraph-Agents nach den offiziellen Skills bauen

Für wen

Wenn ein Coding-Agent LangChain, LangGraph oder Deep Agents nach den offiziellen Skills bauen soll, statt alte Schnittstellen aus dem Gedächtnis zu mischen, passt dieses Skill-Set besser. Es wird mit npx skills installiert und richtet sich an jeden Agent, der die Agent-Skills-Spezifikation unterstützt. Der Spezifikationseinstieg ist

https://skills.sh/

Hinweise zum Installer stehen unter

https://github.com/vercel-labs/skills

Die Seite nennt einige Clients und schreibt and more. Das ist keine geschlossene Namensliste. Wer nur LangSmith-Trace- oder Dataset-Abläufe will, soll in ein anderes Repository, nicht dieses Set installieren. Das Projekt ist in früher Entwicklung; APIs und Skill-Inhalte können sich ändern. Du musst akzeptieren, dass die Schnittstellen noch wandern.

Erster Versuch in 3 Minuten

Die offizielle Installation steht auf der Seite als diese eine Zeile:

npx skills add langchain-ai/langchain-skills --skill '*' --yes

--skill '*' heißt alle Skills einspielen; --yes überspringt die Bestätigung. Das ändert die Skill-Einstellungen des aktuellen Projekts; es ist kein reiner Lesezugriff. Bestätige, dass npx lokal da ist und das aktuelle Verzeichnis das Projekt ist, in das du schreiben willst, dann führe aus. Stelle keinen zweiten Installer daneben.

Wenn du als Nächstes OpenAI- oder Anthropic-Modelle nutzt, setze zuerst OPENAI_API_KEY und/oder ANTHROPIC_API_KEY in der Shell. Die Seite zeigte export-Beispiele mit Platzhaltern; diese Platzhalterwerte werden hier nicht wiederholt. Klebe keine Schlüssel in den Chat.

Nach der Installation zuerst eine Prüfung nur zum Lesen: Lass den Agent erklären, wie er mit diesen Skills einen minimalen LangChain- oder LangGraph-Agent baut, und schreibe noch keine Dateien. Erfolgssignal: Es spricht über diese drei Stücke (LangChain, LangGraph, Deep Agents) und kann auf installierte Skills zeigen, statt ein LangSmith-Dataset zu starten. Will es ein Projektskelett erzeugen, lass es die zu erstellenden Pfade nennen und erlaube Schreiben auf die Platte erst nach deiner Bestätigung.

Anwendungsfälle

Fall 1: Einen Agent im Skill-Rahmen dieses Repositories bauen. Eine Aufgabe kann sein: „entwirf einen LangChain- oder LangGraph-Agent nach den installierten Skills“. Deep Agents ist genannt, aber der verfügbare Seitentext erklärt den Unterschied zu den ersten beiden nicht und gibt keinen Gerüst-Befehl. Du kannst verlangen: zuerst die Skills lesen, dann vorschlagen; kein ungeschriebenes deep-agents-CLI. Vor dem Codeerzeugen die Dateimenge trotzdem bestätigen. Frühe Entwicklung heißt: Ein Beispiel, das heute läuft, kann in wenigen Tagen nicht mehr passen.

Fall 2: LangSmith-Traces und Datasets. Offiziell sollen solche Workflows

https://github.com/langchain-ai/langsmith-skills

nutzen, nicht dieses Repository. Beginnt der Agent in diesem Projekt LangSmith-only Skills zu installieren oder Tracing-Einstellungen zu ändern, halte an und wechsle in jenes Repository. Diese Seite schreibt den Installationsbefehl von langsmith-skills nicht; hier geht es nur darum, das falsche Repository zu erkennen, nicht deren Einstieg zu ersetzen.

Grenzen

Frühe Entwicklung ist eine harte Grenze: APIs und Skill-Inhalte können sich ändern. Behandle den Skill-Text einer Installation nicht als langfristig stabilen Vertrag. Der Installationsbefehl ist die npx skills add-Zeile oben; stelle keinen zweiten Installer daneben.

Schlüssel decken nur diese zwei Variablennamen ab: OpenAI und Anthropic. Die Seite schreibt keine Umgebungsvariablen anderer Anbieter und nicht, ob die Skills ohne Schlüssel noch reine Strukturplanung können.

Der erste Halt ist ein Nur-Lesen-Plan nach der Installation. Jedes Schreiben ins Repo, jedes Einreichen von Schlüsseln oder jedes Hineinpressen eines LangSmith-Ablaufs in dieses Projekt muss zuerst Dateien und Grundlage wiederholen lassen; du bestätigst, dann geht es weiter.