LangChain hat am 7. Oktober 2026 im offiziellen Blog eine Überarbeitung der Skills-Unterstützung in Deep Agents angekündigt. Sie zielt auf ein konkretes Wachstumsproblem: Wächst eine unternehmensweite Skill-Bibliothek auf Tausende von Skills, kann ein Agent weder alle Tool-Beschreibungen dauerhaft im Kontext halten noch Tools aufrufen, deren Anleitung er nicht gelesen hat. Die Aktualisierung ändert drei Dinge: Tools lassen sich an einen Skill binden, ein vom Nutzer ausdrücklich benannter Skill kann vorab fixiert geladen werden, und ein lang laufender Thread kann seine Skill-Liste mitten im Verlauf neu laden.
Hintergrund: Warum eine Bibliothek Tausende Skills tragen kann
Ein Skill in Deep Agents ist ein Ordner mit einer SKILL.md-Anleitungsdatei sowie optional Skripten und Referenzmaterial. Günstig bleibt das durch progressive Offenlegung: Der Agent sieht normalerweise nur Name und eine einzeilige Beschreibung jedes Skills, liest die vollständige Anleitung erst bei einer passenden Aufgabe und lädt Skripte oder Referenzen nur bei Bedarf. Ein ungenutzter Skill kostet eine Zeile im Systemprompt, daher kann eine Bibliothek auf Tausende verweisen, ohne den Kontext zu verstopfen – die Grundlage, auf der diese Überarbeitung aufbaut.
Drei Änderungen für drei alte Probleme
Erstens die Tool-Bindung. Skills und Tools wurden bisher getrennt offengelegt, sodass ein Agent ein Tool aufrufen konnte, ohne dessen Skill gelesen zu haben, oder nach dem Lesen noch nach den Tools suchen musste. Stehen Tools nun in den Metadaten eines Skills, gelangen sie erst nach dem Lesen dieses Skills in den Kontext; ein früherer Aufruf schlägt als unbekanntes Tool fehl. Zweitens fixierte Skills. Fordert ein Nutzer ausdrücklich etwa /meeting-prep an, kann die App die vollständige Anleitung schon vor dem ersten Modellaufruf in den Kontext legen – das spart einen Umweg und macht das Verhalten vorhersehbar. Drittens das Neuladen im Thread. Wird skills_metadata in der Ausführungs-Eingabe auf None gesetzt, scannt der nächste Lauf die Bibliothek erneut, und ein gerade hinzugefügter Skill steht ohne neuen Thread bereit.
Die eigentliche Hürde ist der Prompt-Cache
Tools mitten im Gespräch hinzuzufügen bedeutete früher, die Tool-Liste der Anfrage zu ändern – der Prompt-Cache wurde ungültig, und lange Threads zahlten ihren Kontext erneut. LangChain geht darauf direkt ein: Neuere Modelle von Anthropic und OpenAI akzeptieren Tools mitten im Gespräch, daher treffen gebundene Tools dort als neue Systemnachricht nach dem Skill ein und das gecachte Präfix bleibt unverändert; andere Modelle behalten das bisherige Anhängen an die Anfrage.
Alle drei Neuerungen stehen im aktuellen deepagents bereit. Für einzelne Entwickler ist der Nutzen begrenzt; für Teams, die Skill-Bibliotheken als Unternehmensressource im Tausender-Maßstab betreiben, schließt das Update drei Governance-Lücken: Tools werden mit ihrer Anleitung ausgeliefert, benannte Skills laden garantiert, und Aktualisierungen erfordern keinen Sitzungsneustart.
