LangChain a annoncé le 7 octobre 2026, sur son blog officiel, une refonte de la prise en charge des compétences (skills) dans Deep Agents. Le problème visé est concret : quand la bibliothèque de compétences d'une entreprise atteint plusieurs milliers d'entrées, un agent ne peut ni garder la description de chaque outil en contexte, ni appeler sans risque des outils dont il n'a pas lu les instructions. La mise à jour change trois choses : les outils peuvent être liés à une compétence, une compétence nommée explicitement par l'utilisateur peut être épinglée et chargée d'emblée, et un fil de discussion long peut recharger sa liste de compétences en cours de route.
Rappel : pourquoi une bibliothèque peut contenir des milliers de compétences
Dans Deep Agents, une compétence est un dossier articulé autour d'un fichier d'instructions SKILL.md, avec scripts et documents de référence en option. L'économie de contexte repose sur la divulgation progressive : l'agent ne voit normalement que le nom et la description en une ligne de chaque compétence, ne lit le texte complet que lorsqu'une tâche correspond, et ne charge scripts ou références qu'en cas de besoin. Une compétence inutilisée coûte une ligne dans le prompt système, d'où la possibilité d'en référencer des milliers sans saturer le contexte — le socle de cette refonte.
Trois changements, trois vieux problèmes
D'abord, la liaison des outils. Compétences et outils étaient divulgués séparément : un agent pouvait appeler un outil sans avoir lu sa compétence, ou l'avoir lue et chercher encore ses outils. Désormais, les outils inscrits dans les métadonnées d'une compétence n'entrent en contexte qu'après la lecture de celle-ci ; les appeler avant échoue comme outil inconnu. Ensuite, les compétences épinglées. Quand l'utilisateur demande explicitement quelque chose comme /meeting-prep, l'application peut placer les instructions complètes en contexte avant le premier appel au modèle, ce qui supprime un aller-retour et rend le comportement prévisible. Enfin, le rechargement en cours de fil. Mettre skills_metadata à None dans l'entrée d'exécution force le prochain passage à rescanner la bibliothèque : une compétence qu'un collègue vient d'ajouter devient utilisable sans nouveau fil.
Le vrai verrou, c'est le cache de prompt
Ajouter des outils en pleine conversation revenait auparavant à modifier la liste d'outils de la requête, ce qui invalidait le cache de prompt et refacturait leur contexte aux fils longs. LangChain s'y attaque directement : les modèles récents d'Anthropic et d'OpenAI acceptent des outils en cours de conversation, donc sur ces modèles les outils liés arrivent comme un nouveau message système après la compétence, et le préfixe en cache reste intact ; les autres modèles conservent l'ancien comportement d'ajout à la requête.
Les trois nouveautés sont disponibles dans la dernière version de deepagents. Pour un développeur seul, l'apport reste modeste ; pour les équipes qui exploitent des bibliothèques de compétences comme un actif d'entreprise à l'échelle de milliers d'entrées, cela comble trois manques de gouvernance : les outils voyagent avec leurs instructions, les compétences nommées se chargent à coup sûr, et les mises à jour n'exigent plus de redémarrer la session.
