Фреймворк-агностическая система навыков для агентов ИИ, которая реализует прогрессивное раскрытие — мощный шаблон для эффективного управления контекстом. Этот проект демонстрирует, как извлечь успешные шаблоны из запатентованных систем ИИ (например, Claude Skills) и реализовать их в открытых средах, таких как Pydantic AI.

Ключевые особенности

Прогрессивное раскрытие информации: Навыки загрузки инструкций и ресурсов по требованию, устранение ограничений окна контекста Framework Agnostic: Навыки работают с любыми фреймворками ИИ, не привязанными к конкретному поставщику Безопасный тип: Полные пидантические модели и подсказки типа ** Расширяемый **: легко добавить новые навыки, следуя простой структуре каталога Производство готово: включает в себя комплексные модели тестирования и примеры

##Прогрессивное раскрытие информации.

Прогрессивное раскрытие — это метод эффективного управления контекстом ИИ. Вместо того, чтобы загружать все возможные инструкции в систему быстро, навыки загружаются в три уровня:

Этот шаблон позволяет агенту иметь доступ к потенциально сотням навыков, не перегружая окно контекста.

Быстрый старт

Предпосылки

Python 3.11 или выше УФ-менеджер пакетов Fast Python

Custom Skill-Based Pydantic AI Agent

A framework-agnostic skill system for AI agents that implements progressive disclosure - a powerful pattern for managing context efficiently. This project demonstrates how to extract successful patterns from proprietary AI systems (like Claude Skills) and implement them in open frameworks like Pydantic AI.

Key Features

• Progressive Disclosure: Skills load instructions and resources on-demand, eliminating context window constraints
• Framework Agnostic: Skills work with any AI framework, not locked to a specific vendor
• Type Safe: Full Pydantic models and type hints throughout
• Extensible: Easy to add new skills by following a simple directory structure
• Production Ready: Includes comprehensive testing patterns and examples

What is Progressive Disclosure?

Progressive disclosure is a technique for managing AI context efficiently. Instead of loading all possible instructions into the system prompt, skills are loaded in three levels:

Level 1: Metadata (~100 tokens per skill)
    - Name and brief description in system prompt
    - Agent decides which skill might be relevant

Level 2: Full Instructions (loaded on-demand)
    - Complete SKILL.md with detailed instructions
    - Only loaded when agent chooses to use the skill

Level 3: Resources (loaded on-demand)
    - Reference files, scripts, and other resources
    - Only loaded when instructions reference them

This pattern allows an agent to have access to potentially hundreds of skills without overwhelming the context window.

Quick Start

Prerequisites

• Python 3.11 or higher
• UV - Fast Python package manager
• An API key for an LLM provider (OpenRouter, OpenAI, Anthropic, etc.)

Installation

1. Install UV (if not already installed):

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

2. Clone the repository:

git clone https://github.com/coliam00/custom-agent-with-skills.git
cd custom-agent-with-skills

3. Sync dependencies:

uv sync

This creates a virtual environment and installs all dependencies automatically.

4. Configure environment variables:

Copy .env.example to .env and set your API key:

cp .env.example .env

Edit .env with your API credentials:

# LLM Provider Configuration
LLM_PROVIDER=openrouter
LLM_API_KEY=sk-or-v1-your-api-key-here
LLM_MODEL=anthropic/claude-haiku-4.5
LLM_BASE_URL=https://openrouter.ai/api/v1

Running the Agent

Start the CLI agent:

uv run python -m src.cli

You’ll see a Rich-based interface where you can interact with the agent. Try asking:

• “What’s the weather in New York?”
• “Find papers about machine learning”
• “What can I make with chicken and garlic?”
• “What time is it in Tokyo?”

Included Skills

Weather Skill