摘要
随着大语言模型（LLM）应用从简单的Chatbot向自主智能体（Autonomous Agents）演进，如何管理复杂的任务上下文、标准化的工具调用以及确定性的业务流程，成为了系统设计的核心挑战。Anthropic 推出的 Skills 规范，结合 Model Context Protocol (MCP) 与 Function Calling，为构建模块化、可扩展的 Agent 提供了全新的范式。本文将从架构分层、颗粒度设计原则到基于 LangGraph 的代码实现，全方位解析如何构建一个具备深度调研能力的“类 Manus”智能体。
1. 引言：从 “God Prompt” 到模块化智能
在早期的 Agent 开发中，开发者倾向于编写一个巨大的 System Prompt（即 “God Prompt”），试图涵盖所有的业务规则、工具定义和错误处理。这种单体架构导致了显著的工程瓶颈：上下文窗口污染、指令遵循能力下降以及调试困难。
Anthropic Skills的提出，标志着 Agent 开发进入了“渐进式披露” (Progressive Disclosure)的新阶段。通过将能力封装为独立的单元，Agent 仅在必要时加载特定的指令集和工具，从而保持认知的专注度。
