LangChain Skills

Официальные скиллы LangChain: выбор между LangChain, LangGraph и Deep Agents, квикстарты, RAG, память, согласование с человеком и разработка оценок

  • 1 302 ★ репозитория
  • Последний коммит
  • MIT
СкиллОфициальныйВыбор редакции

Минимальный доступ

Почему такой уровень

  • Скиллы содержат инструкции и справочники, сами они ничего не запускают
  • Код агента, который напишет ваш ассистент, потребует ключей OpenAI или Anthropic в окружении
Все причины и проверки

langchain-ai/langchain-skills

Установка

В терминале, через SkillFoxx CLI

npx skillfoxx add skills/langchain-skills

Определит агенты на машине, покажет уровень доступа и зафиксирует версию.

Другие способы установки

Доступ и проверки

Как мы проверяем

Минимальный доступИнструмент ничего не запускает и не ходит в сеть.

  • Скиллы содержат инструкции и справочники, сами они ничего не запускают
  • Код агента, который напишет ваш ассистент, потребует ключей OpenAI или Anthropic в окружении

Это чужой код. Посмотрите файлы в репозитории перед установкой.

Что делает

Набор скиллов от LangChain Inc. для агентов, которые пишут код на LangChain, LangGraph и Deep Agents. Стартовый скилл `ecosystem-primer` помогает выбрать слой: Deep Agents для долгих задач с планированием, файлами, памятью и субагентами, LangGraph для собственной логики переходов, LangChain для агента с фиксированным набором инструментов. Дальше идут скиллы по каждому слою: create_agent и `middleware`, RAG, StateGraph и редьюсеры состояния, чекпоинтеры с thread_id, прерывания и проверка человеком. Отдельно лежат шесть квикстартов на Python и TypeScript, скилл `langgraph-cli` про жизненный цикл проекта, `eval-engineering` для проектирования задач Harbor и `swarm` для параллельной раздачи независимых задач.

Для кого. Для разработчиков, которые собирают агентов на стеке LangChain и поручают Claude Code, Cursor или Codex писать этот код по актуальным правилам.

Подходит, если

  • Вы начинаете агента и не знаете, брать LangChain, LangGraph или Deep Agents
  • Агенту нужно подтверждение человека перед действием и возобновление работы через Command
  • Надо собрать RAG: загрузчики документов, эмбеддинги и векторные хранилища
  • Состояние графа должно переживать перезапуск: чекпоинтеры, thread_id, память между потоками
  • Нужны оценочные задачи Harbor для вашего агента и накопление знаний о проекте

Не подходит, если

  • Нужны трейсы, датасеты и эвалюаторы LangSmith: для них у LangChain отдельный репозиторий `langsmith-skills`
  • Агент строится не на LangChain, LangGraph или Deep Agents: скиллы привязаны к их API
  • Нужна стабильность содержимого: автор предупреждает о ранней стадии разработки и возможных изменениях
  • Нужен готовый MCP-сервер с инструментами: здесь только инструкции для агента

Пример запроса к агенту

Используй скилл `ecosystem-primer` и подскажи, на чем собрать агента, который читает тикеты, ищет по базе знаний и ждет моего подтверждения перед ответом клиенту

Ограничения

Автор помечает проект как находящийся в ранней разработке: содержимое скиллов может меняться. Квикстарты по умолчанию берут модель `anthropic`:claude-sonnet-5 и просят ключ провайдера; API OpenAI и Anthropic без VPN из России недоступны. Для `eval-engineering` нужен Harbor: его запускают локально в Docker или в поддерживаемом облачном окружении. Скрипт установки install.sh рассчитан только на Claude Code и Deep Agents CLI.

Как отключить. Удалите папки скиллов из каталога скиллов проекта или домашнего каталога агента, куда их положила установка. Если ставили плагином Claude Code, отключите его через меню /plugin.

Частые вопросы

Как поставить LangChain Skills в Claude Code?

Через плагин: /plugin marketplace add langchain-ai/langchain-skills, затем /plugin install langchain-skills@langchain-skills. Другой путь: npx skills add langchain-ai/langchain-skills --agent claude-code --skill '*' --yes --global.

Чем LangChain Skills отличается от `langsmith-skills`?

Здесь скиллы о том, как строить агентов на LangChain, LangGraph и Deep Agents. Работу с трейсами и датасетами LangSmith README выносит в отдельный репозиторий `langsmith-skills`.

Что выбрать: LangChain, LangGraph или Deep Agents?

Скилл `ecosystem-primer` задает порядок проверки. Если нужны планирование, файлы на длинной сессии, постоянная память или субагенты, берется Deep Agents. При нужде в своей логике переходов берется LangGraph, для агента с фиксированными инструментами создается create_agent в LangChain.

Можно ли поставить только один скилл?

Да, флаг --skill принимает имя. Так README ставит один `eval-engineering`: npx skills add langchain-ai/langchain-skills --skill `eval-engineering` --yes.

Какие ключи нужны после установки?

Сами скиллы ключей не просят. Агенту, которого вы с их помощью напишете, нужен ключ выбранного провайдера: README показывает export OPENAI_API_KEY и export ANTHROPIC_API_KEY. Квикстарты спрашивают провайдера и модель, по умолчанию `anthropic`:claude-sonnet-5.

Обсуждение

Вопросов и отзывов пока нет.

Скиллы

Скилл с руководством по LangGraph 1.0: ReAct-агенты, StateGraph, middleware, память, MCP и RAG, чтобы Claude Code писал код на LangChain без устаревших API

СкиллМинимальный доступ464Звезды репозитория

Скиллы LangSmith

LangSmith Skills

Официальные скиллы LangChain для LangSmith: запрос и выгрузка трейсов, датасеты для оценки и собственные эвалюаторы прямо из агента

СкиллРасширенный доступ164Звезды репозитория

CLI-менеджер скиллов для ИИ-агентов: установка из репозиториев, перевод между форматами разных агентов и раскладка в их конфигурацию

CLIРасширенный доступ1,6 тыс.Звезды репозитория

CLI-установщик и менеджер скиллов для кодовых агентов: одна команда ставит скиллы в разные среды и помогает собирать свои

CLIРасширенный доступ1,2 тыс.Звезды репозитория

CLI и MCP-сервер, которые превращают сайты документации, репозитории, PDF и видео в скиллы и данные для RAG

CLIРасширенный доступ15,2 тыс.Звезды репозитория

CLI и Python SDK для поиска, установки, создания и оценки переиспользуемых скиллов агентов из общей библиотеки

CLIРасширенный доступ1,4 тыс.Звезды репозитория

Коротко о README

README открывается предупреждением о ранней разработке и описанием: скиллы для агентов на LangChain, LangGraph и Deep Agents. Затем идут способы установки (npx skills, плагин Claude Code, скрипт install.sh с флагами --deepagents и --global), настройка ключей и раздел про `eval-engineering`. Завершает его список скиллов по группам: старт, квикстарты, Deep Agents, LangChain, LangGraph, оценка и утилиты.

Бейдж для README

Исходный SKILL.md

---
name: ecosystem-primer
description: "INVOKE FIRST for any LangChain / LangGraph / Deep Agents agent building project before consulting other skills or writing any agent code. Required starting point for up to date info on framework selection (LangChain vs LangGraph vs Deep Agents vs hybrid composition), agent patterns, install, environment setup, and which skill to load next."
---

<overview>
LangChain Inc. maintains three layered open-source tools for building agents, plus LangSmith for observability. The stack, top-down:

- **Deep Agents** (top layer, *harness*) — batteries-included toolkit built on LangChain + LangGraph. Ships with planning, file management, subagent spawning, and memory out of the box.
- **LangGraph** (middle layer, *runtime*) — low-level orchestration for durable execution, custom control flow, and stateful workflows. LangChain agents run on top of LangGraph.
- **LangChain** (bottom layer, *framework*) — abstractions for models, tools, and the agent loop. Provider-agnostic, easiest to start with.
- **LangSmith** (cross-cutting) — observability and evaluation platform. Framework-agnostic; always recommended alongside any of the above.

Higher layers depend on lower ones, but you don't need to use lower layers directly. Deep Agents gives you LangGraph's durable execution without writing graph code. LangChain gives you models and tools without managing graph edges.
</overview>

---

## Step 1 — Choose Your Tool

<decision-table>

Evaluate these conditions in order and stop at the first match:

1. If the task needs planning, file management across a long session, persistent memory, subagent delegation, or on-demand skills → **Deep Agents**
2. Else, if the task needs custom control flow (deterministic loops, branching logic) → **LangGraph**
3. Else, if it's a single-purpose agent with a fixed set of tools → **LangChain** (`create_agent` function)
4. Else, if it's a pure model call, retrieval pipeline, or simple prompt chain with no agent loop → **LangChain** (direct model / chain)

This is your **layer**. BUT you are not done: later in Step 4, you MUST load the layer-specific skill before writing any agent code.

</decision-table>

---

## Tool Profiles

<langchain-profile>

### LangChain — agent framework

Сообщить о проблеме

Foxx AILangChain Skills
Foxx AI

Я Foxx AI и уже разобрал этот инструмент. Спросите про установку, настройку или что угодно еще, отвечу простыми словами.