关键词

AI技能搜索LLM工具上下文服务向量检索技能管理

项目简介

Claude Skills MCP 服务器是一个强大的后端应用，专门设计用于管理和提供AI代理（如Claude Agent）所需的技能。它采用Model Context Protocol (MCP) 标准，使LLM客户端能够通过标准化的JSON-RPC请求来搜索、调用和访问预定义好的“技能”。该项目包含一个轻量级的前端代理（MCP Server over Stdio），它负责启动并连接到一个功能丰富的后端服务器（MCP Server over HTTP），后者处理技能的加载、向量搜索、文档管理和自动更新。这意味着LLM可以获得一个持续更新、可扩展的外部知识和工具库。

主要功能点

  • 技能搜索: 使用先进的向量搜索技术，根据任务描述快速查找最相关的Claude Agent技能。
  • 技能管理: 从GitHub仓库或本地文件系统加载和管理技能，每个技能都包含描述、内容及附加文档。
  • 文档访问: 支持按需读取技能的关联文档（如Python脚本、参考资料、图片），并支持文件路径模式匹配。
  • 模块化架构: 前端作为轻量级代理处理LLM通信，后端专注于技能逻辑和数据管理，两者独立运行。
  • 背景加载与更新: 技能数据在后台异步加载，确保服务器快速启动。支持配置自动定时更新技能，保持知识库的最新。
  • 可配置性: 允许通过配置文件定制技能来源、嵌入模型、搜索结果数量、文档加载策略等。

安装步骤

该项目打包为Python包，推荐使用'uvx'工具进行安装和运行，它会自动处理依赖项。

  1. 安装 'uv' (可选，但推荐): 'uv' 是一个快速的Python包管理器和安装器。如果尚未安装，可以通过以下命令安装： 
    pip install uv
    或者，如果已经有'pipx'： 
    pipx install uv
  2. 运行应用程序: 'uvx' 会自动下载并运行最新的 'claude-skills-mcp' 包。在命令行中执行以下命令： 
    uvx claude-skills-mcp
    首次运行会自动下载后端服务及其依赖的模型和技能，这可能需要一些时间（通常30-120秒，取决于网络速度）。后续启动将非常迅速。

服务器配置 (供MCP客户端使用)

MCP客户端（如Cursor）需要配置如何连接到此MCP服务器。'claude-skills-mcp' 默认在本地启动，并通过标准I/O (stdio) 与客户端通信。

{
  "server_name": "Claude Skills MCP",
  "command": "uvx",
  "args": ["claude-skills-mcp", "--verbose"]
}

参数注释:

  • 'server_name': 这是一个人类可读的名称，用于在MCP客户端中识别此服务器。
  • 'command': 启动MCP服务器的可执行文件或命令。这里是 'uvx'，它会负责运行 'claude-skills-mcp' Python 包。
  • 'args': 传递给 'uvx claude-skills-mcp' 命令的参数列表。
    • '"--verbose"': 启用详细日志输出，方便调试。
    • '"--port <PORT_NUMBER>"': 可选，指定后端HTTP服务器监听的端口（例如 '--port 8765'）。默认是 '8765'。此参数会被前端代理转发给后端。
    • '"--host <IP_ADDRESS>"': 可选，指定后端HTTP服务器监听的IP地址（例如 '--host 127.0.0.1'）。默认是 '127.0.0.1'。此参数会被前端代理转发给后端。
    • '"--config <PATH_TO_CONFIG_FILE>"': 可选，指定一个自定义的JSON配置文件路径，用于覆盖默认的技能源、嵌入模型、自动更新设置等。此参数会被前端代理转发给后端。
    • '"--example-config"': 可选，打印默认的配置示例并退出。此参数会被前端代理转发给后端。
    • '"--remote <URL>"': 注意：目前版本不支持连接远程后端。

基本使用方法 (LLM客户端调用)

一旦MCP服务器启动并与LLM客户端连接，LLM客户端可以通过以下工具与服务器互动：

  1. 查找相关技能 ('find_helpful_skills'): LLM可以调用此工具来搜索与特定任务相关的技能。

    • 输入:
      • 'task_description' (字符串, 必填): 描述您想完成的任务（例如："debug Python API errors", "process genomic data"）。
      • 'top_k' (整数, 可选, 默认: 3): 返回的技能数量。
      • 'list_documents' (布尔值, 可选, 默认: true): 是否包含每个技能的可用文档列表。
    • LLM示例请求: 
      {
  "tool_name": "find_helpful_skills",
  "arguments": {
    "task_description": "分析RNA测序数据并识别差异表达基因",
    "top_k": 5
  }
}
    • LLM接收: 相关的技能列表，包含名称、描述、来源、关联度分数和可选的文档列表。

  2. 读取技能文档 ('read_skill_document'): LLM可以调用此工具来获取特定技能的文档内容。

    • 输入:
      • 'skill_name' (字符串, 必填): 技能的名称（由 'find_helpful_skills' 返回）。
      • 'document_path' (字符串, 可选): 文档路径或模式匹配（例如："scripts/example.py", "assets/*.png"）。如果未提供，则列出所有文档。
      • 'include_base64' (布尔值, 可选, 默认: false): 对于图片，是否返回Base64编码内容，否则只返回URL。
    • LLM示例请求: 
      {
  "tool_name": "read_skill_document",
  "arguments": {
    "skill_name": "Bioinformatics Analysis",
    "document_path": "scripts/*.py"
  }
}
    • LLM接收: 匹配文档的内容（文本或Base64编码的图片）或文档URL。

  3. 列出所有技能 ('list_skills'): LLM可以调用此工具来获取当前加载的所有技能的完整列表。

    • 输入: (无参数)
    • LLM示例请求: 
      {
  "tool_name": "list_skills",
  "arguments": {}
}
    • LLM接收: 所有技能的名称、描述、来源和文档数量的列表。

信息

分类

开发者工具

访问项目