Skill-MCP
Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
No arguments | |||
Instructions
Guidance the server publishes about itself, which clients place ahead of the tool catalog so the model reads it before choosing anything.
This server publishes no instructions, or was last inspected before Glama recorded them.
Capabilities
Features and capabilities supported by this server
Protocol revision2025-11-25
| Capability | Details |
|---|---|
| tools | {} |
| prompts | {} |
| resources | {} |
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| skill_searchA | 按任务检索 skill：混合检索（BM25 + 向量 + RRF）+ 五维任务适配打分，返回带理由的候选列表。先做这个再动手。 |
| skill_inspectC | 查看 skill 的 manifest、依赖树与权限清单（不含正文，成本低）。 |
| skill_getC | 获取 skill 的完整包：manifest + SKILL.md 正文 + 文件清单 + 已解析依赖（渐进披露的正文环节）。 |
| skill_planC | 把任务规划成 skill 组合的 workflow DAG（分解-检索-组合；无 LLM 时用能力闭包图搜索）。 |
| skill_runA | 在权限沙箱中执行单个 skill。权限不足时返回 requiresApproval（两段式 HITL，approveAsks: true 授权后重试）。 |
| workflow_runB | 执行 skill_plan 产出的 DAG：拓扑序数据流、重试、检查点、整链授权。 |
| skill_feedbackA | 报告执行结果与评分，驱动 bandit/Elo 排名与备选检索（学习闭环；会覆盖同一次 skill_run 的自动记账，不重复计数）。 |
| skill_registerA | 注册或升级 skill（append-only；v3：trust 模式需 Ed25519 签名，gate 模式下升级需自带 tests 过沙箱）。 |
| skill_statsA | 查看 skill 的评价指标：成功率（Wilson）、Elo、质量分、延迟成本，以及挖掘出的 workflow recipe。 |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
| skill-briefing | 启动引导：给定任务，提示 agent 先检索技能再动手 |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
| skill catalog | 全部 skill 的轻量索引 |
| workflow recipes | 从执行日志挖掘的高频成功组合 |
TDQS
Scored across 9 tools
每个工具对应一个明确的职责阶段：搜索、查看元信息、获取全文、规划、执行单技能、执行工作流、反馈、注册、查看统计，彼此边界清晰。workflow_run 与 skill_run 通过单个体与 DAG 执行明确区分，不易产生误选。
大多数工具遵循 skill_<action> 的模式，如 skill_search、skill_inspect、skill_register，具有较高的可预测性。但 workflow_run 没有使用 skill_ 前缀，且 skill_stats、skill_feedback 以名词而非动词结尾，存在少量风格不一致。
9 个工具覆盖了从发现、规划、执行到反馈、学习、注册、查询的完整闭环，每个工具都有独立且必要的职责。数量处于合理区间，没有冗余或缺失。
工具面覆盖了 skill 的生命周期：注册/升级、检索、检查、获取、单技能执行、工作流执行、反馈学习、统计评估。缺少删除/下架属于 append-only 设计下的有意限制，不构成明显缺口。