Skip to main content
Glama

Skill-MCP 🚀

스킬을 데이터로 취급하는 차세대 AI Agent 스킬 레지스트리 및 인지 규칙 엔진 Next-Gen AI Agent Skill Registry & Cognitive Rule Engine

License: MIT Node: >=24 MCP Protocol Tests: 91 Passing


📖 핵심 개념과 아키텍처 혁신

기존 Agent 스킬 생태계에는 두 가지 핵심 문제가 있습니다.

  1. 스킬 검색 비효율: 단순 키워드 매칭은 롱테일 수요를 대응하지 못하며, 다중 스킬 연동에는 의존성 해석과 데이터 흐름 계획 능력이 부족합니다.

  2. 규칙형 표준 부재: 코드 네이밍, 코드 리뷰, 딥 사고, 커밋 규칙 등 "규칙(Rules)"은 명확한 트리거 워드가 없으면 AI가 거의 스스로 호출하지 않습니다.

Skill-MCP는 **「듀얼 트랙 스킬 아키텍처(Dual-Track Skill Architecture)」**를 제안합니다:

                               ┌───────────────────────────┐
                               │   AI Client (Claude/Cursor)│
                               └─────────────┬─────────────┘
                                             │
                                     skill_search("...")
                                             │
                                             ▼
                      ┌──────────────────────────────────────────────┐
                      │                 Skill-MCP                    │
                      ├──────────────────────┬───────────────────────┤
                      │                      │                       │
     【按需检索】      ▼                      ▼     【强制注入】       │
  ┌─────────────────────────┐         ┌────────────────────────────┐ │
  │    Tool Skills (工具型)  │         │     Rule Skills (准则型)   │ │
  ├─────────────────────────┤         ├────────────────────────────┤ │
  │ • BM25 + 向量混合召回   │         │ • 跳过搜索竞争             │ │
  │ • 多技能工作流 DAG 规划 │         │ • 随每次检索无条件跟车附带 │ │
  │ • 沙箱隔离与 HITL 权限  │         │ • 强制规范 AI 思考与代码风格│ │
  └───────────┬─────────────┘         └────────────┬───────────────┘ │
              │                                    │                 │
              └──────────────────┬─────────────────┘                 │
                                 ▼                                   │
                      ┌──────────────────────┐                       │
                      │ 统一 Payload 返回给 AI│                       │
                      └──────────────────────┘                       │
                      └──────────────────────────────────────────────┘

Related MCP server: skill-retrieval-mcp

📐 Skill-MCP 스킬 표준 규격 (The Skill Standard)

skills/ 아래에 저장된 모든 스킬은 동일한 **「삼위일체」** 조직 표준을 적용합니다:

skills/<namespace>/<skill-name>/
├── skill.json         # 1. 机器契约(元数据、IO Schema、权限、执行入口、skillType)
├── SKILL.md           # 2. AI 执行 SOP 指南(角色定位、正反例、步骤规范)
└── scripts/           # 3. 可执行脚本工具(自动化校验器、数据抓取脚本、转换器等)
    └── run.ts

1. skill.json 계약 정의

{
  "schemaVersion": 1,
  "name": "naming-conventions",
  "namespace": "dev",
  "version": "1.0.0",
  "description": "代码与变量命名规范守门人:强制统一 AI 代码命名风格,约束布尔谓词、函数动词前缀与常量大写。",
  "category": "dev",
  "tags": ["naming-conventions", "code-style", "rules"],
  "triggers": ["naming", "variable", "refactor", "code"],
  "keywords": ["naming", "camelCase", "snake_case"],
  "whenToUse": "在生成、重构或审查任何编程语言的代码时必须遵守",
  "whenNotToUse": "编写纯文本说明或无代码生成的闲聊场景无需遵守",
  
  // 核心区分:'tool' (按需搜索工具) | 'rule' (永远生效的准则)
  "skillType": "rule",

  "useCases": [
    { "task": "审查并规范生成的变量与函数命名" }
  ],
  "preconditions": {},
  "io": {
    "input": { "semanticType": "text" },
    "output": { "semanticType": "text" }
  },
  "capabilities": ["dev:naming-conventions"],
  "consumes": [],
  "dependencies": [],
  "permissions": {
    "fsRead": ["*"],
    "fsWrite": [],
    "network": [],
    "tools": [],
    "env": [],
    "maxDurationMs": 5000,
    "maxCostCents": 0,
    "mutating": false
  },
  "entrypoint": {
    "kind": "inline",
    "code": "return { applied: true, rule: 'dev:naming-conventions' };"
  },
  "status": "active"
}

2. SKILL.md 작성 규범

  • Frontmatter:name, namespace, version, skillType, description을 포함합니다.

  • 정통 규범 (Do's):해야 할 행동 강령을 항목별로 명확히 나열합니다.

  • 대조 예시 (Bad vs Good):명시적인 대조 코드 블록을 제공하여 LLM의 오해 여지를 제거합니다.


🛠️ MCP 도구 매트릭스 (9 Tools)

도구 이름

역할

skill_search

도구형 스킬을 혼합 검색하고 전역에서 활성화되는 규칙형 스킬(activeRules)을 자동으로 주입합니다.

skill_inspect

스킬의 의존성 토폴로지, 버전 충돌, 순환 의존성과 파일 해시를 확인합니다.

skill_get

스킬의 전체 SKILL.md SOP 매뉴얼과 컨텍스트 지침을 가져옵니다.

skill_run

스킬을 실행하며 HITL 2단계 수동 개입 승인과 샌드박스 격리 정책을 지원합니다.

workflow_run

전체 Workflow를 오케스트레이션하여 실행하고 두 단계(HITL) 개입 승인을 지원합니다.

skill_feedback

스킬 실행 피드백을 보고하고 Thompson Sampling 및 Elo 승률 기반 동적 재정렬을 트리거합니다.

skill_register

새 스킬을 동적으로 등록하고 콤텐츠 네트워크, TOFU 서명 바인딩 및 품질 게이트를 지원합니다.

skill_stats

스킬의 과거 호출 빈도, 승률, Elo 점수와 휫한 스킬 레시피를 확인합니다.


🚀 빠른 시작

환경 요구 사항

  • Node.js: >= 24.0.0 (네임 전용으로 TypeScript 타입 스트리핑과 SQLite 지원)

1. 로컬 실행 (Stdio 모드)

로컬 MCP 서비스로 Claude Desktop 또는 Cursor에 직접 통합합니다:

# 安装依赖
npm install

# 运行测试套件(91 项自动化测试)
npm test

# 启动 Stdio MCP 服务
npm start

2. 로컬/서버 HTTP 모드 (Streamable HTTP / SSE)

# 启动 HTTP 服务,监听 0.0.0.0:3000
node src/main.ts --http --host 0.0.0.0 --port 3000

서비스 준비 엔드포인트:http://127.0.0.1:3000/mcp (JSON-RPC 및 Server-Sent Events 스트리밍 응답 지원)


🐳 Docker 배포

# 构建镜像
docker build -t skill-mcp:latest .

# 后台运行容器(数据持久化挂载)
docker run -d \
  -p 3000:3000 \
  --name skill-mcp \
  -v $(pwd)/data:/app/data \
  skill-mcp:latest

🔌 클라이언트 설정 예시

Claude Desktop (claude_desktop_config.json)

로컬 프로세스 방식 (stdio):

{
  "mcpServers": {
    "skill-mcp": {
      "command": "node",
      "args": ["/path/to/Skill-mcp/src/main.ts"]
    }
  }
}

원격 서버 방식 (HTTP):

{
  "mcpServers": {
    "remote-skill-mcp": {
      "url": "http://your-server-ip:3000/mcp"
    }
  }
}

🛡️ 규칙형 스킬 생태계 (Built-in Rule Skills)

현재 13가지 최고 수준의 인지 및 엔지니어링 수호자 규칙을 내장하고 있습니다:

  • 🌟 Git 커밋 규범:dev:git-conventional-commits

  • 🌟 타입 안전 방어:dev:typescript-strict-guard

  • 🌟 코드 네이밍 수호:dev:naming-conventions

  • 🌟 코드 보안 검토:dev:code-review-guard

  • 🌟 SOLID 아키텍처 원칙:arch:clean-code-solid

  • 🌟 엔터프라이즈 RESTful:web:restful-api-standard

  • 🌟 모던 웹 미학:design:modern-ui-aesthetics

  • 🧠 검증 체인 사고 (CoVe):reasoning:chain-of-verification

  • 🧠 동적 사고 체인:reasoning:sequential-thinking

  • 🧠 도요타 5-Whys:reasoning:root-cause-5whys

  • 🧠 악마의 대변인 (대립적):reasoning:adversarial-critic

  • 🧠 제일원리 추론:reasoning:first-principles

  • 🧠 다중 기준 계량적 의사결정:reasoning:decision-tradeoff-matrix


📄 오픈소스 라이선스

이 프로젝트는 MIT License로 오픈소스로 공개됩니다.

Available Tools

9 tools
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)。

NameRequiredDescriptionDefault
taskNo
runIdNoskill_run 返回的 runId;缺省时自动关联最近一次同 skill 的执行
skillYes
ratingNo
outcomeYes
beatenByNo
costCentsNo
latencyMsNo
workflowIdNo
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)。

NameRequiredDescriptionDefault
keyNo
nameNo
skill_inspectC

查看 skill 的 manifest、依赖树与权限清单(不含正文,成本低)。

NameRequiredDescriptionDefault
keyNokey 如 data:csv-stats@1.0.0,或 name 如 csv-stats
nameNo
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)。

NameRequiredDescriptionDefault
taskYes
contextNo
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)。

NameRequiredDescriptionDefault
filesNo
manifestYes
signatureNo发布者对包内容哈希的 Ed25519 签名(base64)
publisherKeyNo发布者 Ed25519 公钥(base64 SPKI DER)
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)。

NameRequiredDescriptionDefault
taskNo
skillYes
inputsNo
timeoutMsNo
approveAsksNo
grantTokenIdNo
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。

NameRequiredDescriptionDefault
keyNo
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。

NameRequiredDescriptionDefault
dagYes
taskNo
inputsNo
approveAsksNo
grantTokenIdNo

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

  1. 9 tool updatesv0.1.0
    • First observedskill_feedback
    • First observedskill_get
    • First observedskill_inspect
    • First observedskill_plan
    • First observedskill_register
    • First observedskill_run
    • First observedskill_search
    • First observedskill_stats
    • First observedworkflow_run

TDQS

A3.7/5.0

Scored across 9 tools

Disambiguation5/5

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。

Naming Consistency4/5

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。

Tool Count5/5

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。

Completeness5/5

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。

Maintenance

ActivityStale
ResponsivenessNo recent community issues

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    F
    maintenance
    Enables AI agents to intelligently match tasks to skills through semantic embeddings, track skill effectiveness, detect skill gaps, and discover new skills from external sources.
    Apache 2.0
  • A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents to search and retrieve over 89K skills on-demand at runtime, eliminating the need to manually install skills upfront.
    135
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents to index and search local skill libraries, persist and resume task checkpoints, and run validated workflow plans with controlled approval and write permissions.
    23 npm
    MIT