AgentSkills MCP
by zouyingcao
README_ZH.md•10.4 kB
# <img src="docs/figure/agentskills-logo.png" alt="Agent Skills MCP Logo" width="5%" style="vertical-align: middle;"> AgentSkills MCP: Bringing Anthropic's Agent Skills to Any MCP-compatible Agent
<p align="center">
<strong></strong>
</p>
<p align="center">
<a href="https://pypi.org/project/agentskills-mcp/"><img src="https://img.shields.io/badge/python-3.10+-blue" alt="Python Version"></a>
<a href="https://pypi.org/project/agentskills-mcp/"><img src="https://img.shields.io/pypi/v/agentskills-mcp.svg?logo=pypi" alt="PyPI Version"></a>
<a href="./LICENSE"><img src="https://img.shields.io/badge/license-Apache--2.0-black" alt="License"></a>
<a href="https://github.com/zouyingcao/agentskills-mcp"><img src="https://img.shields.io/github/stars/zouyingcao/agentskills-mcp?style=social" alt="GitHub Stars"></a>
</p>
<p align="center">
简体中文 | <a href="./README.md">English</a>
</p>
<head>
<script defer src="https://use.fontawesome.com/releases/v5.0.13/js/all.js"></script>
<script defer src="https://use.fontawesome.com/releases/v5.0.13/js/v4-shims.js"></script>
</head>
<link rel="stylesheet" href="https://use.fontawesome.com/releases/v5.0.13/css/all.css">
## 📖 项目概览
Agent Skills是Anthropic近期推出的一个新功能，通过将专业技能封装为模块化的资源，让Claude按需转变为满足各类场景需求的“定制专家”。
AgentSkills MCP基于[FlowLLM](https://github.com/flowllm-ai/flowllm)框架，将Claude专有的Agent Skills功能解锁并开放给所有支持MCP的Agent，
模拟了Anthropic官方在其[Agent Skills工程博客](https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills)中提出的**渐进式披露**（**Progressive Disclosure**）设计，
让Agent按需加载必要的技能信息，从而高效利用有限的上下文窗口。
### 💡 为什么选择AgentSkills MCP?
- ✅ **零代码配置**：一键安装(``pip install agentskills-mcp`` 或 ``uv pip install agentskills-mcp``)
- ✅ **开箱即用**: 面向官方Skill格式设计，完全兼容[Anthropic的Agent Skills](https://github.com/anthropics/skills)
- ✅ **MCP支持**：多种传输方式（stdio/SSE/HTTP），适配任何支持MCP的Agent
- ✅ **智能识别**：兼容扁平与分层Skill目录，并自动检测、解析与加载
## 🔥 最新动态
- **[2025-12]** 🎉 发布 agentskills-mcp v0.1.0
## 🚀 快速开始
### 安装
使用 pip 安装 AgentSkills MCP：
```bash
pip install agentskills-mcp
```
或使用 uv：
```bash
uv pip install agentskills-mcp
```
<details>
<summary><strong>用于开发（若需修改代码）：</strong></summary>
```bash
git clone https://github.com/zouyingcao/agentskills-mcp.git
cd agentskills-mcp
conda create -n agentskills-mcp python==3.10
conda activate agentskills-mcp
pip install -e .
```
</details>
---
### 加载Skills
1. 创建存放Skills的目录, 比如：
```bash
mkdir skills
```
2. 从GitHub开源的仓库中克隆，比如：
```bash
https://github.com/anthropics/skills
https://github.com/ComposioHQ/awesome-claude-skills
```
3. 将收集到的Skills添加进第1步中创建的目录，每个Skill是一个文件夹，包含一个SKILL.md文件。
---
### 运行
<details>
<summary><strong>本地进程通信模式（stdio）</strong></summary>
<p align="left">
<sub>该模式执行 `uvx` 命令直接运行 AgentSkills MCP，通过标准输入/输出进行通信，适用于本地 MCP 客户端。</sub>
</p>
```json
{
"mcpServers": {
"agentskills-mcp": {
"command": "uvx",
"args": [
"agentskills-mcp",
"config=default",
"mcp.transport=stdio",
"metadata.skill_dir=\"./skills\"",
],
"env": {
"FLOW_LLM_API_KEY": "xxx",
"FLOW_LLM_BASE_URL": "https://dashscope.aliyuncs.com/compatible-mode/v1",
}
}
}
}
```
</details>
<details>
<summary><strong>远程通信模式（SSE/HTTP 服务器）</strong></summary>
<p align="left">
<sub>此模式将 AgentSkills MCP 启动为独立的 SSE/HTTP 服务器，可远程访问。</sub>
</p>
**- 步骤 1**：配置环境变量
复制 `example.env` 到 `.env` 并填写您的 API 密钥：
```bash
cp example.env .env
# 编辑 .env 文件并填入您的 API 密钥
```
**- 步骤 2**：启动服务器
使用 SSE 传输方式启动 AgentSkills MCP 服务器：
```bash
agentskills-mcp \
config=default \
mcp.transport=sse \
mcp.host=0.0.0.0 \
mcp.port=8001 \
metadata.skill_dir="./skills"
```
服务将在以下地址可用：`http://0.0.0.0:8001/sse`
**- 步骤 3**：与 MCP 客户端连接
- 在你的 MCP 客户端（Cursor、Gemini Code、Cline等）配置文件中添加以连接远程 SSE 服务器：
```json
{
"mcpServers": {
"agentskills-mcp": {
"type": "sse",
"url": "http://0.0.0.0:8001/sse"
}
}
}
```
- 也可以使用 [FastMCP](https://gofastmcp.com/getting-started/welcome) 构建客户端Python直接访问服务器：
```python
import asyncio
from fastmcp import Client
async def main():
async with Client("http://0.0.0.0:8001/sse") as client:
tools = await client.list_tools()
for tool in tools:
print(tool)
result = await client.call_tool(
name="load_skill",
arguments={
"skill_name"="pdf"
}
)
print(result)
asyncio.run(main())
```
#### 一键测试命令
<p align="left">
<sub>该命令将自动启动服务器、通过 FastMCP 客户端连接，并测试所有可用工具。</sub>
</p>
```bash
python tests/run_project_sse.py <path/to/skills>
or
python tests/run_project_http.py <path/to/skills>
```
</details>
### 示例Demo
当使用 SSE 传输方式启动 AgentSkills MCP 服务器后，可执行演示：
```bash
# 赋予Qwen模型Agent Skills功能
# 因为Qwen支持工具调用，可通过将AgentSkills MCP服务注册的MCP工具传入tools参数，来模拟Agent Skills功能
cd tests
python run_skill_agent.py
```
---
## 🔧 MCP 工具
本服务提供了四个用于处理 Agent Skills 的工具：
- **load_skill_metadata_op** - 用于启动时将所有Skills的名字和简短描述加载到Agent上下文中（始终调用）
- **load_skill_op** - 当判断需要某种技能时，基于其名字加载SKILL.md的正文（触发Skill时）
- **read_reference_file_op** - 从技能中检索特定文件，如运行脚本、参考文档等（按需）
- **run_shell_command_op** - 代码执行工具，用于Shell命令运行技能中的可执行脚本（按需）
详细参数和使用示例，请参阅[文档](docs/tools.md)。
## ⚙️ 服务器配置参数
| 参数 | 描述 | 示例 |
|--------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|---------------------------------------------------|
| `config` | 要加载的配置文件（逗号分隔）。默认为：`default`（核心流程） | `config=default` |
| `mcp.transport` | 传输模式：`stdio`（标准输入/输出，适合本地）、`sse`（Server-Sent Events，适合在线应用）、`http`（RESTful，适合轻量远程调用）、`streamable-http` | `mcp.transport=stdio` |
| `mcp.host` | 主机地址（仅用于 sse/http 传输） | `mcp.host=0.0.0.0` |
| `mcp.port` | 端口号（仅用于 sse/http 传输） | `mcp.port=8001` |
| `metadata.skill_dir` | Skills的存放目录（必需） | `metadata.dir=./skills` |
<!-- | `llm.default.model_name` | 默认 LLM 模型名称（会覆盖配置文件中的设置） | `llm.default.model_name=qwen3-30b-a3b-thinking-2507` | -->
完整配置选项及默认值，请参阅 [default.yaml](./agentskills_mcp/config/default.yaml)。
#### 环境变量
| 变量名 | 是否必需 | 描述 |
|--------------------------|----------|------------------------------------------|
| `FLOW_LLM_API_KEY` | ✅ 是 | OpenAI 兼容 LLM 服务的 API 密钥 |
| `FLOW_LLM_BASE_URL` | ✅ 是 | OpenAI 兼容 LLM 服务的基础 URL |
---
## 🤝 贡献指南
我们欢迎社区贡献！开始贡献的步骤如下：
1. 以开发模式安装本项目：
```bash
pip install -e .
```
2. 安装 pre-commit 钩子：
```bash
pip install pre-commit
pre-commit run --all-files
```
3. 提交 Pull Request。
---
## 📚 学习资料
- [Anthropic 官方Agent Skills文档](https://code.claude.com/docs/zh-CN/skills)
- [Anthropic 工程博客](https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills)
- [从第一性原理深度拆解 Claude Agent Skill](https://baoyu.io/translations/claude-skills-deep-dive)
- [FlowLLM 学习文档](https://flowllm-ai.github.io/flowllm/)
- [MCP 文档](https://modelcontextprotocol.io/docs/getting-started/intro)
## ⚖️ 许可证
本项目采用 Apache License 2.0 许可证 —— 详情请参见 [LICENSE](./LICENSE) 文件。
---
## 📈 Star 历史
[](https://www.star-history.com/#zouyingcao/agentskills-mcp&Date)
Latest Blog Posts
- Model Context Protocol Proxies: Enabling Enterprise Control with Virtual MCPsBy Om-Shree-0709 on .AI SecurityVirtual MCPKubernetes Operator
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/zouyingcao/agentskills-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server