ライセンス審査済みの374のエージェントスキルからなるコーパスに対するセマンティック検索を、MCP経由でコーディングエージェントに提供します。ローカルで動作し、一桁ミリ秒で応答し、API呼び出しはゼロです。
Claude Code、Codex CLI、Gemini CLI、Cursor、OpenClaw、Hermes、およびMCP互換の任意のエージェントで動作します。
You: "Deploy this service to GKE"
─── Step 1: the agent searches ───────────────────────────────────────
Agent: search_skills("deploy a containerised service on kubernetes") ← 6ms
→ 5 results (summaries only, no full instructions):
1. "gke-service-networking" (0.56) - Gateway API, Ingress, Cloud Armor, NEGs, managed SSL
2. "gke-workload-scaling" (0.51) - HPA and VPA for GKE workloads
3. "gke-manifest-generation" (0.51) - Production-ready Kubernetes YAML for Autopilot/Standard
4. "gke-app-onboarding" (0.46) - Containerizing and deploying an app to GKE for the first time
5. "gke-basics" (0.44) - Cluster provisioning, credentials, Autopilot vs Standard
─── Step 2: it reads the descriptions and picks #4, not #1 ───────────
Agent: get_skill("gke-app-onboarding")
→ gets the full guide: containerization, manifests, migration path
→ writes the Dockerfile and deployment.yaml
─── Step 3: a new need emerges mid-task ──────────────────────────────
Agent: # the service has to survive traffic spikes — search again
search_skills("autoscale pods on cpu and memory") ← 6ms
→ "gke-workload-scaling" (0.61) - Horizontal and Vertical Pod Autoscaler for GKE
→ reads the guide, adds the HPA manifest両方の検索は、同梱コーパスからの実際の出力であり、図解ではありません。その中にある3つの点が設計の全体です：
検索は指示ではなく要約を返します。 5つの要約は数百トークンで済みますが、エージェントが実際に読む1つのスキルは約2,400トークンかかります。
上位ヒットが常に正しいとは限りません。 エージェントが4番目を選んだのは、その説明に初めてと書かれていたからです — これはランキングでは判断できないことです。だからこそ、検索は勝者を注入するのではなく、説明を返すのです。
タスクが進むにつれてエージェントは再検索します。 ユーザーが求めたものには「autoscale」も「pods」も登場していません。
pip install "skill-retrieval-mcp[local,hf]"
skill-mcp pull --include-index # corpus + pre-built vector index
skill-mcp init # detect and register with your agents約2分、ほとんどはダウンロードです。init はインストール済みのエージェントを検出し、設定を書き込みます。
init は .mcp.json、~/.gemini/settings.json、.cursor/mcp.json、~/.codex/config.toml を自身で書き込みます。OpenClaw と Hermes については、両者ともMCPサーバーをより大きな手編集の設定内に保持しており、ここで再シリアライズするとコメントが失われるため、それぞれの mcp add を呼び出します。DeepSeek Harness には mcp add がないため、init は貼り付け用の行を出力します。
エージェントが見つからない場合は、このエントリを自分で登録してください：
{
"mcpServers": {
"skill-retrieval": {
"command": "/absolute/path/to/skill-mcp",
"args": ["--data-dir", "/absolute/path/to/data-dir", "serve"]
}
}
}2つの詳細が重要で、短縮するとどちらも静かに失敗します：
command は絶対パスでなければなりません、skill-mcp ではなく。エージェントは、インストール先のvenvやpipxディレクトリを PATH が通常見たことがないセッションから、名前自体を解決します。which skill-mcp で値を確認できます。
--data-dir は省略せずに指定し、serve の前に置く必要があります。 ~ はエージェントがサーバーを起動する環境で再解決され、選択を記録する設定は選択したディレクトリの内部に存在するため、他の方法では復元できません。誤ったディレクトリで開かれたサーバーは正常に起動し、ツールを一覧表示し、すべての検索に何も返しません。skill-mcp status は使用する解決済みディレクトリを出力します。
Related MCP server: skill-curator-mcp
スキルを手動でインストールするのは、スケールしなくなるまでは機能します：
何が存在するか分からない。 たまたま見つけた10個をインストールする。それ以外はエージェントが推測する。
名前を付けられないものはインストールできない。 タスクの途中でエージェントが「OIDCベースのPyPI公開」のスキルを必要とする — あなたはそれを追加しようとは思わなかったでしょう。
スキルライブラリはプロンプトに収まらない。 遅延読み込みでも、すべてのスキルの名前と説明がモデルの前に置かれます：このコーパスでは、1つも読む前に37Kトークン。指示はさらに960Kトークンです。
手動インストール | skill-retrieval-mcp | |
規模 | 熱心なら数十個 | 8つの上流リポジトリから374個 |
発見 | 自分で見つけてインストール | エージェントがニーズに応じて検索 |
選択 | 事前に選ぶ | エージェントがタスクごとに選ぶ |
マッチング | 説明の名前一致 | セマンティック、一桁ミリ秒、ローカルFAISS |
出典 | たまたまクローンしたもの | すべてのスキルにリポジトリ、URL、SPDXライセンスが付属 |
エージェントがタスクを表現する方法で言い換えられた43の保留クエリ（スキル自身の名前を決して反映しない）に対して、同梱コーパスは**ランク1で81.4%、トップ3以内で90.7%**の正答率です。ハーネスはリポジトリにあり、dev.md で測定内容と結果を確認できます。
何かをインポートする前にライセンスが確認された8つのリポジトリからの374スキル：
リポジトリ | スキル数 | ライセンス |
163 | MIT | |
112 | Apache-2.0 | |
35 | MIT | |
24 | MIT | |
20 | Apache-2.0 | |
14 | MIT | |
5 | MIT | |
1 | MIT |
各スキルは、コード例、落とし穴、推奨事項を含むステップバイステップのガイドであり、一行のものではありません。中央値は約9,600文字です。
すべての行には、出典リポジトリ、上流URL、SPDXライセンスが記録されているため、返されたものはすべて追跡して帰属を確認できます。再配布を許可するライセンスがないリポジトリは、内容がどれだけ優れていてもインポートされません。
skill-mcp status はローカルにあるものを表示します。
ツール | 説明 |
| セマンティック検索 — 必要なものを自然言語で説明する |
| 完全一致 — ツール名、エラーメッセージ、CLIコマンド |
| 完全な指示を取得; 検索後に呼び出す |
| 利用可能なドメインと件数を閲覧する |
検索は要約のみを返します。エージェントは実際に必要なものについて get_skill を呼び出します。これがトークン節約の源です。
<!-- ~/my-skills/deploy-checklist/SKILL.md -->
---
name: "deploy-checklist"
description: "Pre-deployment verification checklist for production releases"
tags: ["deployment", "production", "checklist"]
---
## Steps
1. Run full test suite...
2. Check database migrations...skill-mcp import --source directory --path ~/my-skills/インデックスは自動的に更新されます — 新しいスキルはすぐに検索可能になり、新しいものだけが埋め込まれます。複数のソースを1つのビルドの前に一括インポートする場合は、--no-index を渡してスキップできます。あなたのスキルはコーパスとマージされ、重複排除は自動です。
すべては1つのデータディレクトリに格納され、デフォルトは ~/.skill-mcp です：
~/.skill-mcp/
├── config.yaml
├── skills.db # SQLite + FTS5
└── index/ # FAISSグローバル --data-dir フラグまたは SKILL_MCP_DATA_DIR で別の場所を指定します。フラグはグループに属するため、サブコマンドの前に置きます：
skill-mcp --data-dir /srv/skills pullデフォルトは sentence-transformers/all-MiniLM-L6-v2 です — ローカル、無料、APIキー不要、そして事前構築インデックスが構築されたものです。
バックエンド | 事前構築インデックス | 必要条件 |
| あり | なし |
| ローカルで構築 |
|
| ローカルで構築 | Ollama 実行中 |
インデックスはそれを構築したモデルにのみ有効であるため、切り替えは再構築を意味します：
# set backend: openai, model: text-embedding-3-large in config.yaml, then
skill-mcp build-index --backend openaiskill-mcp [--data-dir DIR] [--log-level LEVEL] COMMAND [ARGS]
init [--data-dir DIR] [--no-register] Set up the data directory, register with agents
pull [--replace] [--include-index] Download the corpus from HuggingFace
import --source SOURCE --path PATH Import your own skills
[--no-index]
build-index [--backend B] [--model M] Build or update the vector index
[--force]
serve [--transport stdio|sse] Start the MCP server
search QUERY [--k N] Search from the terminal
status Show what is loaded
dedup Remove cross-source duplicatesIssueとプルリクエストは github.com/JayCheng113/skill-retrieval-mcp で歓迎します。dev.md には、試行して却下された内容を含む、設計判断の背後にあるアーキテクチャと理由が文書化されています — 重要な変更の前に読んでください。
コーパスにリポジトリを提案するには、そのライセンスと、現在の374がカバーしていない内容についての根拠を添えてIssueを開いてください。基準は dev.md にあります：再配布を許可するライセンスと、スキルが実際にクエリで勝つという証拠です。
git clone https://github.com/JayCheng113/skill-retrieval-mcp
cd skill-retrieval-mcp
pip install -e ".[all,dev]"
pytest tests/ -v # 240 tests, ~6sMIT — LICENSE を参照。
This server cannot be deployed
AI agent skills marketplace — token-efficient skill search & execution
Search & install 13,000+ AI agent skills from skills-hub.ai inside any MCP tool.
Find AI agent skills: public previews and source links. Read-only discovery; no account required.
One place to build, share, and govern the skills and tools your AI agents use at work.
