对 374 个经过许可证审核的代理技能语料库进行语义搜索，通过 MCP 提供给您的编码代理。本地运行，毫秒级响应，零 API 调用。
适用于 Claude Code、Codex CLI、Gemini CLI、Cursor、OpenClaw、Hermes 以及任何兼容 MCP 的代理。
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这两次搜索都是所提供语料库的真实输出，而非示例。其中有三点体现了整个设计：
搜索返回摘要，而非指令。 五条摘要只需几百个 token；代理实际读取的那一个技能大约需要 2,400 个 token。
排名第一的结果并不总是正确的。 代理选择了第 4 条，因为其描述中写着 首次 —— 这是任何排序算法都无法做出的判断。这就是为什么搜索返回的是描述，而不是直接注入获胜者。
代理会随着任务的发展再次搜索。 用户请求中既没有出现 "autoscale"，也没有出现 "pods"。
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大约两分钟，主要是下载。init 会找到您已安装的代理并为其写入配置。
init 会自行写入 .mcp.json、~/.gemini/settings.json、.cursor/mcp.json 和 ~/.codex/config.toml。对于 OpenClaw 和 Hermes，它会调用它们自己的 mcp add，因为这两者都将 MCP 服务器保存在一个更大的手编辑配置中，在此处重新序列化会丢失您的注释。DeepSeek Harness 没有 mcp add，因此 init 会打印出供您粘贴的行。
如果它遗漏了您的代理，请自行注册此条目：
{
"mcpServers": {
"skill-retrieval": {
"command": "/absolute/path/to/skill-mcp",
"args": ["--data-dir", "/absolute/path/to/data-dir", "serve"]
}
}
}有两个细节至关重要，如果缩短它们，都会静默失败：
command 必须是绝对路径，而不是 skill-mcp。代理会从会话中自行解析名称，而该会话的 PATH 通常从未包含您安装到的 venv 或 pipx 目录。which skill-mcp 会给出该值。
--data-dir 必须完整写出，并且必须放在 serve 之前。 ~ 会在代理启动服务器的任何环境中被重新解析，而记录您选择的配置位于所选目录 内部，因此没有其他方法可以恢复它。在错误目录上打开的服务器会干净地启动，列出其工具，并对每次搜索都返回空结果。skill-mcp status 会打印出要使用的已解析目录。
Related MCP server: skill-curator-mcp
手动安装技能在规模不大时是可行的，但无法扩展：
您不知道存在什么。 您安装了恰好找到的十个。其他一切，代理只能猜测。
您无法安装无法命名的东西。 任务中途，代理需要一个“基于 OIDC 的 PyPI 发布”技能——您永远不会想到要添加它。
技能库无法放入提示词中。 即使采用懒加载，每个技能的名称和描述仍会呈现在模型面前：对于这个语料库，在读取任何一个技能之前就有 37K 个 token。指令还有 960K。
手动安装 | skill-retrieval-mcp | |
规模 | 几十个，如果您勤勉的话 | 374 个，来自 8 个上游仓库 |
发现 | 您找到并安装每一个 | 代理按需搜索 |
选择 | 您提前挑选 | 代理按任务挑选 |
匹配 | 基于描述的名称匹配 | 语义，毫秒级，本地 FAISS |
来源 | 您碰巧克隆的任何内容 | 每个技能都带有其仓库、URL 和 SPDX 许可证 |
在 43 个以代理表达任务的方式表述的保留查询上——从不重复技能自身的名称——所提供语料库的 排名第一准确率为 81.4%，前三名准确率为 90.7%。测试工具在仓库中；参见 dev.md 了解其测量内容和发现。
来自八个仓库的 374 个技能，在导入任何内容之前均已阅读其许可证：
仓库 | 技能数 | 许可证 |
163 | MIT | |
112 | Apache-2.0 | |
35 | MIT | |
24 | MIT | |
20 | Apache-2.0 | |
14 | MIT | |
5 | MIT | |
1 | MIT |
每个技能都是一份带有代码示例、陷阱和建议的分步指南——而不是一行式提示。中位数约为 9,600 个字符。
每一行都记录了其来源仓库、上游 URL 和 SPDX 许可证，因此您获得的任何内容都可以追溯和归属。没有允许再分发的许可证的仓库不会被导入，无论内容多么优秀。
skill-mcp status 显示您本地拥有的内容。
工具 | 功能 |
| 语义搜索——用自然语言描述您的需求 |
| 精确匹配——工具名称、错误消息、CLI 命令 |
| 获取完整指令；搜索后调用 |
| 浏览可用领域和数量 |
搜索仅返回摘要。代理会为它真正想要的技能调用 get_skill，这正是 token 节省的来源。
<!-- ~/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/索引会自动更新——新技能立即可搜索，并且只嵌入新技能。在批量导入多个来源并准备一次构建时，可传递 --no-index 跳过此步骤。您的技能会与语料库合并；自动去重。
所有内容都位于一个数据目录中，默认为 ~/.skill-mcp：
~/.skill-mcp/
├── config.yaml
├── skills.db # SQLite + FTS5
└── index/ # FAISS使用全局 --data-dir 标志或 SKILL_MCP_DATA_DIR 指向其他位置。该标志属于组，因此它位于子命令 之前：
skill-mcp --data-dir /srv/skills pull默认是 sentence-transformers/all-MiniLM-L6-v2——本地、免费、无需 API 密钥，也是预构建索引所使用的。
后端 | 预构建索引 | 要求 |
| 是 | 无 |
| 本地构建 |
|
| 本地构建 | Ollama 运行中 |
索引仅对构建它的模型有效，因此切换意味着重建：
# 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 duplicates欢迎在 github.com/JayCheng113/skill-retrieval-mcp 提交 Issue 和 Pull Request。dev.md 记录了架构和设计决策背后的推理，包括尝试过和拒绝的方案——在进行非平凡更改之前请阅读它。
要为语料库提议一个仓库，请提交一个 Issue，附上其许可证以及它覆盖当前 374 个技能所不具备的内容的理由。标准在 dev.md 中：允许再分发的许可证，以及技能确实能赢得查询的证据。
git clone https://github.com/JayCheng113/skill-retrieval-mcp
cd skill-retrieval-mcp
pip install -e ".[all,dev]"
pytest tests/ -v # 240 tests, ~6sMIT — 参见 LICENSE。
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.
