fastroute

Lokales MCP-Plugin: Wenn der Agent eine neue Aufgabe erhält, werden aus allen lokal installierten Skills (Benutzerebene/Plugin-Ebene/Projektebene) die Top-N-Empfehlungen abgerufen. Es wird nur empfohlen, nicht ausgeführt.

Die Indexierungsmethode stammt von SkillRouter (arXiv 2603.22455): All-Field-Segmentierung mit mehreren Vektoren (name+description ein Vektor + Haupttext in ~800-Zeichen-Blöcken, jeweils ein Vektor); die Abfrage berechnet für jeden Block den Kosinus, der Skill-Score wird per Max-Pooling gebildet.

Tools

Related MCP server: skills-mcp-server

Installation (Claude Code)

claude mcp add fastroute -- node /absolute/path/to/fastroute/dist/index.js

Daten und Modelle

• Datenverzeichnis ~/.fastroute (überschrieben durch FASTROUTE_DATA_DIR): fastroute.db, config.json, models/

• Embedding-Modell: Xenova/paraphrase-multilingual-MiniLM-L12-v2 (q8, ca. 135 MB), wird beim ersten Werkzeugaufruf aus dem Internet heruntergeladen; standardmäßig ModelScope-Mirror (FASTROUTE_EMBEDDING_HOST kann auf https://huggingface.co zurückgesetzt werden); wenn bereits ein Cache unter ~/.knowyoubetter/models vorhanden ist, wird dieser direkt verwendet.

• Das Modell ist eine harte Abhängigkeit: Offline und ohne Cache gibt das Werkzeug einen Fehler und Download-Hinweise zurück; es gibt keinen lexikalischen Fallback.

• Überschreibbar über config.json: chunkSize(800), autoThreshold(0.9), promptThreshold(0.6), topK(5), userSkillsDir, pluginCacheDir, projectSkillsEnabled

• Nach einer Änderung von chunkSize wird der vorhandene Index nicht automatisch neu aufgeteilt: Es muss ~/.fastroute/fastroute.db gelöscht und dann reindex_skills aufgerufen werden.

Entwicklung

npm install
npm test            # 单测 + 集成（fake embedder，不联网）
npm run test:real   # 真实 embedding 冒烟（首次下载模型）
npm run eval        # distractor 评测：Hit@1/Hit@5/MRR
npm run build
npx @modelcontextprotocol/inspector node dist/index.js