fastroute

Plugin MCP local: cuando el agente recibe una nueva tarea, busca las Top-N recomendaciones entre todas las skills instaladas localmente (nivel de usuario/plugin/proyecto). Solo recomienda, no ejecuta.

El método de indexación proviene de SkillRouter (arXiv 2603.22455): multi-vector segmentado all-field (name+description como un vector + cada fragmento de ~800 caracteres del cuerpo como un vector); la consulta calcula la similitud coseno para cada fragmento y la puntuación de la skill se obtiene con max-pool.

Herramientas

Related MCP server: skills-mcp-server

Instalación (Claude Code)

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

Datos y modelos

• Directorio de datos ~/.fastroute (se puede sobrescribir con FASTROUTE_DATA_DIR): fastroute.db, config.json, models/

• Modelo de embedding: Xenova/paraphrase-multilingual-MiniLM-L12-v2 (q8, ~135 MB), se descarga de Internet la primera vez que se invoca la herramienta, por defecto desde el espejo ModelScope (FASTROUTE_EMBEDDING_HOST puede volver a apuntar a https://huggingface.co); si ya existe la caché de ~/.knowyoubetter/models, se reutiliza directamente.

• El modelo es una dependencia estricta: si no hay conexión ni caché, la herramienta devuelve un error y una guía de descarga; no hay respaldo léxico.

• config.json se puede sobrescribir: chunkSize (800), autoThreshold (0.9), promptThreshold (0.6), topK (5), userSkillsDir, pluginCacheDir, projectSkillsEnabled

• Al modificar chunkSize, los índices existentes no se vuelven a segmentar automáticamente: hay que eliminar ~/.fastroute/fastroute.db y luego llamar a reindex_skills.

Desarrollo

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