Skills Wiki — локальный менеджер ИИ-навыков

Открытый, полностью локальный менеджер ИИ-навыков. Подключайте 120+ набороа навыко, созданных сообществом, к Claude, ChatGPT или Gemini — всё работает на вашем компьютере, без учётных записей, подписок или облачных сервисов.

Просматривайте навыки, вклuчaйте нужные, копируйте локальный URL подключения и начинайте работу эффективнее в течение несколькиx минут.

Содержание

1. Как это работает

2. Технологический парадигм и струкая проекта

3. Начало работы

4. Обзор дашборда

5. Подключение вашего ИИ-ассистена

6. Использование панели активных навыков

7. Доавление новых навыков

8. Настройка для каждого навыка

9. Подключение внешних сервисов

10. Переменные окружения

11. Библиотека навыков

Related MCP server: skill-curator-mcp

1. Как это работает

Skills Wiki вашует на вашей машине два процесса:

Your AI Assistant (Claude / ChatGPT / Gemini)
             │
             │  MCP protocol or OpenAPI
             ▼
  Python MCP Server — http://localhost:8000
  (FastMCP, mounts all enabled skills)
             │
             │  reads config
             ▼
  data/local_config.json
  (enabled skills, connections, per-skill settings)
             ▲
             │  manages via UI
  Next.js Dashboard — http://localhost:3000

• Python-сервер (main.py) при запуске загружает в кажды навык the skills_library/ и предствоаяет их по по протоколу MCP по адресу lochost:8000/mcсp и в вие схемы OpenAPI по адресу lochost:8000/openapi.json.

• Дашборд (dashboard/) — это приложение Next.js для просмотра навыков, переключения включённых, копирования URL подключения, запуска инструметов навыков и управления подключёнными сервискими.

• data/local_config.json — единый источник истины — никакой базы данны, никакогооба.

Все работает локачьно. Ваши данны никогда не покидают вашу машин.

2. Технологический стекла None и струтура проекта

Технологический 스택

Фронтенд дашборд (Next.js)

• Next.js 15 — Reакт 19, App Router, серверные компоненты

• TypeScript 5 — включён строгий режим

• Tailwind CSS 3 — утилитарный стилеария с собственными дизайн-токенами v4

• shrcn/ui — досอาวшие UI-компоненты

• JetBrains Mono — монoshиринный шрифт для термически работающего и стиль UI

Бэк-енд MCP-сервер (Python)

• FastMCP — SDK Model Context Protocol; каждое навык — подключённое пространство имён

• Python 3.10+ — всё асинхронно

• python-dotenv — управление переменными окружения

Хранение

• data/local_config.json — всё состояние в одном JSON-файле: включённые навыки, подключения, конфигурации для каждого навыка и автоматически сгенерированные учётные данные

Структура проекта

skills_wiki_opensource/
├── main.py                        # FastMCP server entry point
├── requirements.txt               # Python dependencies
├── .env.example                   # Environment variable template
├── package.json                   # Root scripts (setup, dev, etc.)
│
├── data/
│   └── local_config.json          # All runtime state (auto-created on first run)
│
├── core/                          # Python server utilities
│   ├── config.py                  # Reads enabled_skills from local_config.json
│   ├── db.py                      # JSON read/write helpers
│   ├── skill_config.py            # Per-skill presentation hints
│   ├── skill_runtime.py           # Skill execution helpers
│   └── credentials.py             # Service credential resolution
│
├── skills_library/                # 120+ MCP skill packs
│   ├── marketing_skills/          # Example skill
│   │   ├── main.py                #   FastMCP tool definitions
│   │   ├── skill_meta.json        #   Metadata: displayName, description, theme
│   │   ├── skill_files/           #   Cached reference docs, indexed via _index.json
│   │   └── __init__.py
│   └── ... (120+ skill folders)
│
├── scripts/
│   └── add_skill.py               # Install a skill from a GitHub repo
│
└── dashboard/                     # Next.js frontend
    ├── app/
    │   ├── dashboard/             # Main control center
    │   ├── marketplace/           # Browse & enable skills
    │   ├── connections/           # Manage third-party service credentials
    │   ├── config/                # Per-skill customization
    │   ├── setup/                 # Platform connection guides
    │   └── api/                   # Next.js API routes
    │       ├── skills/            # PATCH — update enabled skills
    │       ├── skill-tools/       # GET  — list tools for a skill
    │       ├── tool-run/          # POST — run a skill tool
    │       ├── connections/       # GET/POST/DELETE — manage services
    │       └── config/            # GET/POST/DELETE — per-skill settings
    ├── components/
    │   ├── DashboardClient.tsx    # Active skills panel + credentials panel
    │   ├── CredentialsPopup.tsx   # Copyable CLIENT_ID, API_KEY, URLs
    │   └── ...
    └── lib/
        ├── skills.ts              # Skill registry (500+ skills, 40+ themes)
        ├── local-db.ts            # JSON config read/write
        └── utils.ts               # URL helpers, key masking

3. Начало работы

Предварительные требования

• Python 3.10 или выше

• Node.js 18 или выше

• Ключ Gemini API (необязательно — нужен только для установки новых навыков из GitHub)

Установка и запуск

# 1. Clone the repo
git clone https://github.com/appleaa123/skills-wiki.git
cd skills-wiki

# 2. Copy the environment file (add your Gemini key if you plan to add skills)
cp .env.example .env

# 3. Install all dependencies (Python + Node)
npm run setup

# 4. Start both servers
npm run dev

Откройте http://localhost:3000 в вашем браузере.

MCP-сервер запускается по адресу http://localhost:8000. Ваши учётные данные и URL-адреса подключения генерируются автоматически при первом запуске и отображаются на дашборде.

Что запусковется командой npm run dev

Оба процесса работают одновременно. Остановите их с помощью Ctrl+C.

4. Знакомство с дашбордом

После запуска приложения перейдите по адресу http://localhost:3000/dashboard.

Полоса командной строки

В верхнейpart страницы отображается статусная строка:

$ skills-wiki status --verbose          ● gateway: live    ● plan: local

Полоса плана

plan = "local"   // running fully local — no cloud required

Двухколоночная сетка

Основная секция разделена на две панели, расположенные рядом:

Слева — active_skills[]

Список всех ваших включённых навыков. Каждый навык отображается в виде карточки с названием и количеством функций.

• Клик по карточкe → разворачивает её и показывает все инструменты/функции этого навыка с чекбоксами

• Отметьте инструменты → выбираете те, которые хотите запустить

• ▶ run → запускает выбранные инструменты и отображает результат в виде отформатированного markdown

• copy → копирует markdown-результат в буфер обмена, чтобы вы могли вставить его в любой ИИ-чат

Это основной рабочий процесс: разверните навык, выберите функцию, запустите её, скопируйте результат и встаavite в Claude или ChatGPT, чтобы предоставить ИИ подробный контекст по теме.

• Кнопка --edit → переключает в режим редактирования с переключателями; включает или отключает отдельные навыки

• --save → сохраняет изменения в data/local_config.json

• + install more from ./marketplace → открывает маркетплейс для добавления новых навыков

Справа — gateway_credentials

Показывает всю информацию, необходимую для подключения вашего ИИ-ассистента:

У каждого поля есть кнопка копирования. Нажмите cat ./setup_guide → для пошаговых инструкций по платформам.

Опасная зона

Кнопка rm -rf ./connection очищает все активные навыки и подключения из локальной конфигурации. Это действие необратимо.

5. Подключение вашего ИИ-ассистента

Перейдите по адресу http://localhost:3000/setup для получения инструкций по каждой платформе. Краткая сводка:

Claude Desktop

Откройте ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) и добавьте:

{
  "mcpServers": {
    "skills-wiki": {
      "type": "http",
      "url": "http://localhost:8000/mcp"
    }
  }
}

Перезапустите Claude Desktop. Ваши включённые навыки появятся как инструменты.

Примечание: Claude Desktop должен иметь доступ к localhost:8000. Убедитесь, что Python-сервер запущен, перед тем как открывать Claude Desktop.

Claude.ai (Remote MCP)

Claude.ai требует общедоступного MCP URL. Для локального использования откройте сервер через туннельный инструмент:

# Example using ngrok
ngrok http 8000

Затем используйте HTTPS URL, который предоставляет ngrok, в Claude.ai → Settings → Connectors → Add Custom Connector.

ChatGPT Custom GPT

1. Перейдите на chatgpt.com → Explore GPTs → Create → Configure → Actions → Add action

2. Импортируйте из URL: http://localhost:8000/openapi.json (или ваш ngrok URL для удалённого доступа)

3. Установите Authentication → API Key → вставьте значение API_KEY с дашборда

4. Сохраните Custom GPT

Gemini

Gemini поддерживает MCP при помощи того же URL, что и Claude: http://localhost:8000/mcp.

6. Использование панели активных навыков

Эта панель — основной способ работать с навыками до их подключения к ИИ-ассистенту. Она позволяет посмотреть, что делает навык, получить его руководство и скопировать его для вставки в любой ИИ-чат — без формального MCP-подключения.

Пошаговая инструкция

1. Перейдите кабелями на дашборд → http://localhost:3000/dashboard

2. Разверните карточку навыка — нажмите на стрелку ▶ рядом с названием навыка

3. Дождитесь загрузки инструментов — панель загружает все функции из main (недолго показывает // loading tools…)

4. Отметьте один или несколько инструментов — каждый чекбокс соответствует функции навыка (например, cold-email, product-marketing-context)

5. Нажмите ▶ run (N selected) — панель запускает выбранные инструменты и отображает отформатированный markdown

6. Нажмите copy — кнопка сменится на ✓ tools are copied

7. Вставьте это в чат с ИИ — откройте Claude, ChatGPT или Gemini и вставьте. Теперь ИИ получает полный контекст навыка для дальнейшей работы

Что именно делает «run»?

Когда вы запускаете инструмент:

1. Дашборд отправляет POST /api/tool-run с именем навыка и выбранным инструментом

2. Сначала он пытается вызвать Python MCP-сервер на localhost:8000/mcp через JSON-RPC

3. Если сервер недоступен, он переключается на чтение руководства напрямую из skills_library/{skill}/main.py

4. Результат — обычно подробный markdown с инструкциями, фреймворками или структурированным руководством — появляется на панели

Это означает, что функция «run» работает даже без запущенного Python-сервера, если у навыка есть встроенный текст руководства в main.py.

7. Добавление навоых навыков

Из интерфейса

Перейдите по адресу http://localhost:3000/config, затем выберите Link a Skill from GitHub. Вставьте URL любого публичного GitHub-репозитория, содержащего определения навыков FastMCP. Навык будет установлен в skills_library/ и активирован сразу.

Для включения генерации навыков с AI требуется GEMINI_API_KEY в вашем .env.

Из командной строки

# Add a skill from a public GitHub repo
python3 scripts/add_skill.py --url https://github.com/org/repo --name my_skill

# Force the entire repo to be treated as one skill (no auto-split)
python3 scripts/add_skill.py --url https://github.com/org/repo --name my_skill --no-split

# Add only a specific subdirectory
python3 scripts/add_skill.py \
  --url https://github.com/org/repo \
  --name my_skill \
  --subdir "skills/marketing"

# Add from a local file or folder
python3 scripts/add_skill.py --file ~/path/to/tools.py --name my_skill
python3 scripts/add_skill.py --file ~/path/to/skill-folder/ --name my_skill

После добавления навыка включите его из маркетплейса на дашборде. Затем перезапустите Python-сервер, чтобы он подхватил новый навык:

# Stop the running server (Ctrl+C), then restart
npm run dev

Формат навыков

Каждый навык в skills_library/ — это папка, содержащая как минимум:

• main.py — определяет экземпляр FastMCP с именем mcp с функциями-инструментами

• skill_meta.json — метаданные: display_name, description, theme, source_repo

• __init__.py — пустой файл (обязателен для загрузки модуля Python)

Пример skill_meta.json:

{
  "display_name": "Marketing Skills",
  "description": "Conversion, content, SEO, and growth skills.",
  "source_repo": "https://github.com/coreyhaines31/marketingskills",
  "theme": "marketing"
}

Пример структуры main.py:

from fastmcp import FastMCP

mcp = FastMCP("my-skill")

_SKILLS = {
  "my-tool": {
    "description": "Does something useful.",
    "guidance": """# My Tool\n\nDetailed instructions here...""",
  }
}

@mcp.tool()
def get_my_skill(skill_name: str) -> str:
    """Returns guidance for the requested skill."""
    skill = _SKILLS.get(skill_name)
    if not skill:
        return f"Unknown skill: {skill_name}"
    return skill["guidance"]

8. Настройка отдельных навыков

Перейдите по адресу http://localhost:3000/config, чтобы настроить поведение каждого навыка.

Для каждого установленного навыка можно задать:

Настройки хранятся в data/local_config.json в разделе skill_configs.

9. Подключение внешних сервисов

Перейдите по адресу http://localhost:3000/connections, чтобы добавить учётные данные для сторонных сервисов, которые нужны вашим навыкам (GitHub-токены, API-ключи Notion, пользовательские HTTP-эндпоинты и т.д.).

Учётные данные хранятся в открытом виде в data/local_config.json. Относитесь к этому файлу как к .env — не коммитьте его в систему контроля версий.

Навыки, которым нужны внешние сервисы, читают учётные данные из этого хранилища во время выполнения при помощи core/credentials.py.

10. Переменные окружения

Скопируйте .env.example в .env и заполните нужные значения:

cp .env.example .env

Дашборд использует NEXT_PUBLIC_GATEWAY_BASE_URL для построения значений CLAUDE_URL, CHATGPT_URL и GEMINI_URL, отображаемых в панели учётных данных. Установите эту переменную, если вы открываете сервер через туннель или запускаете сервер на другом порту.

11. Библиотека навыков

Каждая папка в skills_library/ — это один пакет навыков, включённый из коробки. Таблица ниже охватывает большинство из них; выполните ls skills_library, чтобы увидеть полный актуальный список.

12. Лицензия

лицензия Apache 2.0