auto-skill-loader

Geben Sie Ihrem KI-Agenten eine persistente Skill-Bibliothek, die er beim Sitzungsstart automatisch lädt.

Hinweis zu OpenCode-Bildern: OpenCode legt beim Einfügen von Bildern noch keine echten Dateipfade offen – der Agent sieht stattdessen einen Dateinamen. Workaround: Geben Sie dem Agenten einen echten Dateipfad an, statt das Bild einzufügen. Skills werden wie erwartet beim Sitzungsstart automatisch geladen.

mcp-name: io.github.divitkashyap/auto-skill-loader

So funktioniert es

1. Sie konfigurieren, welche Skills in ~/.config/auto-skill-loader/config.yaml automatisch geladen werden sollen

2. Der MCP-Server liest Skill-Dateien aus Ihrem Skill-Verzeichnis und stellt sie über skills://active bereit

3. Beim Sitzungsstart liest Ihr Agent skills://active und alle genehmigten Skills werden automatisch injiziert

4. Keine expliziten Auslöser nötig – der Agent kennt Ihre Skills bereits

Related MCP server: minimax-mcp

Warum

Das Hauptproblem: In OpenCode werden Skills nicht automatisch geladen – der Agent muss sie explizit aufrufen oder sich auf unzuverlässiges Fuzzy-Matching verlassen. auto-skill-loader löst dies, indem es Ihre Skill-Bibliothek als MCP-Ressource bereitstellt, die beim Sitzungsstart gelesen wird. Deterministisch, ohne Raten.

Bonus: Unsere Proxy-Tools umgehen außerdem den defekten MCP-stdio-Transport von OpenCode für die MiniMax-Vision- und Websuch-Tools.

Installation

Option 1: uvx (empfohlen – keine Installation nötig)

uvx auto-skill-loader

Option 2: pip

pip install auto-skill-loader
auto-skill-loader

Option 3: Aus dem Quellcode bauen

git clone https://github.com/divitkashyap/auto-skill-loader.git
cd auto-skill-loader
pip install -e .
auto-skill-loader

Konfiguration

OpenCode

Fügen Sie zu ~/.config/opencode/opencode.json hinzu:

{
  "mcp": {
    "auto-skill-loader": {
      "type": "local",
      "command": ["uvx", "auto-skill-loader"],
      "enabled": true
    }
  }
}

Claude Code

Hinweis: Claude Code erfordert ein bestimmtes JSON-Format über add-json:

claude mcp add-json -s user auto-skill-loader '{"type":"stdio","command":"/FULL/PATH/TO/python","args":["-m","server"],"env":{"MINIMAX_TOKEN_PLAN_KEY":"sk-cp-YOUR-KEY-HERE"}}'

Ersetzen Sie /FULL/PATH/TO/python durch den Pfad zu Ihrem Python (z. B. /Users/YOU/auto-skill-loader/.venv/bin/python).

Oder für uvx (erfordert Netzwerk beim ersten Start):

claude mcp add -s user --transport stdio -e MINIMAX_TOKEN_PLAN_KEY=sk-cp-YOUR-KEY auto-skill-loader -- uvx auto-skill-loader

Getestet auf

Skill-Autoload auf beiden Hosts bestätigt funktionsfähig. Der Vision-Proxy umgeht den defekten stdio-Transport von OpenCode, aber das Einfügen von Bildern als Pfad ist ein separates Rendering-Problem in OpenCode, das die Verwendung von Dateipfaden erfordert.

Andere MCP-kompatible Hosts (Cursor, Zed usw.) sollten mit derselben Konfiguration funktionieren – Beiträge sind willkommen.

Plattformunterschiede & bekannte Probleme

Bildeingabe: OpenCode vs. Claude Code

Beide Hosts funktionieren mit den Vision-Tools von auto-skill-loader, aber die Bildeingabe verhält sich unterschiedlich:

Hinweis zu OpenCode: Wenn Sie ein Bild in OpenCode einfügen, wird es möglicherweise inline gerendert, aber der Agent sieht es als Dateinamen-String (z. B. logo.png) und nicht als echten Dateisystempfad. Dies ist ein bekanntes Rendering-Verhalten von OpenCode.

Workaround für OpenCode: Geben Sie dem Agenten anstelle des Einfügens den tatsächlichen Dateipfad:

analyze this image: /path/to/your/image.png

Der Agent kann in OpenCode direkt auf lokale Dateien zugreifen. Wenn das Bild nur in Ihrer Zwischenablage ist, kann der Agent es zuerst nach /tmp/ extrahieren.

Was wir beobachten

Wir verfolgen aktiv die folgenden OpenCode-Probleme:

• Inline-Bild-Rendering (eingefügte Bilder legen Tools keine echten Pfade offen)

• MCP-stdio-Transport für lokale Server (unsere Proxy-Tools umgehen dies)

• Sitzungspersistenz von Skills über Neustarts hinweg

Wenn OpenCode einen Fix für Inline-Bildpfade veröffentlicht, werden diese Dokumentation und der Vision-Analyse-Skill aktualisiert, um den direkten Einfüge-Workflow zu unterstützen. Wir beobachten das Änderungsprotokoll und die Versionshinweise von OpenCode – prüfen Sie dieses Repo auf Updates.

Andere bekannte Probleme

Einrichtung

1. Erstellen Sie ein Skill-Verzeichnis (Symlink zu Ihren vorhandenen Skills):

mkdir -p ~/.config/auto-skill-loader
ln -sf ~/.config/opencode/skills ~/.config/auto-skill-loader/skills

2. Bearbeiten Sie ~/.config/auto-skill-loader/config.yaml:

active_skills:
  - vision-analysis
  - context-maintainer
  - markdown-mcp
skills_dir: ~/.config/auto-skill-loader/skills

3. Starten Sie Ihren Agenten neu. Er lädt jetzt alle aufgelisteten Skills beim Sitzungsstart automatisch.

Tools

Bonus: MiniMax-Vision- & Websuch-Proxy

auto-skill-loader stellt außerdem zwei Tools bereit, die mit einem funktionierenden stdio-Transport zu minimax-coding-plan-mcp proxen:

Hinweis: Für Vision im Speziellen ist mmx-cli jetzt der empfohlene Ansatz – ein direkter REST-Aufruf an MiniMax VLM, ohne MCP-Transportprobleme, und verarbeitet URLs nativ. Diese Proxy-Tools sind nützlich, wenn Sie eine einheitliche MCP-Schnittstelle für Skill-Laden und Vision wünschen.

Der OpenCode-MCP-Bug

Wenn die integrierte minimax-coding-plan-mcp-MCP-Integration von OpenCode (minimax-token-plan) konfiguriert ist, schlägt das understand_image-Tool mit folgendem Fehler fehl:

API Error: login fail: Please carry the API secret key in the 'Authorization' field

Dies passiert sogar, wenn:

• ✅ MINIMAX_API_KEY / MINIMAX_TOKEN_PLAN_KEY korrekt gesetzt ist

• ✅ Der API-Schlüssel gültig ist (derselbe Schlüssel funktioniert über direkte API-Aufrufe)

• ✅ Token Plan über verfügbares Vision-Kontingent verfügt

Ursache: Der stdio-Transport von OpenCode für lokale MCP-Server sendet Nachrichten auf eine Weise, die das MCP-Protokoll bricht – wahrscheinlich gebündelte Schreibvorgänge ohne ordnungsgemäßes Flush zwischen JSON-RPC-Nachrichten. Direkte Subprozess-Tests mit sequenziellen Schreibvorgängen + flush() funktionieren einwandfrei.

Die Lösung: Unsere Proxy-Tools in auto-skill-loader verwenden eine ordnungsgemäße sequenzielle stdio-Kommunikation und umgehen damit die defekte Transportschicht von OpenCode.

Einrichtung

1. Setzen Sie Ihren MiniMax-Token-Plan-Schlüssel in ~/.config/opencode/.env:

MINIMAX_TOKEN_PLAN_KEY=sk-cp-your-key-here

2. Fügen Sie auto-skill-loader zu ~/.config/opencode/opencode.json hinzu:

{
  "mcp": {
    "auto-skill-loader": {
      "type": "local",
      "command": ["/path/to/venv/bin/python", "-m", "server"],
      "enabled": true
    }
  }
}

3. Wichtig: Wenn Sie minimax-coding-plan-mcp direkt in opencode.json konfiguriert haben (der minimax-token-plan-Eintrag), entfernen oder deaktivieren Sie ihn – sein defekter stdio-Transport verursacht „login fail"-Fehler. Die Proxy-Tools in auto-skill-loader ersetzen ihn vollständig.

4. Starten Sie OpenCode neu und überprüfen Sie: /ask Do you have auto-skill-loader_minimax_understand_image available?

Diagnose

Wenn Sie nach der Einrichtung „login fail"-Fehler sehen:

1. Deaktivieren Sie das defekte MiniMax-MCP – stellen Sie sicher, dass "minimax-token-plan": { "enabled": false } gesetzt ist, oder entfernen Sie es vollständig

2. Starten Sie OpenCode vollständig neu – MCP-Server werden bei jeder Sitzung neu gestartet

3. Überprüfen Sie mit: /ask Call minimax_understand_image with image_source="/any/real/image.png" and prompt="test"

Ressourcen

Sicherheit

• Benutzergesteuert – nur Skills in config.yaml werden geladen

• Keine Netzwerkabrufe – alles ist lokal

• Keine Prompt-Injection – Skills stammen aus Ihrem eigenen konfigurierten Verzeichnis

Repo-Struktur

auto-skill-loader/
├── src/
│   └── server.py        # MCP server (Python stdlib + mcp package)
├── pyproject.toml       # Package config
├── README.md            # This file
├── SKILL.md             # For agent onboarding
└── LICENSE              # MIT

Anforderungen

• Python 3.9+

• mcp-Paket (pip install mcp)

• pyyaml-Paket (pip install pyyaml)

Oder verwenden Sie einfach uvx auto-skill-loader, das Abhängigkeiten automatisch abruft.