auto-skill-loader

Дайте вашему ИИ-агенту постоянную библиотеку навыков, которая автоматически загружается при старте сессии.

Примечание для OpenCode: OpenCode пока не передаёт реальные пути к файлам при вставке изображений — агент видит имя файла вместо пути. Обходной путь: дайте агенту реальный путь к файлу вместо вставки. Навыки автоматически загружаются при старте сессии, как и ожидается.

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

Как это работает

1. Вы настраиваете, какие навыки автоматически загружать в ~/.config/auto-skill-loader/config.yaml

2. MCP-сервер читает файлы навыков из вашей директории навыков и предоставляет их через skills://active

3. При старте сессии ваш агент читает skills://active и получает все одобренные навыки автоматически внедрёнными

4. Никаких явных триггеров не нужно — агент уже знает ваши навыки

Related MCP server: minimax-mcp

Зачем

Основная проблема: в OpenCode навыки не загружаются автоматически — агенту приходится явно вызывать их или полагаться на ненадёжное нечёткое сопоставление. auto-skill-loader решает эту проблему, предоставляя вашу библиотеку навыков как MCP-ресурс, который читается при старте сессии. Детерминированно, без угадывания.

Бонус: Наши прокси-инструменты также обходят сломанный stdio-транспорт MCP в OpenCode для инструментов MiniMax vision и веб-поиска.

Установка

Вариант 1: uvx (рекомендуется — установка не требуется)

uvx auto-skill-loader

Вариант 2: pip

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

Вариант 3: Сборка из исходников

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

Конфигурация

OpenCode

Добавьте в ~/.config/opencode/opencode.json:

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

Claude Code

Примечание: Claude Code требует определённый формат JSON через 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"}}'

Замените /FULL/PATH/TO/python на путь к вашему Python (например, /Users/YOU/auto-skill-loader/.venv/bin/python).

Или для uvx (требуется сеть при первом запуске):

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

Протестировано на

Автозагрузка навыков подтверждена на обоих хостах. Прокси для vision обходит сломанный stdio-транспорт OpenCode, но вставка изображений с преобразованием в путь — это отдельная проблема рендеринга в OpenCode, требующая использования путей к файлам.

Другие MCP-совместимые хосты (Cursor, Zed и т.д.) должны работать с той же конфигурацией — приветствуются contributions.

Различия платформ и известные проблемы

Ввод изображений: OpenCode vs Claude Code

Оба хоста работают с инструментами vision от auto-skill-loader, но ввод изображений ведёт себя по-разному:

Примечание для OpenCode: Когда вы вставляете изображение в OpenCode, оно может отображаться встроенно, но агент видит его как строку с именем файла (например, logo.png), а не как реальный путь в файловой системе. Это известное поведение рендеринга OpenCode.

Обходной путь для OpenCode: Вместо вставки дайте агенту реальный путь к файлу:

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

Агент может напрямую обращаться к локальным файлам в OpenCode. Если изображение только в буфере обмена, агент может сначала извлечь его в /tmp/.

Что мы отслеживаем

Мы активно следим за следующими проблемами OpenCode:

• Встроенный рендеринг изображений (вставленные изображения не передают реальные пути инструментам)

• stdio-транспорт MCP для локальных серверов (наши прокси-инструменты обходят это)

• Сохранение навыков между перезапусками сессий

Если OpenCode выпустит исправление для путей встроенных изображений, эта документация и навык vision-analysis будут обновлены для поддержки прямого рабочего процесса вставки. Мы следим за журналом изменений и примечаниями к релизам OpenCode — проверяйте этот репозиторий на обновления.

Другие известные проблемы

Настройка

1. Создайте директорию навыков (симлинк на ваши существующие навыки):

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

2. Отредактируйте ~/.config/auto-skill-loader/config.yaml:

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

3. Перезапустите вашего агента. Теперь он будет автоматически загружать все перечисленные навыки при старте сессии.

Инструменты

Бонус: Прокси для MiniMax Vision и веб-поиска

auto-skill-loader также предоставляет два инструмента, которые проксируют к minimax-coding-plan-mcp с работающим stdio-транспортом:

Примечание: Для vision в частности mmx-cli теперь является рекомендуемым подходом — это прямой REST-вызов к MiniMax VLM, без проблем с MCP-транспортом, и он нативно обрабатывает URL. Эти прокси-инструменты полезны, если вы хотите единый MCP-интерфейс для загрузки навыков и vision.

Баг MCP в OpenCode

Когда встроенная интеграция MCP minimax-coding-plan-mcp (minimax-token-plan) настроена в OpenCode, инструмент understand_image завершается с ошибкой:

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

Это происходит даже когда:

• ✅ MINIMAX_API_KEY / MINIMAX_TOKEN_PLAN_KEY установлен корректно

• ✅ API-ключ действителен (тот же ключ работает через прямые API-вызовы)

• ✅ В Token Plan есть доступная квота vision

Корневая причина: stdio-транспорт OpenCode для локальных MCP-серверов отправляет сообщения способом, который нарушает протокол MCP — вероятно, пакетная запись без правильного сброса буфера между JSON-RPC-сообщениями. Прямые тесты подпроцессов с последовательной записью + flush() работают нормально.

Решение: Наши прокси-инструменты в auto-skill-loader используют правильную последовательную stdio-коммуникацию, обходя сломанный транспортный уровень OpenCode.

Настройка

1. Установите ваш ключ MiniMax Token Plan в ~/.config/opencode/.env:

MINIMAX_TOKEN_PLAN_KEY=sk-cp-your-key-here

2. Добавьте auto-skill-loader в ~/.config/opencode/opencode.json:

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

3. Критически важно: Если у вас minimax-coding-plan-mcp настроен напрямую в opencode.json (запись minimax-token-plan), удалите или отключите его — его сломанный stdio-транспорт вызовет ошибки "login fail". Прокси-инструменты в auto-skill-loader полностью заменяют его.

4. Перезапустите OpenCode и проверьте: /ask Do you have auto-skill-loader_minimax_understand_image available?

Диагностика

Если после настройки вы видите ошибки "login fail":

1. Отключите сломанный minimax MCP — убедитесь, что "minimax-token-plan": { "enabled": false } или удалите его полностью

2. Полностью перезапустите OpenCode — MCP-серверы перезапускаются при каждой сессии

3. Проверьте с помощью: /ask Call minimax_understand_image with image_source="/any/real/image.png" and prompt="test"

Ресурсы

Безопасность

• Управляется пользователем — загружаются только навыки из config.yaml

• Нет сетевых запросов — всё локально

• Нет инъекций в промпты — навыки берутся из вашей собственной настроенной директории

Структура репозитория

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

Требования

• Python 3.9+

• Пакет mcp (pip install mcp)

• Пакет pyyaml (pip install pyyaml)

Или просто используйте uvx auto-skill-loader, который автоматически загружает зависимости.