Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Skill Shelf search skills for python data analysis"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
上千个专业技能，只占 context 7 个工具定义。
给 AI agent 装 skill，最痛的问题是：skill 越多，context 越胖。每个 skill 的 description 常驻上下文，几百个 skill 就是几万 tokens 白白浪费，每次对话都背着跑。开多个客户端还各跑各的进程，内存翻倍。更烦的是，装了一堆 skill 自己都记不住哪个是干嘛的、哪些真的好用哪些是花架子，最后还是全靠人去翻文档。
Skill Shelf 连这个问题一起解决了：LLM 看见 MCP 工具就会自己去查、自己去用。你不需要记住每个 skill 的内容，也不需要判断什么时候该用——LLM 遇到合适的场景自己会去搜索和加载。
Skill Shelf 的解法：skill 全部存本地仓库，context 里只有 7 个工具定义。需要时搜索加载，不需要时零开销。Rust 单例 daemon，一个进程服务所有 MCP 客户端——Claude Code、Codex、Cursor、Windsurf 同时开也只有一个后台进程。
不只是用内置的几百个 skill 和 group。工作中积累的经验、踩过的坑、反复用的工作流，都可以整理成 skill 入库——一份 Markdown 文件就是一个 skill。内置的 18 个组不够用就自己建，manage_group 创建自定义分组，install_skills 批量入库。把自己团队的 know-how 变成可复用的 skill 库。
下载与你的平台匹配的 release 包并解压：
skill-shelf-vX.Y.Z-windows-x64.zip
skill-shelf-vX.Y.Z-windows-arm64.zip
skill-shelf-vX.Y.Z-linux-x64.tar.gz
skill-shelf-vX.Y.Z-linux-arm64.tar.gz
skill-shelf-vX.Y.Z-macos-x64.tar.gz
skill-shelf-vX.Y.Z-macos-arm64.tar.gzMCP 客户端配置：
{
"mcpServers": {
"skill-shelf": {
"command": "node",
"args": ["D:/Tools/Skill-Shelf/bin/skill-shelf.js", "mcp"]
}
}
}release 包已经内置对应平台的 Rust daemon 二进制，不需要安装 Rust 或执行 cargo build。
git clone https://github.com/halflifezyf2680/Skill-Shelf.git
cd Skill-Shelf
npm install
npm run rust:buildMCP 客户端配置：
{
"mcpServers": {
"skill-shelf": {
"command": "node",
"args": ["D:/AI_Project/Skill-Shelf/bin/skill-shelf.js", "mcp"]
}
}
}也可以先 npm link，再使用 npm bin：
npm link{
"mcpServers": {
"skill-shelf": {
"command": "skill-shelf",
"args": ["mcp"],
"cwd": "/your/path/to/Skill-Shelf"
}
}
}支持 Claude Code（~/.claude.json）、Claude Desktop（claude_desktop_config.json）、Cursor、Windsurf 等所有 MCP 兼容客户端。每个客户端各自启动一个 stdio shim，共享同一个 daemon 进程。
首次调用时 stdio shim 会自动拉起 Rust daemon。多个 MCP 客户端会共享同一个 daemon，不需要分别管理后台进程。
Related MCP server: aai-gateway
配置完成后，在 MCP 客户端里先调用：
browse_shelf()正常结果应包含：
{
"groupsCount": 18,
"totalSkills": 393,
"watcherStatus": {
"running": true
}
}常用流程：
browse_shelf()
→ 看到 group catalog
→ browse_shelf(group="marketing", limit=10)
→ read_skill(skill="微信公众号运营")如果不知道该进哪个组，直接搜索：
search_skills(query="运营 用户 增长 活动 社群 内容 数据", limit=10)安装自己的 skill 包：
install_skills(sourcePath="/path/to/my-skills")
validate_skills()如果你希望把 skill 库放到包目录以外的位置，设置 SKILL_SHELF_ROOT。例如：
{
"mcpServers": {
"skill-shelf": {
"command": "node",
"args": ["D:/AI_Project/Skill-Shelf/bin/skill-shelf.js", "mcp"],
"env": {
"SKILL_SHELF_ROOT": "D:/SkillShelf/hub"
}
}
}
}Claude Code (stdio shim) ─┐
Claude Desktop (stdio) ├─→ Rust daemon (单进程, 单端口) → 本地 skill 仓库
Cursor / Windsurf / ... ─┘单进程: 整个仓库只有一个 Rust daemon 在跑，不会因为开多个客户端就跑出几十个 Node 进程
stdio shim: 每个 MCP 客户端启动一个极轻量的 shim 进程（只做 stdin↔IPC 转发），真正的业务逻辑全在 daemon 里
共享状态: 所有客户端共享同一个 skill 索引和缓存，热重载一次全局生效
workspace 隔离: 不同 SKILL_SHELF_ROOT 的配置各自独立，互不干扰
browse_shelf() ← Level 1: group catalog（name + description + count）
│
├─ 选定 group → browse_shelf(group="engineering") → skill summaries
│
├─ 选定 skill → read_skill(skill) → 默认返回 summary
│ └─ 需要全文 → read_skill(skill, full=true)
│
└─ 组路由不足时 → search_skills(query) 作为兜底
│
▼
search_skills(query) ← fallback: 直接按关键字兜底定位先看组，再看组内 skill，最后才用 search_skills 兜底。
搜索会先用用户语言尝试，没结果时再换英文重试。skill 作者无需为每个 skill 写多语言 description。
search_skills 支持两种输入方式：
空格分词（推荐）：品牌 视觉 设计
连续输入（兜底）：品牌设计视觉 — 自动切分为 CJK bigram，匹配精度略低于手动分词
工具 | 用途 |
| 不传参返回 group catalog + 状态信息；传 |
| 兜底搜索全部 skill，返回 top N 匹配结果 |
| 默认读取 skill summary； |
工具 | 用途 |
| 从目录安装 skill 包（支持新建和 LLM 辅助分组） |
| 校验完整性； |
| 创建/更新/删除存储组（mode: create/update/delete） |
| 将 skill 移至新的组（更新 frontmatter + 移动目录 + 重建索引） |
18 个内置组：
engineering · design · product · project-management · marketing · paid-media · sales · finance · legal-compliance · hr-talent · support-operations · supply-chain · academic-research · testing-qa · spatial-gaming · specialized-domain · game-studios · creative-media
安装 skill 时，如果 SKILL.md frontmatter 未指定 group，工具会返回 skill 描述和可用组列表，由 LLM 选择最合适的组。
data/hub/
config/groups.json # 组定义（18 个内置组 + 自定义组）
packages/{group}/{skill-id}/
SKILL.md # skill 正文（必须）
meta.json # 自动生成的元数据
references/ # 可选参考文件
scripts/ # 可选辅助脚本
assets/ # 可选资源文件
staging/imports/ # 待审查的导入候选
index/ # 索引文件（运行时自动维护）每个 skill 是一个包含 SKILL.md 的目录：
---
name: my-skill
description: 这个 skill 做什么
group: engineering
---
# My Skill
Skill 正文内容...name 和 description 是必填 frontmatter 字段。group 可选，不填时由 LLM 在安装时分类。
daemon 启动时自动监听 packages/ 目录变更，新增、修改、删除 skill 后索引自动更新，无需重启。
skill-shelf mcp # 启动 stdio shim（MCP 客户端调用）
skill-shelf daemon # 启动/连接 daemon
skill-shelf status # 查看 daemon 状态
skill-shelf stop # 停止 daemon变量 | 默认值 | 说明 |
|
| 数据根目录 |
|
| search_skills 默认返回上限 |
|
| read_skill 返回的最大关联 skill 数 |
|
| 是否启用文件监听 |
部分 Skill 内容来源于以下开源项目：
agency-agents-zh（MIT License）— 211 个中文 AI 专家智能体
awesome-design-md（MIT License）— 品牌设计系统 markdown 文件
scientific-agent-skills（MIT License）— 139 个科学研究技能（生物信息、药物发现、量子计算等）
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
A registry of 5,900+ peer-authored skills any MCP agent can search and load on demand.
Agent-first skill marketplace with USK open standard for Claude, Cursor, Gemini, Codex CLI.
Shared long-term memory vault for AI agents with 20 MCP tools.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/halflifezyf2680/Skill-Shelf'
If you have feedback or need assistance with the MCP directory API, please join our Discord server