skill-router
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
skill-router
💬 极跃Ai交流群:606140489
装不上 · 用不对 · 想投稿经验条目,直接进来问
你的 AI 什么都知道一点,但没真的干过
你让它脱一个 VMP 壳、拿下一个站、破一个卡密 —— 它会从零开始推。
不是它笨,是它不知道有人三年前就把这个坑填了:
「Hex-Rays 的伪代码在 VMP 上不可信」 「trace 里 LOAD/STORE 的 inputs[0] 是随机化标记不是地址,地址在 inputs[1]」 「改 SELinux 没用,别浪费时间」
这些不是知识,是经验。知识在训练数据里,经验只在别人的日志里。
这个项目就是给 AI 装一个经验包。
659 个专业方法论 按症状查,不按目录翻
922 条实战踩坑记录 症状 → 动作 → 证据出处,带置信度
1.5 毫秒 纯本地检索,不用 GPU、不用向量库不是让 AI 变聪明,是让它别那么健忘。
Related MCP server: CodeIntel MCP Server
装之前 vs 装之后
你让它干什么 | 没有它 | 有它 |
脱 VMP 壳 | 从零推,试十几种方法 | 第一步就去查,直接看别人卡在哪 |
拿下某个站 | 想到哪打到哪 | 先跑「打点决策」,按优先级排,不浪费时间 |
破卡密 | 直接写 keygen,写三天 | 先判类型(本地 / 签名 / 硬件 / 云端),判错立刻止损 |
挖 SRC | 每个点试三个 payload,全是「疑似」 | 按「暴露面 × 技术栈年龄 × 功能复杂度」排序 |
AI 卡住了 | 一直换参数,越试越远 | 连续 2 次同类尝试自动插经验;3 次强制换方法 |
最后一条是这套东西最值钱的地方 —— 不是库大,是它会自己拦。
它到底是什么
一个 MCP 插件。
MCP 是 AI 客户端(Claude Code / Codex / Cursor / Cline)的扩展协议。 装上去之后 AI 多了 15 个工具可以调用:查方法论、查踩坑记录、规划作战链、检查当前做法是否撞上禁令。
它不是什么(先排除误解):
常见误解 | 实际 |
要显卡 / 要跑模型 | 不需要。里面没有任何 AI 模型,就是词表匹配 |
要下载几十 GB | 1.6 MB,一个 Python 脚本 + 两个 JSON |
要联网才能用 | 装完之后全程离线,只有第一次同步索引需要网络 |
要 Docker / 数据库 | 都不要。 |
是个能聊天的 AI | 不是。它是插件,得配合 Claude Code / Codex / Cursor 用 |
它是什么:一个 Python 脚本 + 两个 JSON 文件,python install.py 一条命令装完,
Windows / macOS / Linux 通用,Python 3.10+ 即可。
适合谁
适合 | 不适合 |
用 Claude Code / Codex / Cursor 干活的人 | 只用网页版 ChatGPT 的(网页版装不了插件) |
做逆向、渗透、CTF、安全研究 | 完全不碰这些领域的(装了也用不上) |
被 AI「反复犯同一个错」烦过 | 想要一个能直接对话的 AI(这是插件不是模型) |
想给团队沉淀经验的新人 | 期待开箱即用的成品工具(它给方法论,不给一键脚本) |
安装
一键(推荐)
git clone https://github.com/jarui555/skill-router.git
cd skill-router
python install.py就这一条。脚本干三件事:装依赖 → 跑自检 → 把该贴进客户端的配置直接打印出来(路径已填好), 复制粘贴就能用,不用自己拼路径。
Windows 用 PowerShell 也行,逻辑是同一个文件:
powershell -ExecutionPolicy Bypass -File install.ps1手动
pip install "mcp>=1.19"
python check.pyPython 3.10+。mcp 1.x 和 2.x 都支持,代码里做了双版本适配。
接进你的客户端
所有客户端都用同一种配置:stdio + 一个 python 命令。
Claude Code
claude mcp add skill-router -- python /绝对路径/skill-router/server.pyCodex CLI
~/.codex/config.toml:
[mcp_servers.skill-router]
command = "python"
args = ["/绝对路径/skill-router/server.py"]Cursor / Cline / 其他 JSON 配置
{
"mcpServers": {
"skill-router": {
"command": "python",
"args": ["/绝对路径/skill-router/server.py"]
}
}
}Windows 把 python 换成 python.exe 的绝对路径,路径分隔符用 / 或转义后的 \\。
首次使用
装完先自检,确认你机器上跑得起来:
python check.py全通会打印 ✓ 全部通过 8 / 8。它会验依赖、工具注册、索引、经验库、检索延迟。
如果带索引发布,clone 完就能用。想自己建索引:
skill_sync() # 同步 repos.json 里的全部仓库,约 3-5 分钟
skill_sync("owner/repo") # 只同步一个走 ungh.cc + jsDelivr + raw,不消耗 GitHub API 配额,不需要 token。
配了 GITHUB_TOKEN 只是让 enrich(补描述)快一些。
15 个工具
工具 | 用途 |
| 任务 → 阶段链,每步带加载建议与 token 估算 |
| 关键词/现象检索 |
| 卡住时的重检索,连续 2 次同类自动插经验 |
| 加载正文, |
| 只抽命令 + 行号(250 tokens vs 3630) |
| 边界:什么时候用 / 前置 / 禁止条款 |
| 自检「正在做的事是否撞上该 skill 的禁令」 |
| 查实战经验库 |
| 释放上下文预算 |
| 分数 / 症状库 / 任务记忆 |
| 索引与预算状态 |
| 建/刷新索引 |
| 读 skill 附带的 references |
| 检查仓库更新 |
| 手动标成功/失败(平时不用,工具会自己推断) |
自动触发:三个条件,缺一个就退化成普通查询库
这是整套东西最关键的地方,也是最容易在别人的环境里失效的地方。
条件 | 谁负责 | 不满足会怎样 |
① 客户端把 server 的 | 客户端 | 模型不知道有 |
② 项目里有 rules / AGENTS.md 声明「第一动作是 skill_plan」 | 你 | 模型知道但不照做 |
③ 模型真的调 | 模型 | 卡住判定永远不触发 |
server 启动时通过 MCP 标准字段 instructions 下发了完整规则(第一动作、升级判据、禁止清单)。
但不同客户端对这个字段的处理不一致 —— 有的注入,有的忽略。
所以第二道保险必须自己加。把 rules/AGENTS.md 的内容贴到项目的 AGENTS.md
(Codex / 多数 CLI)或 CLAUDE.md(Claude Code),或客户端的 rules 目录。
目录
server.py MCP 服务本体,15 个工具
experience.py 经验库检索(词表 + IDF + 现象本体,1.5ms)
evolve.py 自成长:按行为推断成功/失败,微调排序
experience.json 922 条经验
repos.json 仓库清单
index.json 索引(16 源 / 659 skill,sha 已 pin)
packs/ 随包 skill,clone 就有,不依赖外部仓库
cache/ 正文缓存,首次 load 时自动生成
logs/error.log 被 except 吞掉的异常packs/ 里有什么
目录 | 内容 |
| 网络授权 / 卡密 / keygen:机制分类、协议分析、云端替代、定位补丁、算法还原 |
| 渗透拿站:打点决策、WAF 绕过、shell 升级、隧道代理、后渗透 |
这两个目录在 repos.json 里对应 local/license-pack 和 local/web-takeover,
path 是相对路径,以 SKILL_ROUTER_HOME 为基准解析 —— 换台机器也能用,不需要改配置。
环境变量
变量 | 作用 |
| 数据目录,默认本文件所在目录 |
| 可选,只影响 enrich 速度 |
交流
极跃Ai交流群 606140489 —— 装不上、用不对、想投稿经验条目,都来这里。
提问前先跑一遍 python check.py,把输出贴上来,比描述半天现象有用。
想干什么 | 怎么做 |
装完跑不起来 | 贴 |
模型不会自己查 skill | 看上面「自动触发」那节, |
投稿一条经验 | 照 |
某个 skill 内容有问题 | 开 issue,注明仓库名 + skill 名 |
边界
索引里 16 个源:14 个第三方仓库 + 2 个随包 pack,第三方的内容各自有 license
经验库带置信度,
<0.85会标「未验证」,版本不同坑也不同预算硬上限 40000 tokens,一次
full加载超过 2 个 skill 会顶到闸门
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Failure-memory layer for coding agents: search evidence-rated failure lessons by error text.
Codebase intelligence for agents: 152 structured artifacts across 21 programs, one call.
Deterministic memory & code intelligence MCP for 15 IDEs (100% LongMemEval in 12.9ms, 0 LLM tokens).
Persistent engineering memory designed to follow developers across coding agents.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceEnables AI coding agents to query a pre-built semantic knowledge graph of code, reducing token usage and tool calls. Supports 16 tools for code exploration, analysis, and context building.24 npm9MIT
- AlicenseNot gradedqualityCmaintenanceEnables AI agents to perform hybrid code search, get explanations, analyze relations and impacts, retrieve context packs, and generate documentation across ~45 languages via 17 MCP tools, all powered by a local vector database and LLM.2Apache 2.0
- AlicenseAqualityBmaintenanceEnables AI coding agents to evaluate code snippets and learn from execution outcomes through local bio-inspired associative memory, delivering instant zero-token bug and antipattern reflexes without LLM inference.5MIT
- AlicenseNot gradedqualityCmaintenanceEnables AI agents to retrieve hyper-targeted, token-efficient context from a codebase by querying a locally built AST knowledge graph, and to persist cross-session agent memory through 17 MCP tools. All indexing and retrieval run entirely offline, so proprietary code never leaves the machine.85 PyPI1MIT