%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
ZH
Skill Retriever
概述
安装
工具列表
内容详情
替代品
什么是Skill Retriever?
Skill Retriever是一个智能的Claude Code组件检索系统。它解决了社区组件碎片化的问题——目前有超过2,500个组件分散在56个GitHub仓库中。当您需要完成特定任务时，Skill Retriever能够智能地找到最相关的组件集合，自动处理依赖关系，并安全地安装到您的Claude Code环境中。如何使用Skill Retriever?
Skill Retriever作为MCP服务器集成到Claude Code中。您只需在Claude Code中描述您的需求（如'我需要设置Git提交自动化'），系统就会搜索相关组件，检查依赖和冲突，然后一键安装。整个过程完全在Claude Code界面中完成，无需手动查找和配置。适用场景
Skill Retriever特别适合以下场景： 1. 需要扩展Claude Code功能但不知道有哪些可用组件 2. 需要完成复杂任务，涉及多个组件的协同工作 3. 担心组件兼容性和安全性问题 4. 希望自动保持组件库最新状态 5. 需要安全扫描组件中的潜在风险主要功能
智能组件检索
结合语义搜索和图关系分析，从2,561个组件中找到最相关的集合。不仅考虑内容匹配度，还考虑组件间的依赖关系。
自动依赖解析
自动识别并安装所有必需的依赖组件，确保安装的组件能正常工作，避免手动查找依赖的麻烦。
安全漏洞扫描
基于安全研究自动扫描组件中的潜在风险，包括数据泄露、凭证访问、权限提升等22%的常见漏洞模式。
自动同步更新
每小时自动检查组件库更新，确保您使用的组件始终是最新版本，支持GitHub Webhook即时更新。
冲突检测
在安装前检查组件间的兼容性问题，避免不兼容的组件被同时安装导致功能冲突。
学习优化系统
系统会根据实际使用情况自动优化推荐算法，经常一起使用的组件会获得更高的推荐权重。
LLM辅助安全分析
使用Claude API对高风险组件进行深度分析，减少误报，提供更准确的安全评估。
自动发现新组件库
定期从GitHub发现新的技能仓库并自动索引，不断扩展可用的组件库。
优势
一站式解决方案：无需在多个GitHub仓库中手动搜索组件
智能推荐：基于任务描述推荐最合适的组件组合
安全保障：内置安全扫描，避免安装有风险的组件
自动维护：组件自动更新，保持最新状态
易于使用：完全集成在Claude Code中，无需额外工具
节省时间：自动处理依赖和配置，大幅减少设置时间
持续优化：系统会根据使用反馈不断改进推荐质量
局限性
需要Claude Code环境：仅适用于Claude Code用户
网络依赖：需要访问GitHub获取组件和更新
安全扫描可能有误报：特别是bash代码示例可能被误判为风险
LLM安全分析需要API密钥：深度安全分析需要配置Anthropic API
组件质量依赖社区：推荐质量受原始组件质量影响
新组件需要时间索引：新发布的组件可能需要等待自动发现周期
如何使用
配置Claude Code
在Claude Code的配置文件中添加Skill Retriever MCP服务器配置
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
重启Claude Code
重启Claude Code以加载Skill Retriever MCP服务器
描述您的需求
在Claude Code对话中描述您需要完成的任务
让Claude搜索组件
Claude会自动调用Skill Retriever搜索相关组件
查看并确认推荐
查看推荐的组件列表，包括安全状态和依赖关系
安装组件
确认安装后，组件及其依赖会自动安装到.claude/目录
使用案例
自动化Git工作流
用户希望自动化Git提交过程，使用规范的提交消息格式，并在提交前自动运行代码检查
JWT身份验证设置
开发者需要在项目中实现JWT身份验证，但不确定有哪些可用的组件和安全注意事项
代码审查自动化
团队希望自动化代码审查流程，在PR创建时自动运行代码质量、安全性和规范检查
安全审计现有组件
用户已经安装了一些组件，希望检查它们的安全状态，特别是从社区获取的组件
常见问题
Skill Retriever是免费的吗？
是的，Skill Retriever是完全开源的免费工具。但请注意，某些功能（如LLM辅助安全分析）需要您自己的Anthropic API密钥。
我需要编程知识才能使用吗？
不需要。Skill Retriever设计为非技术用户友好。您只需在Claude Code中描述需求，系统会处理所有技术细节。
安装的组件安全吗？
Skill Retriever会对所有组件进行安全扫描，基于最新的安全研究检测常见漏洞模式。系统会标记风险级别，您可以在安装前查看安全评估。
如果组件不工作或有问题怎么办？
您可以通过report_outcome工具报告问题。系统会跟踪组件的使用结果，并用于改进未来的推荐。严重问题可能导致组件被标记为有问题。
如何更新已安装的组件？
Skill Retriever每小时自动检查组件更新。当源仓库有更新时，系统会通知您，您可以重新安装组件获取最新版本。
我可以添加自己的私有组件库吗？
目前Skill Retriever主要索引公共GitHub仓库。私有仓库的支持正在开发中，您可以通过ingest_repo工具手动添加特定仓库。
为什么有些bash代码被标记为安全风险？
安全扫描器会检测shell注入模式，有时会误将文档中的bash示例代码标记为风险。您可以使用security_scan_llm工具进行更准确的LLM分析来减少误报。
Skill Retriever会影响Claude Code的性能吗？
影响很小。MCP服务器在后台运行，搜索通常在120毫秒内完成。首次搜索可能需要几秒加载模型，后续搜索都很快。
如何卸载不需要的组件？
您可以直接从.claude/目录中删除对应的文件。Skill Retriever目前不提供自动卸载功能，但您可以通过report_outcome报告组件被移除。
Skill Retriever支持哪些Claude Code版本？
支持所有支持MCP协议的Claude Code版本。建议使用最新版本以获得最佳兼容性和性能。
相关资源
官方GitHub仓库
Skill Retriever的源代码和最新版本
Claude Code文档
Claude Code的官方使用文档
Agent Skills规范
Agent Skills开放标准文档
DeepLearning.AI Agent Skills课程
官方技能创建课程，涵盖Claude API、Claude Code和Agent SDK
Anthropic官方技能仓库
Anthropic官方维护的技能集合
MCP协议规范
Model Context Protocol的官方规范文档
安全研究论文
Yi Liu等人的'Agent Skills in the Wild'研究，Skill Retriever安全扫描基于此研究
安装
复制以下命令到你的Client进行配置
{
"mcpServers": {
"skill-retriever": {
"command": "uv",
"args": ["run", "--directory", "/path/to/skill-retriever", "skill-retriever"]
}
}
}
{
"mcpServers": {
"skill-retriever": {
"command": "uv",
"args": ["run", "--directory", "/path/to/skill-retriever", "skill-retriever"]
}
}
}注意：您的密钥属于敏感信息，请勿与任何人分享。
🚀 技能检索器
技能检索器是一个基于图的MCP服务器，用于Claude Code组件检索。给定一个任务描述，它能够返回最小的正确组件集（包括代理、技能、命令、钩子和MCP），并解决所有依赖关系。
🚀 快速开始
与Claude Code集成
- 添加到Claude Code的MCP配置：在
~/.claude/claude_desktop_config.json文件中添加以下内容：
{
"mcpServers": {
"skill-retriever": {
"command": "uv",
"args": ["run", "--directory", "/path/to/skill-retriever", "skill-retriever"]
}
}
}
- 重启Claude Code：重启Claude Code以加载MCP服务器。
可用工具
配置完成后，Claude Code可以使用以下工具：
| 工具 | 用途 |
|---|---|
| 搜索与安装 | |
search_components |
根据任务描述查找组件 |
get_component_detail |
获取特定组件的完整信息 |
install_components |
将组件安装到.claude/目录（自动记录安装结果） |
check_dependencies |
在安装前检查依赖关系和冲突 |
| 数据摄入 | |
ingest_repo |
对新的组件仓库进行索引 |
| 同步管理 | |
register_repo |
跟踪仓库以进行自动同步 |
unregister_repo |
停止跟踪仓库 |
list_tracked_repos |
列出所有跟踪的仓库 |
sync_status |
获取同步系统的状态 |
start_sync_server |
启动Webhook和轮询器 |
stop_sync_server |
停止同步服务 |
poll_repos_now |
立即触发轮询 |
| 发现管道 | |
run_discovery_pipeline |
从GitHub发现并摄入新的技能仓库 |
discover_repos |
在GitHub上搜索技能仓库 |
get_pipeline_status |
获取发现管道的配置 |
get_heal_status |
查看自动修复失败的情况和状态 |
clear_heal_failures |
清除跟踪的失败记录 |
| 结果跟踪 | |
report_outcome |
记录使用结果（已使用、已移除、已弃用） |
get_outcome_stats |
获取组件的成功/失败统计信息 |
get_outcome_report |
查看有问题的组件和冲突 |
| 反馈引擎 | |
analyze_feedback |
分析模式以建议图的改进 |
get_feedback_suggestions |
查看待处理的边建议 |
review_suggestion |
接受或拒绝建议的边 |
apply_feedback_suggestions |
将接受的建议应用到图中 |
| 安全扫描 | |
security_scan |
对特定组件进行漏洞扫描（基于正则表达式） |
security_scan_llm |
使用LLM减少误报进行扫描（需要API密钥） |
security_audit |
对所有组件进行审计，按风险级别报告 |
backfill_security_scans |
对未扫描的现有组件进行扫描 |
示例对话
用户：我需要设置使用常规提交的Git提交自动化
Claude：让我搜索相关组件。
[调用search_components，查询参数为 "git commit automation conventional commits"]
我找到了3个有帮助的组件：
1. **commit-command**（命令） - 以常规格式自动执行Git提交
- 得分：0.92
- 健康状态：活跃（2天前更新）
- 令牌成本：450
2. **git-utils**（技能） - Git辅助函数
- 得分：0.85
- 依赖于：commit-command
3. **conventional-commits-hook**（钩子） - 预提交验证
- 得分：0.78
- 健康状态：活跃
你想安装这些组件吗？
用户：是的，请安装
Claude：[调用install_components，组件ID为 ["davila7/commit-command", "davila7/conventional-commits-hook"]]
已将4个组件安装到.claude/目录：
- commands/commit.md
- skills/git-utils.md
- skills/shell-helpers.md（依赖项）
- hooks/conventional-commits.md
现在你可以使用`/commit`命令来创建常规提交了！
包含安全集成的工作流程
┌─────────────────────────────────────────────────────────────────┐
│ Claude Code + 技能检索器工作流程 │
│ │
│ 1. 用户："我需要JWT身份验证" │
│ │ │
│ ▼ │
│ 2. Claude：search_components("JWT authentication") │
│ │ │
│ ▼ │
│ 3. 技能检索器返回： │
│ ┌────────────────────────────────────────────────────┐ │
│ │ auth-jwt-skill │ │
│ │ 得分：0.89 │ │
│ │ 健康状态：活跃（2天前） │ │
│ │ 安全状态：⚠️ 中等（敏感环境密钥） │ │
│ │ 令牌成本：320 │ │
│ │ │ │
│ │ crypto-utils │ │
│ │ 得分：0.72 │ │
│ │ 健康状态：活跃 │ │
│ │ 安全状态：✅ 安全 │ │
│ │ 令牌成本：180 │ │
│ └────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ 4. Claude："auth-jwt-skill有中等安全风险（从环境中访问JWT_SECRET）。是否继续？" │
│ │ │
│ ▼ │
│ 5. 用户："是的，对于JWT来说这是预期的" │
│ │ │
│ ▼ │
│ 6. Claude：install_components(["auth-jwt-skill"]) │
│ │ │
│ ▼ │
│ 7. 技能检索器： │
│ - 解决依赖关系（添加crypto-utils） │
│ - 写入.claude/skills/目录 │
│ - 记录INSTALL_SUCCESS结果 │
│ │ │
│ ▼ │
│ 8. Claude："已安装auth-jwt-skill + crypto-utils。注意：需要JWT_SECRET环境变量。" │
└─────────────────────────────────────────────────────────────────┘
✨ 主要特性
- 高效检索：基于混合检索（向量 + 图）技术，能够快速准确地找到所需组件。
- 自动同步：每小时自动轮询仓库更新，确保数据的及时性。
- 安全扫描：在摄入和按需扫描组件时，检测安全漏洞，减少潜在风险。
- 反馈学习：通过执行结果反馈到图中，不断改进未来的推荐。
📦 安装指南
# 安装
uv sync
# 运行MCP服务器
uv run skill-retriever
💻 使用示例
基础用法
# 搜索组件
search_components(query="git commit automation conventional commits")
# 安装组件
install_components(["davila7/commit-command", "davila7/conventional-commits-hook"])
高级用法
# 运行安全扫描
security_scan(component_id="owner/repo/skill/name")
# 使用LLM进行安全扫描
security_scan_llm(component_id="owner/repo/skill/name")
📚 详细文档
当前索引
当前索引包含来自56个仓库的2,561个组件，每小时自动发现并同步。
| 类型 | 数量 | 描述 |
|---|---|---|
| 技能 | 1,952 | 封装领域专业知识和程序知识的可移植指令集 |
| 代理 | 492 | 具有隔离上下文和细粒度权限的专业AI角色 |
| 命令 | 40 | 斜杠命令（如/commit、/review等） |
| 钩子 | 37 | 事件处理程序（如SessionStart、PreCompact等） |
| MCP | 37 | 用于外部集成的模型上下文协议服务器 |
| 设置 | 3 | 配置预设 |
顶级仓库
| 仓库 | 组件数量 | 描述 |
|---|---|---|
| sickn33/antigravity-awesome-skills | 722 | 跨领域精心策划的大型技能集合 |
| VoltAgent/awesome-agent-skills | 232 | 200多个与Codex、Gemini CLI兼容的精心策划的技能 |
| wshobson/agents | 226 | 具有129个技能的多代理编排 |
| davepoon/buildwithclaude | 158 | 全栈开发技能 |
| hesreallyhim/awesome-claude-code | 155 | 全面的Claude Code技能集合 |
| K-Dense-AI/claude-scientific-skills | 123 | 科学计算和研究技能 |
| zhayujie/chatgpt-on-wechat | 113 | 具有多平台代理技能的微信机器人 |
| ComposioHQ/awesome-claude-skills | 85 | 与Rube MCP集成的自动化技能（Gmail、Slack、日历） |
| Orchestra-Research/AI-Research-SKILLs | 80 | AI研究技能（微调、可解释性、分布式训练、MLOps） |
| assafelovic/gpt-researcher | 78 | 深度研究代理技能 |
| BehiSecc/awesome-claude-skills | 61 | 文档处理、安全、科学技能 |
| jeffallan/claude-skills | 56 | 社区Claude技能集合 |
| trailofbits/skills | 46 | Trail of Bits专注于安全的技能 |
| remotion-dev/skills | 35 | Remotion视频渲染技能 |
| anthropics/skills | 17 | Anthropic官方技能（Excel、PowerPoint、PDF、技能创建器） |
解决的问题
Claude Code支持存储在.claude/目录中的自定义组件。
代理技能标准
技能是扩展Claude功能的指令文件夹。每个技能都包含一个SKILL.md markdown文件，其中包含名称、描述和指令。技能采用渐进式披露方式，即最初只加载名称和描述，只有在触发时才加载完整的指令。
开放标准意味着技能可以在以下平台上使用：
- Claude AI和Claude Desktop
- Claude Code
- Claude Agent SDK
- Codex、Gemini CLI、OpenCode等兼容平台
组件类型解释
| 类型 | 功能 | 使用场景 |
|---|---|---|
| 技能 | 将领域专业知识和程序知识封装到可移植的指令中 | 可重复的工作流程、公司特定的分析、新功能 |
| 代理 | 具有隔离上下文和工具访问权限的子进程 | 并行执行、专业任务、权限隔离 |
| 命令 | 触发特定行为的斜杠命令（/name） |
快速操作、快捷方式、任务调用 |
| 钩子 | 在事件（如SessionStart、PreCompact）上自动运行 | 上下文设置、自动保存、清理 |
| MCP | 连接到外部系统的模型上下文协议服务器 | 数据库访问、API、文件系统 |
技能、工具和子代理的比较
| 概念 | 类比 | 持久性 | 上下文 |
|---|---|---|---|
| 工具 | 锤子、锯子、钉子 | 始终在上下文中 | 添加到主窗口 |
| 技能 | 如何建造书架 | 渐进式加载 | 名称/描述 → SKILL.md → 引用 |
| 子代理 | 聘请专家 | 会话范围 | 与父级隔离 |
关键见解：技能解决了上下文窗口问题。通过渐进式披露指令，它们避免了用可能永远不需要的数据污染上下文。
解决的问题
目前有1000多个社区组件分散在GitHub仓库中。找到适合你任务的组件、理解它们的依赖关系并确保兼容性是一件痛苦的事情。 技能检索器通过以下方式解决了这个问题：
- 将组件仓库索引到可搜索的知识图中。
- 理解组件之间的依赖关系。
- 准确返回给定任务所需的组件（不多也不少）。
- 直接将它们安装到你的
.claude/目录中。
架构
┌─────────────────────────────────────────────────────────────────┐
│ Claude Code │
│ │
│ "我需要添加Git提交自动化" │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ MCP客户端（内置于Claude Code） │ │
│ │ │ │
│ │ tools/call: search_components │ │
│ │ tools/call: install_components │ │
│ │ tools/call: check_dependencies │ │
│ └──────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
│
│ stdio (JSON-RPC)
▼
┌─────────────────────────────────────────────────────────────────┐
│ 技能检索器MCP服务器 │
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────────────────┐ │
│ │ 向量存储 │ │ 图存储 │ │ 元数据存储 │ │
│ │ Store │ │ Store │ │ Store │ │
│ │ (FAISS) │ │(FalkorDB/NX)│ │ (JSON) │ │
│ └─────────────┘ └─────────────┘ └─────────────────────────┘ │
│ │ │ │ │
│ └────────────────┼────────────────────┘ │
│ ▼ │
│ ┌───────────────────────┐ │
│ │ 检索管道 │ │
│ │ │ │
│ │ 1. 向量搜索 │ │
│ │ 2. 图PPR │ │
│ │ 3. 得分融合 │ │
│ │ 4. 依赖解析 │ │
│ │ 5. 冲突检查 │ │
│ │ 6. 上下文组装 │ │
│ └───────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
工作原理
1. 摄入（索引仓库）
当你摄入一个组件仓库时：
仓库 (GitHub)
│
▼
┌──────────────────┐
│ 克隆到临时目录 │
└──────────────────┘
│
▼
┌──────────────────┐ 策略（首个匹配策略生效）：
│ 爬虫 │ 1. Davila7Strategy: cli-tool/components/{type}/
│ (基于策略)│ 2. PluginMarketplaceStrategy: plugins/{name}/skills/
└──────────────────┘ 3. FlatDirectoryStrategy: .claude/{type}/
│ 4. GenericMarkdownStrategy: 任何带有名称前置元数据的*.md文件
│ 5. AwesomeListStrategy: README.md中的精选列表
│ 6. PythonModuleStrategy: 带有文档字符串的*.py文件
▼
┌──────────────────┐
│ 实体解析器 │ 使用以下方法对相似组件进行去重：
│ (模糊匹配 + 嵌入) │ - RapidFuzz token_sort_ratio (阶段1)
└──────────────────┘ - 嵌入余弦相似度 (阶段2)
│
▼
┌──────────────────┐
│ 索引到： │
│ - 图节点 │ 组件 → 具有类型和标签的节点
│ - 图边 │ 依赖关系 → DEPENDS_ON边
│ - 向量存储 │ 用于语义搜索的嵌入
│ - 元数据 │ 用于安装的完整内容
└──────────────────┘
2. 检索（查找组件）
当你搜索组件时：
查询："使用常规提交的Git提交自动化"
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 查询规划 │
│ │
│ - 提取实体（关键字、组件名称） │
│ - 确定复杂度（简单/中等/复杂） │
│ - 决定：是否使用PPR？是否使用流程剪枝？ │
│ - 检测抽象级别（代理 vs 命令 vs 钩子） │
└───────────────────────────────────────────────────────────────┘
│
┌───────────┴───────────┐
▼ ▼
┌───────────────┐ ┌───────────────────────┐
│ 向量搜索 │ │ 图PPR (PageRank) │
│ │ │ │
│ 语义 │ │ 遵循依赖 │
│ 相似度 │ │ 边以查找 │
│ 通过FAISS │ │ 相关组件 │
└───────────────┘ └───────────────────────┘
│ │
└───────────┬───────────┘
▼
┌───────────────────────────────────────────────────────────────┐
│ 得分融合 │
│ │
│ 综合得分 = α × 向量得分 + (1-α) × 图得分 │
│ 如果指定了组件类型，则进行过滤 │
└───────────────────────────────────────────────────────────────┘
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 传递依赖解析 │
│ │
│ 如果 "commit-command" 依赖于 "git-utils"，而 "git-utils" 依赖于 "shell-helpers" → 则包含所有三个组件 │
└───────────────────────────────────────────────────────────────┘
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 冲突检测 │
│ │
│ 检查所选组件之间的 CONFLICTS_WITH 边 │
│ 如果将安装不兼容的组件，则发出警告 │
└───────────────────────────────────────────────────────────────┘
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 上下文组装 │
│ │
│ - 按类型优先级排序（代理 > 技能 > 命令） │
│ - 估计每个组件的令牌成本 │
│ - 保持在令牌预算内 │
│ - 为每个推荐生成理由 │
└───────────────────────────────────────────────────────────────┘
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 结果 │
│ │
│ [ │
│ { id: "davila7/commit-command", score: 0.92, │
│ rationale: "高语义匹配 + 3个依赖项" }, │
│ { id: "davila7/git-utils", score: 0.85, │
│ rationale: "commit-command的必需依赖项" } │
│ ] │
└───────────────────────────────────────────────────────────────┘
3. 安装
当你安装组件时：
install_components(["davila7/commit-command"])
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 解析依赖关系 │
│ │
│ commit-command → [git-utils, shell-helpers] │
│ 总共：3个组件需要安装 │
└───────────────────────────────────────────────────────────────┘
│
▼
┌───────────────────────────────────────────────────────────────┐
│ 写入.claude/ │
│ │
│ .claude/ │
│ ├── commands/ │
│ │ └── commit.md ← commit-command │
│ └── skills/ │
│ ├── git-utils.md ← 依赖项 │
│ └── shell-helpers.md ← 传递依赖项 │
└───────────────────────────────────────────────────────────────┘
4. 发现管道 (OSS-01, HEAL-01)
自动从GitHub发现并摄入高质量的技能仓库：
┌─────────────────────────────────────────────────────────────────┐
│ 发现管道 │
│ │
│ ┌──────────────────┐ │
│ │ OSS Scout │ 在GitHub上搜索技能仓库： │
│ │ │ - 8个搜索查询（claude、skills等） │
│ │ discover() │ - 最小星数：5 │
│ │ ─────────────▶ │ - 最近活动：180天 │
│ └────────┬─────────┘ - 质量评分（星数、主题等） │
│ │ │
│ ▼ │
│ ┌──────────────────┐ │
│ │ 过滤与评分 │ 得分 = 星数 (40) + 近期活动 (20) │
│ │ │ + 主题 (20) + 描述 (10) │
│ │ 最低得分：30 │ + 分支数 (10) │
│ └────────┬─────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────┐ │
│ │ 摄入新仓库 │ 克隆 → 爬取 → 去重 → 索引 │
│ │ (每次运行最多10个) │ 使用与ingest_repo相同的管道 │
│ └────────┬─────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────┐ │
│ │ 自动修复器 │ 跟踪失败情况： │
│ │ │ - CLONE_FAILED, NO_COMPONENTS │
│ │ 最大重试次数：3 │ - NETWORK_ERROR, RATE_LIMITED │
│ └──────────────────┘ 自动重试可修复的失败 │
└─────────────────────────────────────────────────────────────────┘
5. 自动同步 (SYNC-01, SYNC-02)
仓库每小时自动轮询更新。轮询器在第一次工具调用时启动，无需手动激活：
┌─────────────────────────────────────────────────────────────────┐
│ 同步管理器 │
│ │
│ ┌──────────────────┐ ┌──────────────────────────────┐ │
│ │ Webhook服务器 │ │ 仓库轮询器 │ │
│ │ (端口9847) │ │ (默认每小时) │ │
│ │ │ │ │ │
│ │ POST /webhook │ │ GET /repos/{owner}/{repo} │ │
│ │ ← GitHub推送 │ │ → GitHub API │ │
│ └────────┬─────────┘ └──────────────┬───────────────┘ │
│ │ │ │
│ └─────────────┬─────────────────────┘ │
│ ▼ │
│ ┌─────────────────────┐ │
│ │ 检测到更改？ │ │
│ │ (新提交SHA) │ │
│ └──────────┬──────────┘ │
│ │ 是 │
│ ▼ │
│ ┌─────────────────────┐ │
│ │ 重新摄入仓库 │ │
│ │ (增量式) │ │
│ └─────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
6. 反馈循环 (LRNG-04, LRNG-05, LRNG-06)
执行结果反馈到图中，以改进未来的推荐：
┌─────────────────────────────────────────────────────────────────┐
│ 反馈循环 │
│ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 结果跟踪 (LRNG-05) │ │
│ │ │ │
│ │ install_components() │ │
│ │ │ │ │
│ │ ├── 成功 → INSTALL_SUCCESS + 增加使用次数 │ │
│ │ └── 失败 → INSTALL_FAILURE + 跟踪上下文 │ │
│ │ │ │
│ │ report_outcome() │ │
│ │ ├── USED_IN_SESSION → 使用次数++ │ │
│ │ ├── REMOVED_BY_USER → 负面反馈 │ │
│ │ └── DEPRECATED → 弃用标志 │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 基于使用的提升 (LRNG-04) │ │
│ │ │ │
│ │ 选择率提升： │ │
│ │ 高选择率 → +50% 得分提升 │ │
│ │ 低选择率 → 无提升 │ │
│ │ │ │
│ │ 共同选择提升： │ │
│ │ 经常一起选择 → 每个 +10% (最大30%) │ │
│ │ │ │
│ │ 最终得分 = 基础得分 × 提升因子 │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 反馈引擎 (LRNG-06) │ │
│ │ │ │
│ │ analyze_feedback() 发现模式： │ │
│ │ │ │
│ │ 共同选择 (≥3) → 建议 BUNDLES_WITH 边 │ │
│ │ 共同失败 (≥2) → 建议 CONFLICTS_WITH 边 │ │
│ │ │ │
│ │ 人工审核建议 via review_suggestion() │ │
│ │ 接受的建议 → apply_feedback_suggestions() │ │
│ │ 新边添加到图中并带有置信度分数 │ │
│ └──────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
关键见解：系统从实际使用中学习。一起工作良好的组件会得到提升，一起失败的组件会被标记为冲突。这创建了一个自我改进的推荐引擎。
7. 安全扫描 (SEC-01)
在摄入和按需扫描组件时，检测安全漏洞：
┌─────────────────────────────────────────────────────────────────┐
│ 安全扫描器 │
│ │
│ 基于Yi Liu等人的 "Agent Skills in the Wild" 研究： │
│ - 26.1%的技能包含易受攻击的模式 │
│ - 5.2%显示恶意意图指标 │
│ - 带有脚本的技能更容易受到攻击（2.12倍） │
│ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 漏洞检测 │ │
│ │ │ │
│ │ 数据泄露 (13.3%) │ │
│ │ - HTTP POST 带有数据负载 │ │
│ │ - 文件读取 + 外部请求 │ │
│ │ - Webhook端点 │ │
│ │ │ │
│ │ 凭证访问 │ │
│ │ - 环境变量收集 │ │
│ │ - SSH密钥 / AWS凭证访问 │ │
│ │ - 敏感环境变量 (API_KEY, SECRET, TOKEN) │ │
│ │ │ │
│ │ 权限提升 (11.8%) │ │
│ │ - 通过变量插值进行Shell注入 │ │
│ │ - 动态代码执行 (eval/exec) │ │
│ │ - sudo执行，chmod 777 │ │
│ │ - 下载并执行模式 │ │
│ │ │ │
│ │ 混淆 (恶意意图) │ │
│ │ - 十六进制编码的字符串 │ │
│ │ - Unicode转义符 │ │
│ │ - 字符串拼接混淆 │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 风险评估 │ │
│ │ │ │
│ │ 风险级别：安全 → 低 → 中等 → 高 → 严重 │ │
│ │ │ │
│ │ 风险得分 (0-100)： │ │
│ │ 基础得分 = 发现结果权重之和 │ │
│ │ 脚本乘数 = 如果有脚本则为1.5倍 │ │
│ │ │ │
│ │ 每个组件存储： │ │
│ │ - 安全风险级别 │ │
│ │ - 安全风险得分 │ │
│ │ - 安全发现结果数量 │ │
│ │ - 是否有脚本 │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 集成点 │ │
│ │ │ │
│ │ 摄入：在ingest_repo()期间扫描 │ │
│ │ 检索：在搜索结果中包含安全状态 │ │
│ │ 按需：security_scan() 和 security_audit() 工具 │ │
│ └──────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
关键见解：安全扫描在潜在易受攻击的模式进入你的代码库之前捕获22%以上的问题。系统标记数据泄露、凭证访问、权限提升和代码混淆。
当前索引统计 (2,561个组件)：
| 风险级别 | 数量 | 百分比 |
|---|---|---|
| 安全 | 796 | ~49% |
| 低 | 2 | ~0.1% |
| 中等 | 19 | ~1.2% |
| 高 | 8 | ~0.5% |
| 严重 | 202 | ~12% |
| 未扫描 | 600 | ~37% |
顶级发现模式 (在严重组件中)：
| 模式 | 数量 | 备注 |
|---|---|---|
shell_injection |
424 | 许多是markdown中的bash示例（误报） |
webhook_post |
87 | Discord/Slack Webhook URL |
env_harvest_all |
74 | process.env / os.environ 访问 |
ssh_key_access |
51 | 对 .ssh/ 路径的引用 |
http_post_with_data |
38 | HTTP POST 带有数据负载 |
已知限制：
shell_injection模式对markdown中的bash代码块存在误报。- Webhook模式会标记合法的集成（Discord机器人、Slack通知）。
8. LLM辅助的安全分析 (SEC-02)
在正则表达式扫描之上的可选层，使用Claude减少误报：
┌─────────────────────────────────────────────────────────────────┐
│ LLM安全分析器 (SEC-02) │
│ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 使用场景 │ │
│ │ │ │
│ │ - 组件被正则表达式扫描标记为高/严重风险 │ │
│ │ - 怀疑存在误报（文档中的shell命令） │ │
│ │ - 在安装严重组件之前需要确认信心 │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 分析过程 │ │
│ │ │ │
│ │ 1. 运行正则表达式扫描 (SEC-01) 以获取发现结果 │ │
│ │ 2. 将发现结果 + 组件内容发送给Claude │ │
│ │ 3. Claude分析每个发现结果： │ │
│ │ - 它是在文档中还是可执行代码中？ │ │
│ │ - 它是合法的功能（JWT访问环境变量）？│ │
│ │ - 上下文：通知技能中的Webhook = 预期 │ │
│ │ 4. 返回每个发现结果的裁决： │ │
│ │ - TRUE_POSITIVE: 真正的安全问题 │ │
│ │ - FALSE_POSITIVE: 安全，错误标记 │ │
│ │ - CONTEXT_DEPENDENT: 取决于使用情况 │ │
│ │ - NEEDS_REVIEW: 无法确定，需要人工审核 │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ 调整后的风险得分 │ │
│ │ │ │
│ │ 原始得分 = 75 (严重，5个发现结果) │ │
│ │ │ │
│ │ LLM分析： │ │
│ │ - 3 × FALSE_POSITIVE (markdown中的bash) │ │
│ │ - 1 × TRUE_POSITIVE (环境变量收集) │ │
│ │ - 1 × CONTEXT_DEPENDENT │ │
│ │ │ │add
Add two numbers
参数
a : int*
描述
第一个数字
参数
b : int*
描述
第二个数字
multiply
Multiply two numbers
参数
a : float*
描述
第一个数字
参数
b : float*
描述
第二个数字
calculate_bmi
Calculate BMI given weight in kg and height in meters
参数
weight_kg : float*
描述
体重（千克）
参数
height_m : float*
描述
身高（米）
get_weather
Get current weather for a city
参数
city : str*
描述
城市名称
process_data
Process a list of data records with specified operation
参数
data : List[Dict[str, Any]]*
描述
包含数据记录的字典列表
参数
operation : str*
描述
要执行的操作（'sum'、'average'、'count'、'filter'）
替代品
Vestige
Vestige是一个基于认知科学的AI记忆引擎，通过实现预测误差门控、FSRS-6间隔重复、记忆梦境等29个神经科学模块，为AI提供长期记忆能力。包含3D可视化仪表板和21个MCP工具，完全本地运行，无需云端。
Rust
5.5K
4.5分
M
Moltbrain
MoltBrain是一个为OpenClaw、MoltBook和Claude Code设计的长期记忆层插件，能够自动学习和回忆项目上下文，提供智能搜索、观察记录、分析统计和持久化存储功能。
TypeScript
5.0K
4.5分
Bm.md
一个功能丰富的Markdown排版工具，支持多种样式主题和平台适配，提供实时编辑预览、图片导出和API集成能力
TypeScript
3.4K
5分
S
Security Detections MCP
Security Detections MCP 是一个基于Model Context Protocol的服务器，允许LLM查询统一的安全检测规则数据库，涵盖Sigma、Splunk ESCU、Elastic和KQL格式。最新3.0版本升级为自主检测工程平台，可自动从威胁情报中提取TTPs、分析覆盖差距、生成SIEM原生格式检测规则、运行测试并验证。项目包含71+工具、11个预构建工作流提示和知识图谱系统，支持多SIEM平台。
TypeScript
6.0K
4分
Paperbanana
PaperBanana是一个自动化生成学术图表和统计图的智能框架，支持从文本描述生成高质量的论文插图，采用多智能体管道和迭代优化，提供CLI、Python API和MCP服务器等多种使用方式。
Python
7.5K
5分
Better Icons
一个提供超过20万图标搜索和检索的MCP服务器和CLI工具，支持150多个图标库，帮助AI助手和开发者快速获取和使用图标。
TypeScript
5.6K
4.5分
Assistant Ui
assistant-ui是一个开源TypeScript/React库，用于快速构建生产级AI聊天界面，提供可组合的UI组件、流式响应、无障碍访问等功能，支持多种AI后端和模型。
TypeScript
7.2K
5分
A
Apify MCP Server
Apify MCP服务器是一个基于模型上下文协议（MCP）的工具，允许AI助手通过数千个现成的爬虫、抓取器和自动化工具（Apify Actor）从社交媒体、搜索引擎、电商等网站提取数据。它支持OAuth和Skyfire代理支付，可通过HTTPS端点或本地stdio方式集成到Claude、VS Code等MCP客户端中。
TypeScript
7.4K
5分
Duckduckgo MCP Server
已认证
DuckDuckGo搜索MCP服务器，为Claude等LLM提供网页搜索和内容抓取服务
Python
85.5K
4.3分
Firecrawl MCP Server
Firecrawl MCP Server是一个集成Firecrawl网页抓取能力的模型上下文协议服务器，提供丰富的网页抓取、搜索和内容提取功能。
TypeScript
149.9K
5分
Figma Context MCP
Framelink Figma MCP Server是一个为AI编程工具（如Cursor）提供Figma设计数据访问的服务器，通过简化Figma API响应，帮助AI更准确地实现设计到代码的一键转换。
TypeScript
74.3K
4.5分
Edgeone Pages MCP Server
EdgeOne Pages MCP是一个通过MCP协议快速部署HTML内容到EdgeOne Pages并获取公开URL的服务
TypeScript
33.0K
4.8分
Context7
Context7 MCP是一个为AI编程助手提供实时、版本特定文档和代码示例的服务，通过Model Context Protocol直接集成到提示中，解决LLM使用过时信息的问题。
TypeScript
105.7K
4.7分
Baidu Map
已认证
百度地图MCP Server是国内首个兼容MCP协议的地图服务，提供地理编码、路线规划等10个标准化API接口，支持Python和Typescript快速接入，赋能智能体实现地图相关功能。
Python
50.1K
4.5分
Exa Web Search
已认证
Exa MCP Server是一个为AI助手（如Claude）提供网络搜索功能的服务器，通过Exa AI搜索API实现实时、安全的网络信息获取。
TypeScript
56.1K
5分
Minimax MCP Server
MiniMax Model Context Protocol (MCP) 是一个官方服务器，支持与强大的文本转语音、视频/图像生成API交互，适用于多种客户端工具如Claude Desktop、Cursor等。
Python
64.6K
4.8分