AI导哈

工具推荐服务

一个基于MCP服务器的工具推荐系统，通过学习使用模式并根据成功率调整推荐，适用于开发任务自动化。

  • by Aegis-AI-Cooperative
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 sangokp/mcp-toolselect

使用说明

@aegis ai/mcp工具选择

一个MCP服务器，为给定的任务推荐使用哪些工具。它从使用模式中学习，并根据成功率随时间调整建议。

安装

bun install @aegis-ai/mcp-toolselect

或者克隆并直接运行：

git clone https://github.com/aegis-ai/mcp-toolselect.git
cd mcp-toolselect
bun install
bun src/index.ts

配置

添加到MCP客户端配置中（例如。 claude_desktop_config.json):

{
  "mcpServers": {
    "toolselect": {
      "command": "bunx",
      "args": ["@aegis-ai/mcp-toolselect"]
    }
  }
}

或者，如果从源代码运行：

{
  "mcpServers": {
    "toolselect": {
      "command": "bun",
      "args": ["/path/to/mcp-toolselect/src/index.ts"]
    }
  }
}

工具

推荐工具

获取任务描述的排名工具建议。返回置信度得分、优先级和历史成功率。

参数：

  • task （字符串，必填）-任务描述
  • max_results （数字，可选）-要返回的最大建议值（默认值：5）

例子：

{
  "task": "Write integration tests for the payment API",
  "max_results": 3
}

答复：

{
  "task": "Write integration tests for the payment API",
  "analysis": {
    "keywords": ["testing", "coding", "api"],
    "complexity": "medium",
    "estimatedDuration": "medium"
  },
  "recommendations": [
    {
      "tool": "jest",
      "confidence": 0.85,
      "reason": "matches keyword \"testing\"; strength \"integration tests\" found in task",
      "priority": "required",
      "successRate": 0.92,
      "timesUsed": 47
    }
  ]
}

注册表工具

注册一个工具及其功能，以便为未来的任务推荐它。

参数：

  • name （字符串，必填）-唯一工具名称
  • description （string，必填）-工具的功能
  • category （字符串，必填）-类别（例如编码、测试、部署、研究、分析）
  • strengths （string[]，必填）-该工具擅长什么
  • use_cases （string[]，必填）-工具发光的典型场景

例子：

{
  "name": "playwright",
  "description": "Browser automation and end-to-end testing framework",
  "category": "testing",
  "strengths": ["browser automation", "e2e testing", "cross-browser", "screenshot comparison"],
  "use_cases": ["end-to-end tests", "visual regression testing", "web scraping", "form automation"]
}

记录_用法

记录工具用于任务以及是否成功。这种反馈推动了未来的推荐质量。

参数：

  • tool （字符串，必填）-工具名称
  • task （字符串，必填）-任务描述
  • success （boolean，必填）-工具是否成功完成任务
  • duration_ms （数字，可选）-执行时间（毫秒）
  • notes （字符串，可选）-其他上下文

例子：

{
  "tool": "playwright",
  "task": "Run e2e tests for checkout flow",
  "success": true,
  "duration_ms": 12500,
  "notes": "All 15 tests passed"
}

get_tool_stats

获取已注册工具的使用统计数据和成功率。

参数：

  • tool （字符串，可选）-特定工具名称。忽略获取所有统计数据。

示例响应：

{
  "totalTools": 8,
  "totalUsages": 142,
  "tools": [
    {
      "name": "playwright",
      "timesUsed": 47,
      "successCount": 43,
      "failCount": 4,
      "avgDurationMs": 11200,
      "overallSuccessRate": 0.91,
      "contextSuccessRates": {
        "testing": 0.94,
        "debugging": 0.78
      }
    }
  ]
}

list_tools

按类别列出所有已注册的工具。

参数：

  • category （字符串，可选）-按类别筛选

运作原理

  1. 注册工具 凭借其能力和用例
  2. 征求建议 通过描述你的任务
  3. 记录结果 使用工具后（成功/失败）
  4. 系统学习哪些工具最适合哪种类型的任务，并相应地调整未来的置信度得分

推荐引擎：

  • 分析任务描述以提取关键字并估计复杂性
  • 将关键字与注册的工具优势和用例相匹配
  • 使用历史成功率（指数移动平均线）调整信心
  • 返回按相关性排序的优先建议

数据存储

所有数据都存储在本地 ~/.mcp-toolselect/:

  • tool-registry.json -已注册的工具及其元数据
  • tool-stats.json -汇总使用统计数据
  • usage-log.jsonl -仅附加使用日志进行审核

许可证

麻省理工学院-版权所有2026 AEGIS人工智能合作社

相关 MCP