使用说明
Agent技能MCP：将Anthropic的代理技能带给任何兼容MCP的代理
简体中文 | English
📖 项目概述
代理技能 是Anthropic最近推出的一项新功能。通过将专业技能打包成模块化资源，它使Claude能够按需转变为适合任何场景的“量身定制的专家”。 Agent技能MCP，建立在 FlowLLM 框架，为任何兼容MCP的代理解锁克劳德的专有代理技能。 它实现了 渐进式披露 Anthropic官方提出的建筑 Agent Skills工程博客，使代理能够根据需要加载必要的技能，从而有效地利用有限的上下文窗口。
💡 为什么选择Agent技能MCP？
- ✅ 零代码配置：一个命令安装(
pip install mcp-agentskills) - ✅ 开箱即用：使用官方Skill格式，与完全兼容 Anthropic的代理技能
- ✅ MCP支持：多种传输（stdio/SSE/HTTP），可与任何兼容MCP的代理配合使用
- ✅ 灵活的技能路径：具有自动检测、解析和加载功能的自定义技能目录
🔥 最新动态
- [2025-12] 🎉 发布mcp代理技能v0.1.1
🚀 快速开始
安装
使用pip安装AgentSkills MCP：
pip install mcp-agentskills
或者使用紫外线：
uv pip install mcp-agentskills
For Development (if you want to modify the code):
git clone https://github.com/zouyingcao/agentskills-mcp.git
cd agentskills-mcp
conda create -n agentskills-mcp python==3.10
conda activate agentskills-mcp
pip install -e .
负载技能
- 创建一个目录来存储技能，例如：
mkdir skills
- 从开源GitHub存储库克隆，例如。，
https://github.com/anthropics/skills
https://github.com/ComposioHQ/awesome-claude-skills
- 将收集到的技能添加到步骤1中创建的目录中。每个技能都是一个包含Skill.md文件的文件夹。
跑
Local process communication (stdio)
This mode runs AgentSkills MCP via uvx and communicates through stdin/stdout, suitable for local MCP clients.
{
"mcpServers": {
"agentskills-mcp": {
"command": "uvx",
"args": [
"agentskills-mcp",
"config=default",
"mcp.transport=stdio",
"metadata.skill_dir=\"./skills\""
],
"env": {
"FLOW_LLM_API_KEY": "xxx",
"FLOW_LLM_BASE_URL": "https://dashscope.aliyuncs.com/compatible-mode/v1"
}
}
}
}
Remote communication (SSE/HTTP Server)
This mode runs AgentSkills MCP as a standalone SSE/HTTP server that can be accessed remotely.
-第一步： 配置环境变量
复制 example.env 到 .env 并填写您的API密钥：
cp example.env .env
# Edit the .env file and fill in your API key
-第二步： 启动服务器
使用SSE传输启动AgentSkills MCP服务器：
agentskills-mcp \
config=default \
mcp.transport=sse \
mcp.host=0.0.0.0 \
mcp.port=8001 \
metadata.skill_dir="./skills"
该服务将在以下地点提供： http://0.0.0.0:8001/sse
-步骤3： 从MCP客户端连接
- 将此配置添加到您的MCP客户端（Cursor、Gemini Code、Cline等）以连接到远程SSE服务器：
{
"mcpServers": {
"agentskills-mcp": {
"type": "sse",
"url": "http://0.0.0.0:8001/sse"
}
}
}
- 你也可以使用 FastMCP Python客户端直接访问服务器：
import asyncio
from fastmcp import Client
async def main():
async with Client("http://0.0.0.0:8001/sse") as client:
tools = await client.list_tools()
for tool in tools:
print(tool)
result = await client.call_tool(
name="load_skill",
arguments={
"skill_name"="pdf"
}
)
print(result)
asyncio.run(main())
一个命令测试
This command will start the server, connect via FastMCP client, and test all available tools automatically.
python tests/run_project_sse.py <path/to/skills>
or
python tests/run_project_http.py <path/to/skills>
演示
使用SSE传输启动AgentSkills MCP服务器后，您可以运行演示：
# Enable Agent Skills for the Qwen model.
# Since Qwen supports function calling, you can implement Agent Skills by passing the MCP tools registered by the AgentSkills MCP service to the tools parameter.
cd tests
python run_skill_agent.py
🔧 MCP工具
此服务提供四种工具来支持代理技能：
- load_skill_metadata_op --在启动时将所有技能的名称和描述加载到代理上下文中（始终调用）
- load_skill_op --当需要特定技能时，按技能名称加载skill.md内容（在触发技能时调用）
- read_reference_file_op --从技能中读取特定文件，如脚本或参考文档（按需）
- run_shell_command_op --执行shell命令以运行技能中包含的可执行脚本（按需）
有关详细的参数和使用示例，请参阅 文档.
⚙️ 服务器配置参数
| 参数 | 说明 | 示例 |
|---|---|---|
config |
要加载的配置文件（逗号分隔）。违约： default （核心工作流程） |
config=default |
mcp.transport |
运输方式： stdio （stdin/stdout，适用于本地）， sse （服务器发送事件，适用于在线应用程序）， http （RESTful，适合轻量级远程调用） |
mcp.transport=stdio |
mcp.host |
主机地址（仅用于sse/http传输） | mcp.host=0.0.0.0 |
mcp.port |
端口号（仅适用于sse/http传输） | mcp.port=8001 |
metadata.skill_dir |
技能目录（必填） | metadata.skill_dir=./skills |
有关全套可用选项和默认值，请参阅 default.yaml.
环境变量
| 变量名称 | 必填 | 描述 |
|---|---|---|
FLOW_LLM_API_KEY |
✅ 是 | OpenAI兼容LLM服务的API密钥 |
FLOW_LLM_BASE_URL |
✅ 是 | OpenAI兼容LLM服务的基本URL |
🤝 贡献
我们欢迎社区捐款！开始：
- 在开发模式下安装软件包：
pip install -e .
- 安装预提交挂钩：
pip install pre-commit
pre-commit run --all-files
- 提交一个包含您的更改的拉取请求。
📚 了解更多
⚖️ 许可证
此项目在Apache License 2.0下获得许可——请参阅 许可证 了解详情。
