skill-creator-mcp 0.3.3

Agent-Skills 开发与质量保证 MCP Server

Skill Creator MCP Server

[ [

Agent-Skills 开发与质量保证 MCP Server。

📖 文档导航

快速导航

• 文档索引 - 📚 完整的文档导航和快速开始指南
• 配置参数参考 - ⚙️ 所有环境变量的完整参考

安装与配置

• 安装指南 - 安装步骤和配置指南
• IDE 配置示例 - Claude Desktop/Cursor/Continue.dev 等配置
• Claude Code 配置指南 - Claude Code CLI 完整配置
• SSE 配置指南 - SSE 远程模式详细配置

---

开发状态

🚧 项目正在开发中

当前版本：v0.3.3

这是 Skill-Creator 项目的 MCP Server 组件，提供创建、验证、分析和重构 Agent-Skills 的工具。

特性

核心开发工具（7个）

• ✅ collect_requirements - AI 驱动的需求澄清工具（支持会话恢复）
• ✅ init_skill - 初始化新的 Agent-Skill 项目（支持 4 种模板）
• ✅ validate_skill - 验证技能结构和内容规范
• ✅ analyze_skill - 分析代码质量和复杂度
• ✅ refactor_skill - 重构建议生成（P0/P1/P2 优先级）
• ✅ package_skill - 打包发布工具（zip/tar.gz/tar.bz2）
• ✅ package_agent_skill - Agent-Skill 标准打包（推荐，支持版本号）

批量操作（2个）

• ✅ batch_validate_skills_tool - 批量验证多个 Agent-Skill
• ✅ batch_analyze_skills_tool - 批量分析多个 Agent-Skill

健康检查（3个）

• ✅ health_check_tool - 完整健康检查
• ✅ quick_status_tool - 快速状态摘要
• ✅ is_healthy_tool - 快速健康检查

Phase 0 验证工具（5个）

• ✅ check_client_capabilities - 检测 MCP 客户端能力支持情况
• ✅ test_llm_sampling - 测试 LLM Sampling 能力
• ✅ test_user_elicitation - 测试用户征询能力
• ✅ test_conversation_loop - 测试对话循环和状态管理能力
• ✅ test_requirement_completeness - 测试需求完整性判断能力

技能模板

模板类型	描述	适用场景
minimal	最小化模板	简单工具封装
tool-based	工具集成模板	封装现有工具
workflow-based	工作流模板	多步骤流程
analyzer-based	分析器模板	代码分析

注：✅ 已实现 | 🚧 开发中

---

🚀 5分钟快速开始

方式A：全局安装（推荐，简单）

1. 安装

# 使用 pip 或 uv pip 全局安装
pip install skill-creator-mcp
# 或
uv pip install skill-creator-mcp

2. 配置 Claude Code

选项1：使用 claude mcp add（简单）

claude mcp add skill-creator stdio python -m skill_creator_mcp --scope user

选项2：使用 claude mcp add-json（推荐）

claude mcp add-json "skill-creator" '{
  "command": "python",
  "args": ["-m", "skill_creator_mcp"]
}' --scope user

选项3：手动编辑配置文件

编辑 ~/.config/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "skill-creator": {
      "command": "python",
      "args": ["-m", "skill_creator_mcp"]
    }
  }
}

3. 验证

在 Claude Code 中输入：

使用 skill-creator MCP 工具初始化一个名为 "my-skill" 的技能

---

方式B：源码开发（仅限贡献者）

1. 克隆并安装

# 克隆仓库
git clone https://github.com/GeerMrc/Skills-Creator.git
cd Skills-Creator/skill-creator-mcp

# 安装依赖
uv sync --dev

2. 配置 Claude Code

编辑 ~/.config/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "skill-creator": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/Skills-Creator/skill-creator-mcp",
        "run",
        "python",
        "-m",
        "skill_creator_mcp"
      ]
    }
  }
}

3. 验证

同方式A

---

下一步

• 📖 阅读 文档索引 了解完整功能
• 🔧 查看 配置参数参考 自定义配置
• 📘 查看 MCP 配置说明 了解详细配置选项

---

配置

⚠️ 重要：根据安装方式选择配置

您是如何安装的？

安装方式	推荐配置	复杂度
pip / uv pip / PyPI	全局安装配置	⭐ 简单
克隆源码仓库	源码开发配置	⭐⭐⭐ 复杂

---

全局安装配置（推荐）

安装：

pip install skill-creator-mcp
# 或
uv pip install skill-creator-mcp

配置：

{
  "mcpServers": {
    "skill-creator": {
      "command": "python",
      "args": ["-m", "skill_creator_mcp"]
    }
  }
}

---

源码开发配置

仅限贡献者/开发者：需要克隆仓库并运行 uv sync

配置 A：使用 uv --directory

{
  "mcpServers": {
    "skill-creator": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/Skills-Creator/skill-creator-mcp",
        "run",
        "python",
        "-m",
        "skill_creator_mcp"
      ]
    }
  }
}

配置 B：使用 cwd

{
  "mcpServers": {
    "skill-creator": {
      "command": "python",
      "args": ["-m", "skill_creator_mcp"],
      "cwd": "/absolute/path/to/Skills-Creator/skill-creator-mcp"
    }
  }
}

📘 详细说明：查看 MCP 配置完整指南

环境变量配置（可选）

创建 .env 文件来自定义服务器行为：

# 复制模板
cp .env.example .env

# 编辑配置
vim .env

可用环境变量：

变量名	默认值	说明
SKILL_CREATOR_LOG_LEVEL	INFO	日志级别（DEBUG/INFO/WARNING/ERROR）
SKILL_CREATOR_LOG_FORMAT	text	日志格式（text/json）
SKILL_CREATOR_LOG_FILE	-	日志文件路径（可选）
SKILL_CREATOR_OUTPUT_DIR	.	默认输出目录（支持环境变量）
SKILL_CREATOR_MAX_RETRIES	3	最大重试次数
SKILL_CREATOR_TIMEOUT_SECONDS	30	超时时间（秒）

配置优先级：工具参数 > 环境变量 SKILL_CREATOR_OUTPUT_DIR > 默认值 .

使用

collect_requirements - 需求澄清

AI 驱动的对话式需求收集工具，支持会话状态管理。

参数：

• action (str): 执行动作（start/next/previous/status/complete）
• mode (str): 收集模式（basic/complete/brainstorm/progressive）
• session_id (str, 可选): 会话 ID（自动生成）
• user_input (str, 可选): 用户输入（用于 next/complete 动作）

收集模式：

• basic - 5 步基础收集（技能名称、功能、场景、模板、额外需求）
• complete - 10 步完整收集（基础 + 用户、技术栈、依赖、测试、文档）
• brainstorm - AI 引导的创意发散
• progressive - 快速开始，逐步完善

返回：

{
  "success": true,
  "session_id": "req_20250123_abc123",
  "action": "start",
  "mode": "basic",
  "current_step": {
    "key": "skill_name",
    "title": "技能名称",
    "prompt": "请输入技能名称..."
  },
  "step_index": 0,
  "total_steps": 5,
  "progress": 0.0,
  "answers": {},
  "message": "欢迎使用需求澄清工具！当前进度：0% (0/5)",
  "completed": false
}

init_skill - 初始化技能

创建新的 Agent-Skill 项目目录结构。

参数：

• name (str): 技能名称（小写字母、数字、连字符，1-64字符）
• template (str): 模板类型（minimal/tool-based/workflow-based/analyzer-based）
• output_dir (str): 输出目录路径（默认：.）
• with_scripts (bool): 是否包含示例脚本（默认：False）
• with_examples (bool): 是否包含使用示例（默认：False）

返回：

{
  "success": true,
  "skill_path": "/path/to/skill",
  "skill_name": "my-skill",
  "template_type": "tool-based",
  "message": "技能初始化成功"
}

validate_skill - 验证技能

验证 Agent-Skill 的结构和内容是否符合规范。

参数：

• skill_path (str): 技能目录路径
• check_structure (bool): 是否检查目录结构（默认：True）
• check_content (bool): 是否检查内容格式（默认：True）

返回：

{
  "success": true,
  "valid": true,
  "skill_path": "/path/to/skill",
  "skill_name": "my-skill",
  "template_type": "tool-based",
  "errors": [],
  "warnings": [],
  "checks": {
    "structure": true,
    "naming": true,
    "content": true,
    "template_requirements": true
  },
  "message": "验证通过"
}

analyze_skill - 分析技能

分析 Agent-Skill 的代码质量、复杂度和结构。

参数：

• skill_path (str): 技能目录路径
• analyze_structure (bool): 是否分析代码结构（默认：True）
• analyze_complexity (bool): 是否分析代码复杂度（默认：True）
• analyze_quality (bool): 是否分析代码质量（默认：True）

返回：

{
  "success": true,
  "skill_path": "/path/to/skill",
  "skill_name": "my-skill",
  "structure": {
    "total_files": 10,
    "total_lines": 500,
    "file_breakdown": {
      "server": 1,
      "models": 2,
      "utils": 3,
      "tests": 4
    }
  },
  "complexity": {
    "cyclomatic_complexity": 5,
    "maintainability_index": 85.5
  },
  "quality": {
    "overall_score": 75.0,
    "structure_score": 30.0,
    "documentation_score": 25.0,
    "test_coverage_score": 20.0
  },
  "suggestions": ["建议1", "建议2"],
  "summary": "代码质量良好..."
}

开发

# 运行环境检查
./scripts/check-env.sh

# 运行测试
uv run pytest

# 运行 lint
uv run ruff check .

# 运行类型检查
uv run mypy src/

# 启动服务器
uv run python -m skill_creator_mcp

许可证

MIT License

参考资源

• FastMCP GitHub
• MCP Python SDK