Agent Skill / MCP 日报 - 2026-07-23 08:00 to 2026-07-24 08:00

发表于 分类于 ，

共 10 条资讯

📰 正文文章（共 10 篇）

📡 🔥 Skill/MCP 腰部热门（5 条）

dannymaaz/memory-mcp

⭐ 7.5 · 推荐

相关性 4: Agent 记忆机制是 Agent 工程实践核心，你作为 Agent 新手直接需要这类可上手项目
重要性 3: 代码量小、可拆解学习，对理解 MCP Server 和记忆落地有实操价值

一个基于 MCP 协议的持久化项目记忆服务器，让 AI 编程助手（Claude Code、Codex 等）跨会话记住项目上下文，对 Agent 新手理解“记忆”工程实践有直接参考价值。

✍️ dannymaaz

要点

  • 3-4 个关键信息（必须分成 3-4 行，每行以 - 开头，不要合并成一条）：
  • 技术亮点：用 Supabase 做持久化存储，通过 MCP 协议暴露记忆接口，AI 助手可写入/检索项目知识，实现跨会话记忆
  • 应用场景：配合 Claude Code、Codex、OpenCode 等 AI 编程工具使用，让 Agent 记住项目架构、开发规范、踩坑经验，避免每次重复解释
  • 社区趋势：MCP 记忆类项目是 Agent 工程的热门方向，该项目星标虽少但直接对标 Cursor Rules 等需求，社区关注度在上升
  • 上手价值：Python 实现、代码量小，适合 Agent 新手拆解学习 MCP Server 开发与记忆机制落地

aayambansal/companybrain

⭐ 7.5 · 推荐

相关性 4: 你是 Agent 新手，这个项目直接展示 Agent 记忆层+MCP 的工程实现，契合你的学习需求，值得看
重要性 3: 可上手实践，但项目极早期，文档和案例不够丰富，对 Agent 新手的可操作性中等

CompanyBrain 是一个面向企业场景的开源记忆层，可将公司所有数据索引为语义知识库，并通过 MCP 协议让 LLM 按需召回，适合 Agent 新手理解“记忆+检索”的工程落地。

✍️ aayambansal

要点

  • 3-4 个关键信息（必须分成 3-4 行，每行以 - 开头，不要合并成一条）：
  • 技术亮点：PostgreSQL + pgvector 自托管向量存储，用 MCP 协议暴露检索接口，LLM 可直接通过 MCP 客户端调用，架构清晰适合学习 Agent 记忆层设计
  • 应用场景：企业内部知识库、文档语义搜索、Agent 上下文增强——把散落的公司数据变成 LLM 可查询的记忆，支持自部署保证数据主权
  • 社区趋势：项目极早期（0 star），但“记忆层”是 Agent 工程的关键短板，结合 MCP 生态有潜力，可关注其后续演进

electerm/electerm

⭐ 7.0 · 推荐

相关性 3: 集成了 MCP 协议，可作为 Agent 工具直接调用远程终端，与你的 Agent 工程实践目标相关
重要性 3: 作为 Agent 连接服务器的工具，对 Agent 新手有实际工程价值，可直接上手使用

这是一个跨平台多功能远程连接终端工具，集成了 MCP 协议支持，可作为 Agent 与服务器/设备交互的统一入口。

✍️ electerm

要点

  • 技术亮点：基于 Electron 构建，支持 SSH/SFTP/RDP/VNC/串口等十余种协议，并原生集成 MCP（Model Context Protocol）支持，可被 AI Agent 直接调用
  • 应用场景：运维工程师和开发者可用它统一管理服务器、网络设备、虚拟机等远程连接，并作为 Agent 工具让 AI 自动执行远程命令和文件传输
  • 社区趋势：GitHub 14.5k Star，持续活跃维护，标签中包含 mcp/ai，表明项目在主动拥抱 AI Agent 生态

brianonbased-dev/HoloScript

⭐ 6.5 · 一般

相关性 3: 你是 Agent 新手，项目涉及 MCP Server 和多 Agent 协作，方向契合，但空间计算/机器人部分超出你当前重点
时效性 3: 空间智能与 Agent 结合是前沿方向，但项目成熟度低，当下对你价值有限

HoloScript 是一个面向空间计算和 AI Agent 的语义层编译器，旨在让开发者编写一次代码即可在 VR、机器人、Web 和游戏等多平台运行，值得关注其将 MCP 协议引入空间智能与多 Agent 协作的尝试。

✍️ brianonbased-dev

要点

  • 技术亮点：定义了一套专用于空间计算的语义语言和编译器，支持将同一份代码编译到 WebGPU/WebXR、ROS2 等不同运行时，并集成了高斯泼溅、知识图谱和 MCP Server。
  • 应用场景：数字孪生、机器人仿真、多 Agent 空间协作、VR/AR 应用开发，试图成为空间智能领域的“统一语言”。
  • 社区趋势：项目极早期（4 星），概念宏大但代码成熟度未知；空间计算与 AI Agent 的交叉是前沿方向，但落地难度高。

linny006/mcp-servers-live

⭐ 5.5 · 一般

相关性 3: MCP 索引直接服务于 Agent 工具发现，你是 Agent 新手，可作为工具查找入口，但仅索引非实践教程
时效性 3: MCP 生态当下热点，自动更新保证时效性，与你当前补齐 Agent 实践的目标契合

这是一个自动更新的 MCP Server 索引聚合器，每 15 分钟抓取 GitHub 上最新发布的 MCP 服务器并汇总成列表，是 Agent 新手快速发现可复用工具的高效入口。

✍️ linny006

要点

  • 技术亮点：通过 GitHub Actions 定时爬取并自动更新，无需手动维护，保证列表的实时性和覆盖面
  • 应用场景：Agent 开发者在构建智能体时，可快速检索已有 MCP Server 并集成，避免重复造轮子
  • 社区趋势：MCP 生态正处于爆发期，此类聚合索引项目降低了发现成本，是新手进入 MCP 实践的捷径
  • 注意点：项目本身不提供 MCP 工具，仅做索引聚合，Star 数较低（3），信息密度有限

📡 🎯 Skill/MCP 每日精选（5 条）

yvgude/lean-ctx

⭐ 9.0 · 必读

相关性 4: 你是 Agent 新手，这是可直接使用的上下文管理工具，76 个 MCP 工具+Token 优化直击 Agent 工程实践痛点，值得看
重要性 4: 可落地、可复现，Agent 新手能直接上手减少 Token 成本，工程价值高

LeanCTX 是一个本地优先的 AI Agent 上下文智能层，通过单个 Rust 二进制文件精确控制 AI 的可见信息，实现 60-90% 的 Token 节省，是 Agent 工程中上下文管理的实用工具。

✍️ yvgude

要点

  • 3-4 个关键信息（必须分成 3-4 行，每行以 - 开头，不要合并成一条）：
  • 技术亮点：76 个 MCP 工具集成、30+ Agent 支持，用 Rust 实现本地优先的上下文过滤、记忆和权限控制，直接减少 Token 消耗
  • 应用场景：为 Claude Code、Cursor、Copilot 等 AI 编码工具提供上下文智能层，控制 Agent 读取范围、记住学习内容、守卫文件操作
  • 社区趋势：3.3k 星标且持续增长，上下文工程（Context Engineering）正成为 Agent 开发的新焦点，该项目切中 Token 成本优化这一开发者刚需

PlanExeOrg/PlanExe

⭐ 8.0 · 推荐

相关性 4: 你是Agent新手，这个项目直接演示了Agent规划能力的工程实现，契合你补齐Agent工程实践的目标，值得看
重要性 3: 提供了可运行的规划模块实例，对理解Agent架构有实操价值，但项目成熟度尚低，直接复用到生产还需验证

PlanExe 是一个将自然语言描述自动转换为结构化执行计划的 AI 规划工具，值得关注的是它尝试将大模型与传统符号化规划（PDDL）结合，为 Agent 的“规划”能力提供了可落地的工程方案。

✍️ PlanExeOrg

要点

  • 技术亮点：融合大模型（支持 Ollama/OpenRouter）与经典规划算法（PDDL），将模糊描述转化为可执行的步骤，并输出为 MCP Server，可直接被其他 Agent 调用
  • 应用场景：项目管理（PMBOK）、任务分解、自动化工作流设计，适合需要从“想法”到“计划”快速原型验证的工程场景
  • 社区趋势：项目处于早期（390星），但标签覆盖 agi、ai-planning、mcp 等前沿方向，反映了社区对“可工程化的 Agent 规划能力”的探索热情
  • 上手价值：对 Agent 新手而言，它是理解“规划模块”如何落地的具体实例，代码结构清晰（Python），可作为学习 Agent 架构中规划层的参考

agentic-community/mcp-gateway-registry

⭐ 8.0 · 推荐

相关性 4: MCP 工具治理是 Agent 工程实践的核心环节，你作为 Agent 新手直接需要这类生产级工具管控方案
重要性 3: 提供可部署的网关方案，让你理解企业级 MCP 治理，但项目尚早期，直接上手价值中等

企业级 MCP 网关与注册中心，用 OAuth 统一管控散乱的 MCP Server，对 Agent 新手理解生产级工具治理很有价值。

✍️ agentic-community

要点

  • 把多个 MCP Server 收敛到单一网关，提供统一认证（Keycloak/Entra ID）、动态工具发现和审计日志，解决工具散乱和安全失控问题
  • 支持 OAuth2 鉴权，Agent 调用工具时无需各自处理认证，适合企业内多个 AI Agent 和编码助手共用工具的场景
  • 提供 Terraform 部署模板，可一键部署到 AWS ECS Fargate，后端用 MongoDB/DocumentDB 存储注册信息
  • 项目处于早期阶段（不到 1k 星标），但概念契合 Agent 工具治理的痛点，值得持续关注其成熟度

hi-godot/godot-ai

⭐ 6.0 · 一般

时效性 3: MCP 生态扩展是当下热点，但游戏引擎细分方向与你关联度不高
一手性 3: 官方开源一手项目，非转载

为 Godot 游戏引擎提供生产级 MCP 服务器与 AI 工具，一键安装免费，让 AI 助手能直接操控和生成 Godot 项目，是 Agent 在游戏开发领域的实用集成。

✍️ hi-godot

要点

  • 技术亮点：基于 MCP 协议将 AI 助手与 Godot 编辑器深度打通，支持场景创建、脚本生成、资源管理等引擎内操作
  • 应用场景：游戏开发者用 Claude、Copilot 等 AI 工具直接生成和修改 Godot 项目，加速原型开发与迭代
  • 社区趋势：1178 星标快速增长，填补了 Godot 生态中 AI 工具链的空白，开源社区活跃参与
  • 局限性：聚焦 Godot 引擎专用，通用 Agent 工具开发参考价值有限，更适合游戏开发方向

CoderGamester/mcp-unity

⭐ 6.0 · 一般

时效性 3: MCP 生态扩展是当下热点，Unity 集成有时效性
一手性 3: 社区驱动的 MCP 集成一手项目

这是一个让 AI 编程助手（Cursor/Claude Code 等）直接操控 Unity 编辑器的 MCP 插件，值得关注的是它展示了 MCP 协议在游戏引擎领域的工程化集成实践。

✍️ CoderGamester

要点

  • 技术亮点：通过 MCP 协议桥接 AI 编程助手与 Unity Editor，支持场景操作、资源管理、脚本编辑等游戏开发工作流，实现了非 Web 原生应用的 MCP 集成范例
  • 应用场景：游戏开发者可在 Cursor/Claude Code 中通过自然语言直接操控 Unity 编辑器，加速游戏原型开发、场景搭建与调试
  • 社区趋势：1.8k+ 星标表明游戏开发社区对 AI 辅助游戏开发有强烈需求，MCP 协议正在向 IDE 之外的专业工具生态扩展

📊 来源说明

成功收录

  • agent_skills（10 篇）：抓取 10 → 收录 10

本文由 AI 日报系统自动生成 · 2026年07月24日