Agent Skill / MCP 日报 - 2026-11-04 08:00 to 2026-11-05 08:00

发表于 分类于 ，

共 10 条资讯

📰 正文文章（共 9 篇）

📡 🔥 Skill/MCP 腰部热门（5 条）

motock/fagan

Fagan 是一个 MCP 原生的自主 SDLC 流水线，用前沿模型做规划/审查、本地模型做实现，以 $20/月预算实现工程纪律，是低成本 Agent 编码实践的值得关注案例。

✍️ motock

要点

  • 3-4 个关键信息：
  • 技术亮点：MCP 原生架构，前沿模型（plan/review）与本地模型（implement）分工协作，内置 TDD 与 code-review 工程纪律
  • 应用场景：面向预算有限的独立开发者，用 Ollama 本地模型承担代码实现，大幅降低 token 成本，同时保持代码质量门槛
  • 社区趋势：星标仅 5，极早期项目，但方向契合 Agent 工程中「模型分级 + 成本控制」的实践热点，值得追踪验证
  • 上手门槛：Python 实现，依赖 Claude Code 与 Ollama，对 Agent 新手有可复现的参考价值，但成熟度低、需自行踩坑

⭐ 8.0 · 必读
💡 你是 Agent 新手，这个低成本模型分级 SDLC 流水线可直接上手学习，但项目极早期、需自行验证，值得关注
· 相关性 4: Agent 编码工程实践，模型分级+成本控制正是你补齐 Agent 工程的方向，值得看
· 重要性 3: 可复现的低成本方案，但项目极早期、成熟度低，实践价值待验证

swordfish444/BurnZombies

这是一个 Mac 菜单栏工具，用于自动清理 Claude Code、Codex、Cursor 等 AI 编码 Agent 运行后残留的僵尸进程、过期 worktree 和 node_modules，值得关注的是它解决了 Agent 长时间运行后的系统资源泄漏问题。

✍️ swordfish444

要点

  • 3-4 个关键信息：
  • 技术亮点：Swift 原生开发，每 15 分钟自动巡检，清理前先备份，安全兜底设计；覆盖僵尸进程、stale worktrees、node_modules 三类 Agent 残留物
  • 应用场景：长期运行 Claude Code / Codex / Cursor 的开发者，解决磁盘被 node_modules 塞满、进程残留、git worktree 堆积等实际痛点
  • 社区趋势：⭐ 0，全新项目，无社区验证；但 Agent 运行残留清理是真实存在的工程痛点，类似工具（如 claude-code-cleanup）正在出现
  • 注意：项目未标注 MCP Server 实现，tags 中虽有 mcp/model-context-protocol 但 README 未展示 MCP 集成细节，实际能力以菜单栏 App 为主

⭐ 6.0 · 选读
💡 你是 Agent 新手，这个工具解决的是 Agent 运行残留清理的真实痛点，但项目太新（0 star）且功能偏运维辅助，可观望不必深究
· 相关性 3: Agent 运行残留清理是你在实践中会遇到的真实问题，工具定位直接相关，值得了解
· 时效性 3: AI 编码 Agent 普及后残留清理需求正在出现，当下有实际参考意义

Jack-Liang/sap-for-agents

这是一个将 SAP 企业系统的 RFC/BAPI 接口封装为 REST API 的 Rust 网关，专为 AI Agent 调用 SAP 设计，属于企业级 Agent 工具连接器。

✍️ Jack-Liang

要点

  • 技术亮点：Rust 实现，通过 SAP NWRFC 库将 RFC/BAPI、表读取、ST22 dump 诊断、ABAP 代码编辑等能力暴露为纯 HTTP REST 接口，Agent 无需 SAP 协议栈即可调用
  • 应用场景：面向需要让 AI Agent 操作 SAP 系统的企业场景，如让 Agent 查询 SAP 表数据、调用业务函数、排查 ABAP dump、辅助代码维护
  • 社区趋势：仅 17 星，非常早期的小众项目，作者个人探索性质，尚未形成社区验证或采用
  • 局限：SAP 生态高度封闭，Agent 操作 SAP 的需求集中在大型企业，且 NWRFC 依赖 SAP 专有库，部署门槛高，对通用 Agent 开发者参考价值有限

⭐ 未评分

ThomasCrouzet/mcp-grand-lyon

本地只读 MCP Server，聚合里昂大都会开放数据（公交/共享单车/停车/交通）为 10 个业务工具，适合作为 MCP 入门参考。

✍️ ThomasCrouzet

要点

  • 技术亮点：Go 实现、stdio 传输、只读设计，10 个业务工具覆盖 TCL、Vélo’v、停车、交通四类开放数据
  • 应用场景：让 Claude 等 Agent 查询里昂实时公交、共享单车、停车场、交通状况
  • 社区趋势：0 star 个人项目，未验证可用性，结构简单可作 MCP Server 最小实现参考

⭐ 未评分

📡 🎯 Skill/MCP 每日精选（5 条）

langgenius/dify

Dify 是目前最主流的开源 LLM 应用开发平台之一，以可视化方式搭建 Agent 工作流、RAG 管道与工具调用，是 Agent 新手快速上手工程实践的最佳入口之一。

✍️ langgenius

要点

  • 技术亮点：低代码/无代码可视化编排 Agentic Workflow 与 RAG Pipeline，内置丰富的模型接入（OpenAI、Claude、DeepSeek 等）与工具/MCP 支持，支持云、VPC、自托管多种部署方式，从原型到生产无需重构技术栈。
  • 应用场景：适合快速搭建客服机器人、知识库问答、数据分析助手、多步骤 Agent 自动化流程等，尤其适合想以最少代码量跑通完整 Agent 工作流的工程实践者。
  • 社区趋势：16 万+ Star 的头部开源项目，标签覆盖 agent、mcp、skills、workflow 等，生态活跃，是当前 Agent 工程化落地的事实标准之一。
  • 对你而言：作为 Agent 新手，Dify 是补齐工程实践短板的直接可上手工具，可视化编排降低入门门槛，同时底层架构也值得深入研读。

⭐ 10.0 · 必读
💡 你是 Agent 新手，Dify 是最主流开源 Agent 工作流平台，可视化上手快且工程价值高，值得看
· 相关性 4: 你是 Agent 新手，Dify 直接补齐 Agent 工作流/RAG 工程实践短板，高度契合，值得看
· 重要性 4: 可立即上手搭建 Agent 工作流与 RAG，对新手工程落地价值极高

MCPJam/inspector

MCP 生态的调试与评测平台，可聊天、检查、调试 MCP server/app 及 ChatGPT app，是 Agent 新手上手 MCP 开发时的实用工具。

✍️ MCPJam

要点

  • 技术亮点：集成 MCP Inspector、聊天调试界面、eval 评测与 CI/CD 支持，覆盖 MCP server 从开发到测试的完整链路
  • 应用场景：调试自建 MCP server、验证 MCP 工具调用链路、对 MCP app 做自动化评测与回归
  • 社区趋势：MCP 生态持续升温，调试/评测类基础设施正成为刚需，该仓库 2.3k star 且标签覆盖 anthropic/openai 双生态
  • 上手价值：TypeScript 实现，对后端/算法背景的 Agent 新手友好，可直接用于排查自己搭建的 MCP 工具

⭐ 9.5 · 必读
💡 你是 Agent 新手，这是 MCP 调试与评测的实用开源工具，可直接上手排查自建 MCP server，值得看
· 相关性 4: MCP 调试/评测工具直接服务于你的 Agent 工程实践入门，与补齐短板高度契合
· 重要性 4: 可落地的调试与评测能力，Agent 新手搭建 MCP server 时能直接用于排查问题

labring/FastGPT

FastGPT 是基于大模型的知识库问答平台，提供数据处理、RAG 检索和可视化工作流编排，让你无需复杂配置即可开发部署问答系统，是 Agent 新手学习 RAG 与工作流编排的优秀开源项目。

✍️ labring

要点

  • 可视化 AI 工作流编排，支持拖拽式构建复杂问答流程，降低 Agent 工程入门门槛
  • 内置完整 RAG 能力：数据处理、向量检索、知识库管理，开箱即用
  • 支持多家大模型（OpenAI、DeepSeek、Qwen、Claude）和 MCP 协议集成，技术栈紧跟 Agent 生态
  • GitHub 近 3 万星标，社区活跃，TypeScript/Next.js 技术栈适合后端工程师上手

⭐ 9.0 · 必读
💡 你是 Agent 新手，FastGPT 提供开箱即用的 RAG 与工作流编排实践，可直接上手学习，值得看
· 相关性 4: Agent 开源项目，直接覆盖 RAG、工作流编排等 Agent 新手核心学习需求，值得看
· 重要性 4: 可本地部署、可视化编排，Agent 新手能直接上手实践，工程价值高

macro-inc/macro

Macro 是一个用 Rust 构建的一体化团队工作空间，将邮件、聊天、文档、任务、Agent 和 CRM 通过共享 AI 记忆 @-链接打通，值得关注其 Agent 记忆与多应用集成的工程实现。

✍️ macro-inc

要点

  • 技术亮点：Rust 后端 + TypeScript 前端，原生集成 MCP 协议，以“共享 AI 记忆”为核心串联所有工作流，Agent 可跨邮件/聊天/文档/任务上下文执行操作
  • 应用场景：替代 Slack + Notion + Linear + 邮件客户端 + CRM 的碎片化组合，适合小型团队或初创公司作为统一协作入口，Agent 可在同一上下文内完成跨应用任务
  • 社区趋势：6.1k 星标，Rust 生态中少见的“全栈工作空间 + Agent”项目，标签覆盖 mcp、ai-agents、slack-alternative，表明其定位是 Agent 时代的协作工具
  • 与读者关联：作为 Agent 新手，可重点学习其“共享 AI 记忆”设计、MCP 集成方式及 Rust 构建 Agent 工作空间的工程架构，是可直接研究源码的落地案例

⭐ 8.5 · 必读
💡 Agent 记忆 + 多应用集成的开源工作空间，你是 Agent 新手可直接研究其 MCP 集成与共享记忆架构，值得看
· 相关性 4: Agent 记忆、MCP 集成、多应用协作正是你补齐 Agent 工程实践需要的方向，直接契合
· 一手性 4: 官方开源一手项目，非转载或复读

ModernRelay/omnigraph

omnigraph 是一个以对象存储为原生底层的图数据库，支持分支与类型化本体，值得关注它把知识图谱、数据湖与 MCP 协议结合的做法。

✍️ ModernRelay

要点

  • 技术亮点：基于 Rust + Apache Arrow/DataFusion/Lance 构建，图数据原生存于对象存储（S3/lakehouse），支持分支（branching）与版本化，类似 Git 的图数据管理方式
  • 应用场景：可作 Agent 的 context-graph / knowledge-graph 后端，且带 MCP 标签，暗示可作为 MCP Server 为 Agent 提供可查询、可版本化的图谱上下文
  • 社区趋势：约 1.9k 星，Rust 生态项目，属于较早期但方向新颖的小众项目，活跃度需进一步观察
  • 对读者价值：Agent 方向新手若想落地「可版本化知识图谱 + MCP 工具」的工程实践，此项目是少见的整合样本

⭐ 7.5 · 选读
💡 你在补 Agent 工程实践，这个把知识图谱、对象存储与 MCP 结合的项目可作为少见样本参考，但非主流路线，建议快速了解即可
· 相关性 3: 带 MCP 标签且面向知识图谱/上下文，与你 Agent 工程实践直接相关，但图数据库本身偏数据侧，非纯 Agent 核心
· 重要性 3: 可作 Agent 知识库/上下文后端的可落地选项，但项目较早期，对你 Agent 新手的上手价值中等

📋 本期低分略读（共 1 篇）

📋 🔥 Skill/MCP 腰部热门（低分 1 篇）

  • slubbles/explanimate ⭐ 4.5 - 将任意仓库/文章/主题自动生成白板讲解视频的 MCP 工具，基于 Meta Muse 模型，属于 Agent 内容生成能力的创新应用。
    • 💡 极早期 MCP 视频生成工具，依赖 Meta Muse 模型且未经验证，对你的 Agent 工程实践参考价值有限，可跳过
    • 依据·相关性 2: 属于 Agent 工具但偏内容生成应用，与你的 Agent 工程实践核心需求关联较弱
    • 依据·信息密度 2: README 信息量少，对你可吸收的有效内容有限

📊 来源说明

分类 数量
📥 总抓取 10
✅ 已收录 10
⭐ 必读（≥8） 5
📖 选读（6–8） 2
📋 其他（<6） 1
❓ 未打分 2
🚫 无关未收录 0

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11月05日