Agent Skill / MCP 日报 - 2026-11-11 08:00 to 2026-11-12 08:00

发表于 分类于 ，

共 10 条资讯

📰 正文文章（共 7 篇）

📡 🔥 Skill/MCP 腰部热门（5 条）

prbe-ai/research-os-agent

Probe Research 把「实验记录/追踪」做成了给编码 Agent 用的插件与技能（Claude Code / Codex / Cursor），外加一个只读 MCP Server，让 Agent 在动手前先查团队以前试过什么、避免重复踩坑——思路值得关注，但项目本身还很早期。

✍️ prbe-ai

要点

  • 技术亮点：核心不是又一个实验追踪 SaaS，而是「Agent 可读的实验记忆层」——通过 Claude Code plugin/skill + 只读 MCP server 把历史实验（含失败尝试）暴露给编码 Agent，让 Agent 在写训练/RL 代码前先检索「我们已经试过什么」，属于 MCP 场景里比较少见的「团队知识反哺 Agent」范式。
  • 应用场景：面向做 ML / RL 实验的团队，等价于「给 Agent 用的 wandb 替代品 + 检索接口」；典型用法是让 Cursor/Claude Code 在调参、改训练脚本时自动拉取过往 run 配置与结论，减少重复实验和幻觉式建议。
  • 社区趋势：仓库 0 star、且明确标注为 monorepo 的 CI 生成镜像（CI-generated mirror），说明主仓在别处、这里更像发布产物；厂商为不知名的 prbe-ai，无社区验证，属于「概念有意思但尚未被验证」的早期项目，建议观望后再评估是否接入。

⭐ 6.0 · 选读
💡 MCP + Claude Code 技能方向契合你的兴趣，但项目 0 star、镜像仓、厂商无验证，可先记下思路不必上手
· 相关性 3: 你是 Agent 新手且在关注 SKILL/MCP 工具，这个「只读 MCP + 编码 Agent 技能」正好在你的关注面上，但落在实验追踪这一较窄的 MLOps 场景
· 时效性 3: coding agent + MCP + skill 打包正是当下热点，方向对你不过时

prbe-ai/probe

Probe 是给编码型 Agent（Claude Code / Codex / Cursor）用的”实验记录”工具，通过插件、Skill 和一个只读 MCP Server，让 Agent 在动手前先查到团队已经试过什么、哪些方案失败过。

✍️ prbe-ai

要点

  • 技术亮点：把实验跟踪（experiment tracking，对标 W&B）从”人写 notebook”改造成”Agent 可读的上下文层”，形态上同时给出 Claude Code 插件、Codex/Cursor Skill 和只读 MCP Server 三种接入方式，是观察 MCP + Skill 双形态设计的现成样本
  • 应用场景：适合 ML/算法团队让编码 Agent 在改训练脚本、调超参前先检索历史实验结论，避免 Agent 反复重跑已被证伪的方案；对个人开发者场景偏重，价值取决于团队是否已有实验沉淀
  • 社区趋势：仓库 0 star、CI 生成的 monorepo 镜像（非主仓），处于极早期，尚无社区验证；tags 覆盖 mcp-server / claude-code-plugin / wandb-alternative，踩中了 MCP 工具化的热点但生态位未成立
  • 注意点：作为 Agent 新手，可借鉴其”插件 + Skill + MCP 三件套”的封装思路和只读 MCP 的安全设计，但项目成熟度低、不宜作为生产依赖

⭐ 6.0 · 选读
💡 MCP/Skill 形态的早期实验记录工具，你可借它看 MCP+Skill 封装思路，但 0 star 未验证，不必优先投入
· 相关性 3: MCP Server + Claude Code 插件，属于你正在补齐的 Agent 工具链方向，值得了解但非核心入门路径
· 时效性 3: MCP 与 Agent Skill 正是当下热点，设计思路对你当下有参考价值

Famous-Labs/deal-ai-mcp

Deal.ai 官方开源的 MCP Server，把「全美商店比价、追踪折扣、监控价格变动」封装成标准 MCP 工具，让 Claude、ChatGPT、Cursor、VS Code 等客户端直接调用，是一个典型的「垂直商业服务 → MCP 工具化」样例。

✍️ Famous-Labs

要点

  • 技术亮点：走的是标准 Model Context Protocol 的 remote MCP 路线，一次接入即可跨 Claude / ChatGPT / Cursor / VS Code 多客户端复用，可作为理解「如何把一个 REST 商业服务包装成 Agent 可调用工具」的最小可读参考实现。
  • 应用场景：面向真实购物比价、deal 检查与价格监控的消费场景；对你而言，其价值不在购物本身，而在于拆解它的 tool schema 定义、鉴权与多客户端接入方式——这是 Agent 新手补齐 MCP 工程实践的低门槛样本。
  • 社区趋势：★0、无 issue/PR 沉淀，属于厂商刚发布的引流型 MCP，尚未经过社区验证；MCP 生态当下正处于「每个 SaaS 都出一个官方 MCP」的爆发期，这类项目数量会快速膨胀，需注意甄别成熟度。
  • 风险提示：强依赖 Deal.ai 的私有商业 API（大概率需 API key、有调用配额），无法自行复现完整链路，学到的更多是接口形态而非可迁移的工程方法。

⭐ 6.0 · 选读
💡 MCP 封装形态可作入门样本，但 0 star 厂商引流项目、依赖私有 API，你只需扫一眼接口设计，不必投入
· 相关性 3: 它是 MCP Server，契合你补齐 SKILL/MCP 工具的方向，但购物比价领域本身与你的 Agent 工程目标无关
· 时效性 3: MCP 生态正在爆发期，当下了解这类官方 MCP 的形态对你有参考意义

📡 🎯 Skill/MCP 每日精选（5 条）

vitali87/code-graph-rag

一个把 monorepo 多语言代码库解析成知识图谱（tree-sitter + Memgraph）、再通过 MCP Server 暴露给 Claude Code 等 Agent 做查询/理解/改代码的开源项目，是「代码库级 RAG + MCP」的完整可跑样板。

✍️ vitali87

要点

  • 技术亮点：用 tree-sitter 做多语言 AST 解析，把函数/类/调用关系写入 Memgraph 图数据库，用图遍历替代传统向量切片检索，解决「跨文件调用链、依赖关系」这类纯 embedding RAG 答不准的问题；同时提供 CLI 与 MCP Server 两种接入方式。
  • 应用场景：接入 Claude Code / Cursor 等 Agent 后，可让 Agent 在大仓库里做「谁调用了这个函数」「改这个接口会影响哪些模块」的精准定位；也适合拿来当「如何自己写一个 MCP Server」的参考实现。
  • 工程代价：需要自建 Memgraph（Docker）、跑全量索引，首次建图耗时且对超大仓库内存有要求，属于「值得跑一遍但要评估成本」的工具。
  • 社区趋势：5.3k stars 且持续维护，标签覆盖 mcp-server / claude-code / knowledge-graph，正踩在「MCP 工具化 + 代码理解」两条热线上，是典型的 Agent 周边生态项目。

⭐ 8.5 · 必读
💡 代码库知识图谱 + MCP Server 的完整开源实现，你是 Agent 新手想搞懂「MCP 工具怎么写、代码 RAG 怎么做」，值得跑一遍
· 相关性 4: MCP Server + 代码理解，正是你要补齐的 Agent 工具化实践，直接契合
· 时效性 4: MCP、Claude Code、代码库级 Agent 都是当下热点，现在看正当时

Gentleman-Programming/gentle-ai

gentle-ai 是一个用 Go 写的「AI 编码 Agent 配置器」，它把 Claude Code、Cursor、Codex、OpenCode、Pi 等主流编码 Agent 的记忆、skills、MCP servers、personas 和代码评审流程一键装配好，卖点是不锁定任何单一 Agent 厂商——对正在补 Agent 工程实践的人来说，它相当于一份「别人的 Agent 工作流配置参考」。

✍️ Gentleman-Programming

要点

  • 技术亮点：核心价值在于把 Agent 的能力组合成可复用配置，并未只聚焦于训练模型——持久记忆(persistent-memory)、精选 skills 库、MCP server 接入、persona 切换、bounded review（受限范围的自动代码评审），且同一套配置可导出到多个 Agent 后端，天然避免了单一 Agent 工具生态的绑定问题。
  • 应用场景：适合你作为 Agent 新手时「照搬一套已有工作流」——先在 Claude Code / Cursor 上跑通带记忆 + MCP + 评审的完整闭环，再拆开看它的 skills 与 MCP 编排方式，反过来理解 Agent 工程里记忆层、工具层、评审层是怎么拼起来的；「Organic-Driven Development」这类自造概念建议当作工作流约定看待，不必当作方法论来学。
  • 社区趋势：8.8k star 的增速说明「跨 Agent 统一配置层」是一个真实痛点（每个 Agent 各有一套 skill/MCP 目录与配置格式，用户被迫为每个 Agent 重复配置一遍），这类「Agent 配置与技能分发层」项目近期明显增多，值得放进观察列表，跟一跟它如何跨 Agent 抽象配置格式。
  • 风险提示：这类项目本质是配置脚手架 + 观点封装，代码壁垒不高，容易随上游 Agent 的配置规范变化而失效；阅读时重点看它的 skills/MCP 组织结构和 review 流程设计，不要只看它列出的「curated 清单」。

⭐ 8.5 · 必读
💡 Agent 编码工作流的可复用配置脚手架，你是 Agent 新手可照搬跑通记忆+MCP+评审闭环，值得看但要挑架构看而非清单
· 相关性 4: Agent skills/MCP/编码 Agent 工作流，正对你补齐 Agent 工程实践的方向，值得看
· 时效性 4: 跨 Agent 统一配置是当下 AI 编码的真实痛点，现在看正当时

agentes-chat/agentes-chat

自托管开源 Slack 替代品，让团队成员在同一个频道或 DM 里与 AI Agent 协作，每个 Agent 都能接入 MCP 工具、浏览器、电脑操作和审批机制，是一个值得关注的“人机协作工作台”。

✍️ agentes-chat

要点

  • 技术亮点：Agent 层支持 Claude、ChatGPT/Codex、Gemini、Grok 多模型切换，内置 MCP 工具调用、独立电脑与浏览器、routine 定时任务、memory 长期记忆和 human-in-the-loop 审批环节，整套系统用 Docker Compose + Postgres 自托管，隐私可控。
  • 应用场景：适合小团队直接用现成产品体验“Agent 进群办公”，也适合 Agent 新手把它当作学习样本，观察多 Agent 协作、MCP 接入和审批机制如何落地。
  • 社区趋势：目前有 133 星、TypeScript 编写、以 AGPL 开源，属于起步阶段项目；但“自托管 + 多模型 + MCP + 人机同群”这一组合正好符合当下 Agent 工程实践热点，值得先关注、持续观察。

⭐ 8.0 · 必读
💡 这是 Agent 人机协作的开源项目；作为 Agent 新手，你可以通过读代码、做本地部署来补齐 MCP 与多 Agent 工程实践，值得看
· 相关性 4: Agent 多模型 + MCP 工具 + 审批机制的开源项目，正对应你 Agent 工程入门需要补齐的方向，值得看
· 重要性 3: 可通过 Docker Compose 一键部署并阅读源码，但你主要收获是学习参考，项目中真正可复用的方法还要自己提炼

harness/mcp-server

Harness（企业级 CI/CD 与软件交付平台）官方开源的 MCP Server，让 Agent 能直接调用 Harness 的流水线、部署、审批等 DevOps 能力，是「垂直平台官方出 MCP」这一趋势的典型案例。

✍️ harness

要点

  • 技术亮点：TypeScript 实现的官方 MCP Server，把 Harness 平台的 CI/CD 流水线、部署、环境、审批等 API 封装为 MCP 工具，供 Claude Desktop、Cursor 等支持 MCP 的客户端直接调用，可作为「如何为企业内部系统编写 MCP Server」的参考样例。
  • 应用场景：主要面向已经在用 Harness 做持续交付的团队，用 Agent 做流水线查询、触发构建、查看部署状态等运维操作；对个人开发者而言，它只能作为阅读架构和工具定义写法的学习材料。
  • 社区趋势：114 星规模偏小，说明受众被 Harness 用户群限制；但「SaaS 厂商官方发布 MCP Server」正在成为标准动作，Harness 之后 Datadog、Sentry 等也做过类似工作，值得关注这一模式，而非这个具体仓库。
  • 上手门槛：必须拥有 Harness 账号与 API Key，并配置企业级项目空间；脱离该平台后，这个 MCP Server 完全无法使用，可复现性对一般读者很低。

⭐ 6.0 · 选读
💡 垂直 DevOps 平台的官方 MCP Server，你大概率不用 Harness，仅可当作 MCP 写法样例速览，不必细读
· 时效性 3: MCP 是当下热点，官方出 MCP Server 的模式对你的判断力有参考价值
· 一手性 3: 厂商官方一手开源，但非白名单厂商且未经验证，一手性只算中等

📋 本期低分略读（共 3 篇）

📋 🔥 Skill/MCP 腰部热门（低分 2 篇）

  • tatolab/streamlib ⭐ 4.5 - Streamlib 是一个 Rust 编写的实时流运行时，把摄像头、模型和自定义代码接入同一条流，并通过 URL 暴露输出，供其他应用、Agent 或设备读取；它带有 MCP 标签，方向偏向具身、物理 AI 与边缘视频管线。
    • 💡 具身、机器人实时视频流运行时，方向不在你的关注范围且过于早期，不需要看
    • 依据·重要性 2: 你正在补齐通用 Agent 工程实践，这个视频流运行时无法直接复用到你的 LLM Agent 项目
    • 依据·信息密度 2: README 以流式管线概念为主，对你的 Agent 入门学习可吸收的有效信息少
  • wudahua/Solidworks_AssetMate_MechDog ⭐ 4.5 - 这是一个用 Python/pywin32 包了一层 SolidWorks COM API 的 MCP Server，让 Agent 能对 CAD 装配体做重着色、结构检查、导出预览，但领域极窄、项目极小（3 stars），属于”看个眼熟”级别。
    • 💡 SolidWorks 专用 MCP Server，领域与你无关且项目极小，作为 MCP 入门材料不需要看
    • 依据·相关性 2: 虽是 MCP Server 但绑死 SolidWorks/CAD 领域，你的算法与 Agent 实践用不上，价值有限
    • 依据·信息密度 2: 对你不关心的 CAD 领域，除 COM 封装思路外可吸收信息很少

📋 🎯 Skill/MCP 每日精选（低分 1 篇）

  • Arnon-hs/open-source ⭐ 4.5 - 这是一个把开源项目整理成「机器可读目录」的索引仓库，用摘要、分类、质量信号和透明打分帮人和 Agent 快速筛选项目，属于发现型资源而非可直接调用的能力。
    • 💡 开源项目索引/打分目录，不是可直接上手的 Agent 工具，对你补齐 Agent 实践帮助有限，可当检索入口随手一看
    • 依据·相关性 2: 它是项目目录而非 Agent/MCP 工具本身，对你补齐 Agent 工程实践的帮助是间接的，价值有限
    • 依据·重要性 2: 只能当发现入口用，不能直接复用代码或方法论，对你上手实践的可操作性低

📊 来源说明

分类 数量
📥 总抓取 10
✅ 已收录 10
⭐ 必读（≥8） 3
📖 选读（6–8） 4
📋 其他（<6） 3
🚫 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12日