Agent Skill / MCP 日报 - 2026-11-13 08:00 to 2026-11-14 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）

paperclipai/paperclip

Paperclip 是一个用 TypeScript 写的开源「Agent 管理台/编排应用」，目标是让团队像管理项目成员那样管理一堆 AI Agent（支持 Claude Code、Codex、MCP、agent-skills 等），对想补齐 Agent 工程化认知的新手是个现成的参照物。

✍️ paperclipai

要点

  • 技术亮点：它把多 Agent 编排、Agent Skills 与 MCP 接入、工作流自动化、AI 治理（ai-governance、权限/审计）放在同一个应用层里，是全 TypeScript 实现的，可以整套本地运行或私有部署，便于对照源码学习「Agent 从脚本到平台」的工程分层方式。
  • 应用场景：适合用来管理「同时跑多个编码/研究 Agent」的工作流——任务分派、执行状态追踪、技能与工具注册、跨 Agent 协作；对你是很好的「Agent 编排长什么样」的入门范本，也可直接用小团队场景做自部署试验。
  • 社区趋势：标签覆盖 agent-orchestration / multi-agent / mcp / claude-code / codex 等当下最热方向，113k star 的量级说明「Agent 管理/编排层」正在成为独立赛道；但星标增速异常高，实际成熟度、issue 活跃度与文档完整度需自行核实后再投入。
  • 注意事项：这类高速蹿红的编排类项目常见问题是「概念先行、实现偏薄」，建议先跑通最小 demo 并读一遍核心编排逻辑，再判断是否值得纳入你的技术栈，而不是直接当生产依赖。

⭐ 8.5 · 必读
💡 Agent 编排/管理类开源项目，你是 Agent 新手可当工程化参照物学习，但需先验证成熟度再看
· 相关性 4: Agent 编排与 Skills/MCP 管理，正对你补齐 Agent 工程实践的目标，值得看
· 时效性 4: 多 Agent 编排与 MCP 是当下 Agent 工程热点，与你当前学习节奏高度同步

skeptrunedev/call4me

这是一个把你的编码 Agent（Claude Code / Codex）接入真实电话网络的 MCP Server：它基于 Telnyx 提供 PSTN 通话通道，并接入 OpenAI GPT-Live 实时语音模型，让 Agent 能替你拨打电话并完成对话，是「MCP + 实时语音」这一组合的少见完整示例。

✍️ skeptrunedev

要点

  • 技术亮点：通过 MCP 把「发起电话、实时双向语音对话」封装成 Agent 可直接调用的工具；底层用 Telnyx 处理号码与通话，用 OpenAI GPT-Live 处理实时语音；部署在 Cloudflare Workers 上，整体是 TypeScript 全栈实现，架构链路（MCP → 电话网关 → 实时语音模型）清晰可读，适合作为「Agent 接入外部实时通道」的参考样例。
  • 应用场景：可用于让 Agent 自动打电话预约或确认信息、跑腿办事、做电话验证与语音客服原型；也可以反向看作教学案例：学习如何为 Agent 增加一个「非文本、带实时性要求」的工具接口，以及如何处理流式音频与会话状态。
  • 社区趋势：项目仅 18 星、早期个人项目，采用 MCP + 语音/电话方向的交叉形态；它更偏向探索性示例，还不成熟，但反映了 MCP 生态正从纯文本工具扩展到电话、语音等真实世界接口，同时挂有 claude-skills、claude-code、codex 等标签，跟上了当前 Agent 工具化潮流。
  • 注意事项：它依赖 Telnyx 账号和通话费用，也依赖 OpenAI 实时语音 API，可复现门槛与成本都不低；项目尚未经过大规模验证，生产可用性存疑，建议只把它当作架构参考，不要直接依赖。

⭐ 6.5 · 选读
💡 MCP + 实时语音电话的少见示例，可作为 Agent 接入实时外部通道的架构参考，但你不需要电话场景、项目也很早期，浏览即可不必深挖
· 相关性 3: MCP 工具正合你补 Agent 工程实践的需求，但电话/语音不在你的算法后端主线，契合度中等
· 时效性 3: MCP 生态外扩与实时语音 Agent 是当下热点，思路对你不算过时

ap9000/toolroll

Toolroll 是一个自托管的编码 Agent「控制平面」，把 Claude Code、Codex、Gemini CLI 统一纳入一次授权、自动跑 diff 检查和截图的审批流中，让 agent 只负责执行、由人负责放行。

✍️ ap9000

要点

  • 技术亮点：用「一次性授权并约定确切范围，再由 worktree 隔离执行」的模式来管理多个编码 Agent，并通过 git-worktree、SQLite、MCP 以及结果回传机制（diff、通过的检查、截图）把 Agent 的产出整理成可审阅的产物，思路接近 coding agent 的 CI/审批层。
  • 应用场景：面向同时运行 Claude Code、Codex、Gemini CLI 的个人开发者和小团队，解决「Agent 改完代码后我不敢直接合并」的信任问题；Telegram 通知适合手机端远程批准任务。
  • 社区趋势：目前 0 star、单人维护，属于早期实验项目，尚未形成社区；coging agent orchestration/control plane 这个方向（如各类 agent 审批层、sandbox）近期确实在升温，但该项目是否成熟仍需自行验证。
  • 注意事项：README 之外缺少文档、测试与示例验证，MCP 具体实现方式与权限边界不清晰；对你作为 Agent 新手而言，可作为「Agent 人机协同审批」的设计参考，但不宜直接上生产。

⭐ 6.0 · 选读
💡 编码 Agent 审批控制平面的思路值得借鉴，但 0 star 单人项目未经验证，你作为 Agent 新手可看思路、不必上手
· 相关性 3: 编码 Agent 编排/审批属于你正在补齐的 Agent 工程方向，但项目早期、非主流方案，相关度中等
· 时效性 3: Agent 人机协同审批是当下热点，方向不过时

RakTikoo/skillscan

skillscan 是一个零依赖、纯离线的 AI Agent Skill / MCP Server 静态扫描器，主打”装之前先查一遍”，切中当下 Agent 技能供应链与提示词注入的风险盲区。

✍️ RakTikoo

要点

  • 技术亮点：完全确定性静态分析，不调用 LLM、零第三方依赖、数据不出本机，用规则扫描 SKILL/MCP 配置中的危险指令、可疑命令执行、提示词注入模式，思路类似 Agent 版的 linter + 供应链审计。
  • 应用场景：在你从 GitHub / 社区抄一个 SKILL 或接一个第三方 MCP Server 之前先跑一遍，尤其适合本地跑高危权限 Agent（文件系统、shell、浏览器）时做准入检查。
  • 社区趋势：0 star、单人早期项目，未见第三方验证或大厂背书，但”Agent 技能/MCP 供应链安全”与 prompt injection 是当前上升最快的细分方向之一，规则集和检测思路值得关注。
  • 注意点：定位是”概念先行”的小工具，规则覆盖面与误报率均未经验证，现阶段更适合作为理解 Agent 安全风险的入口，而非生产级依赖。

⭐ 6.0 · 选读
💡 MCP/Skill 供应链安全这个切入点对你补 Agent 工程实践有认知价值，但项目 0 star 未经验证，先看思路、别急着接入
· 相关性 3: 你正在补 Agent 工程实践，第三方 SKILL/MCP 的安全风险是真实盲区，方向契合但不属于核心能力建设
· 时效性 3: prompt injection 与 Agent 技能供应链安全正当时，与你的当下关注点相关

📡 🎯 Skill/MCP 每日精选（5 条）

a2ui-project/a2ui

Google 开源的生成式 UI 框架 A2UI：Agent 以声明式布局数据流式输出，客户端用 React / Angular / Lit / Flutter / SwiftUI / Jetpack Compose 的原生组件渲染，是「Agent 输出不止文本、而是可交互界面」这条路线目前最主流的开源实现。

✍️ a2ui-project

要点

  • 技术亮点：Agent 不生成 HTML/代码，而是流式推送结构化 layout 数据，由各端原生组件渲染，天然安全可控、可跨端复用；标签覆盖 a2a / mcp，可与 Agent-to-Agent、MCP 生态衔接，本质是一层「Agent 输出协议」而非纯前端库。
  • 应用场景：适合 Agent 需要回传动态表单、卡片、选择器、审批流等交互组件的场景（智能助手、企业 Copilot、Bot 前端）；对纯后端/API 形态的 Agent 服务，可作为「结果如何呈现给用户」的参考设计。
  • 新手门槛：真正落地要写各端渲染器与组件映射，React/Flutter/SwiftUI 都得碰——你没有前端经验，短期难直接复用，只能借鉴其协议设计思路（schema 定义、增量更新语义）。
  • 社区趋势：17k+ stars、Google 起源并已独立为 a2ui-project 组织，generative UI 是 2025 年 Agent 交互层的热点方向，生态位（A2A/MCP 配套）比单点工具更值得关注走向。

⭐ 7.5 · 选读
💡 Agent 交互层协议设计值得借鉴，但落地重度依赖前端多端渲染，你无前端经验短期难复用，可隔岸观察
· 时效性 4: generative UI 是当下 Agent 交互层最热的方向之一，正当时
· 重要性 3: 其「Agent 流式输出结构化 UI schema + 增量更新」的协议思路，你做 Agent 服务端设计时可借鉴，但代码层面难直接复用

malloydata/publisher

Malloy Publisher 是 Malloy 分析引擎的开源发布端，把数据模型（语义层）定义一次后，可通过 MCP Server 和 text-to-SQL 在各类 Agent、BI 和仪表盘场景中复用，是「让 Agent 可靠查询数据库」的语义层方案。

✍️ malloydata

要点

  • 技术亮点：以 Malloy 语义建模作为 LLM 与数据库之间的中间层，提供 query-engine、semantic-modeling 与 mcp-server 能力；Agent 通过 Model Context Protocol 访问受治理的数据模型，而不是直接生成裸 SQL，从而缓解 text-to-SQL 的数据幻觉和表结构理解偏差。
  • 应用场景：面向 analytics engineering / BI 场景，例如让 Claude 等 MCP 客户端连接数据仓库进行受控查询、自动生成仪表盘、统一指标口径（ai-governance 标签正指向这一方向）；它与你的算法和后端背景（数据库、建模）更贴近，比纯前端 BI 工具更容易理解。
  • 社区趋势：目前仅有 132 星、TypeScript 实现，属于极早期项目，社区验证和生态都还很薄弱；但 MCP + 语义层 + text-to-SQL 是当前 Agent 数据接入的热门方向，值得了解其思路，目前还不适合当作生产依赖。
  • 注意事项：它更像一个数据分析垂直领域的 MCP Server，而不是通用 Agent 框架；如果你想补齐 Agent 工程实践，可参考它「用语义模型约束 LLM 查询」的设计，但实际落地要评估接入成本和项目成熟度。

⭐ 6.5 · 选读
💡 MCP + text-to-SQL 语义层的开源项目，思路对 Agent 数据接入有参考价值，但项目极早期、偏 BI 场景，作为了解即可、不必深入
· 相关性 3: MCP Server + 语义层约束 text-to-SQL，属于你关心的 Agent 工具方向，但落在 BI 分析垂直场景，与你算法主线只部分契合
· 时效性 3: MCP 与 Agent 数据接入正是当下热点，思路对你不算过时

Cassette-Editor/oh-my-cassette

oh-my-cassette 是一个”对话式视频剪辑”的 MCP Server + Claude Code/Codex/OpenCode 插件，把 ffmpeg 的剪辑能力封装成 Agent 可调用的工具集，是学习「如何把一个垂直领域能力做成 MCP 工具」的轻量样本。

✍️ Cassette-Editor

要点

  • 技术亮点：用 Python 将 ffmpeg 的剪切/拼接/转码等操作封装为 MCP tools，支持 chat-to-edit 的自然语言驱动剪辑，同时适配 Claude Code、Codex、Hermes、OpenCode 多个 Agent 宿主，是「MCP Server 多宿主兼容」的一个可读参考实现。
  • 应用场景：面向视频创作者的口播/短片快速成片（去停顿、拼接、加字幕等），对算法/后端工程师来说，真正的价值是把它当作 MCP tool schema 设计、长任务执行与文件产物回传的工程样例来读，而不是自己上手剪视频。
  • 社区趋势：220 星的小体量项目，但踩在 Claude Code Skills / MCP 插件生态爆发的时间点上，说明「垂直工具 → MCP 化 → 多 Agent 宿主分发」正在成为独立开发者的标准打法。
  • 注意点：领域是视频剪辑，与你的算法/大模型主线不重叠；代码规模不大、缺少严谨的评测与基准，属于「看架构思路」而非「照抄落地」的项目。

⭐ 6.5 · 选读
💡 MCP Server 工程样例可参考其工具封装与多宿主适配思路，但视频剪辑领域你用不上，按需扫一眼即可
· 相关性 3: 属于你关注的 MCP 工具范畴，可学封装模式，但视频剪辑场景与你算法/大模型主线不重叠
· 时效性 3: Claude Code Skills / MCP 生态正当红，chat-to-edit 这类交互形态对你有当下参考价值

ryuxdsgn/design-intelligence

RYUX design-intelligence 是一个给 AI Agent 注入「设计判断力」的 Agent Skill / MCP 包（TypeScript，152 星），让 Agent 在生成 UI 时能理解产品上下文、做出有意图的设计决策并自我批判，属于 Agent 垂直领域能力封装的一个小而清晰的样本。

✍️ ryuxdsgn

要点

  • 技术亮点：把设计知识（产品上下文建模、设计系统约束、可访问性规则、design critique 评审回路）封装成 Agent 可直接调用的 Skill/MCP 接口，思路是「给 Agent 装领域判断力而非只给工具」，这种 skill 封装范式对做 Agent 能力扩展有参考价值。
  • 应用场景：面向 Claude Code 等编码 Agent 做前端 UI 生成、设计稿评审、无障碍检查；但落点完全在前端/UX 设计域，你不写前端、不做设计系统，实际用不上。
  • 社区趋势：152 星的小体量新兴项目，tag 里 agent-skills / claude-code / mcp 说明「Agent Skill 市场」正在按垂直领域细分（设计、法务、数据分析…），这个趋势本身值得留意，但项目成熟度与一手验证都不足。
  • 对读者的取舍：作为 Agent 新手，你可以花五分钟看它 README 里 skill 的接口组织方式（如何把领域知识拆成 Agent 可消费的结构），但不必深入代码或落地使用。

⭐ 6.0 · 选读
💡 Agent Skill 封装思路可扫一眼，但落点是前端/设计域且项目体量小，你作为不碰前端的 Agent 新手不需要深入看
· 时效性 3: Agent Skill 垂直化是当下热点，形态上与你的入门阶段相关
· 一手性 3: 作者官方开源一手项目，但小体量、未经广泛验证

simpsoka/zigzag

一个用 Rust 写的开源刺绣（机器绣花）设计软件，能在 Mac/Windows 上把 SVG 转成刺绣针迹并可视化编辑，同时内置 MCP Server 让 AI Agent 直接操作设计画布——是「传统桌面设计工具 + MCP 暴露能力」的一个非典型但完整的样本。

✍️ simpsoka

要点

  • 技术亮点：Rust 实现的跨平台矢量/针迹编辑器，把「SVG 美术稿 → 可上机刺绣的针迹文件（Brother .pes 等）」这条专业链路做成了开源可读代码，并原生暴露 MCP 工具集，让 Agent 能以结构化调用方式创建图形、调整针迹参数，而不是靠鼠标点界面。
  • 应用场景：面向刺绣机爱好者与手作小工作室；对 Agent 开发者而言，它更大的价值是一份「如何给一个已有桌面应用加 MCP 层」的参考实现——尤其是把画布状态、几何编辑、参数约束抽象成 Agent 可调用工具的建模思路。
  • 社区趋势：600+ 星标，处在「垂直行业软件主动拥抱 MCP」的小趋势上；这类项目说明 MCP 正从开发者工具向 CAD / 设计 / 制造等生产力软件扩散，但刺绣本身是极窄的爱好者领域，短期内不太可能形成大生态。
  • 注意点：这是纯垂直领域工具，针迹算法、绣花工艺参数占了绝大部分代码量，与你的算法/后端背景几乎无重叠；真正可迁移的只有 MCP 接口设计那一小层。

⭐ 6.0 · 选读
💡 刺绣机垂直软件虽内置 MCP 有参考价值，但领域极窄、可迁移内容少，你是 Agent 新手不必优先看
· 时效性 3: MCP 生态扩张是当下热点，垂直软件接入 MCP 这个观察点对你有一定时效价值
· 一手性 3: 作者官方开源一手实现，非转载复读

📋 本期低分略读（共 1 篇）

📋 🔥 Skill/MCP 腰部热门（低分 1 篇）

  • boykush/ai-plugins ⭐ 4.0 - 这是一个个人开发者把自己多个仓库共用的 Claude Code / MCP 插件抽出来做的小型 plugin marketplace，概念方向对，但目前几乎没有可借鉴的内容。
    • 💡 个人实验性质的小型 Claude Code 插件合集，星标为 0 且无文档，对你的 Agent 入门几乎无可复用价值，不需要看
    • 依据·相关性 2: 虽属 Claude Code/MCP 插件范畴，但只是个人多仓库共用配置，与你要补的 Agent 工程实践关联很弱
    • 依据·时效性 2: Claude Code 插件机制当下确实热，但该仓库本身没有跟上任何新内容

📊 来源说明

分类 数量
📥 总抓取 10
✅ 已收录 10
⭐ 必读（≥8） 1
📖 选读（6–8） 8
📋 其他（<6） 1
🚫 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14日