Skill Depot

MCP搜索检索

提供方 Ruhal-Doshi · 包名 skill-depot

搜索检索 stdio · 本地进程 无需鉴权 社区 / 第三方 ClaudeCursor
查看接入方式

一个基于RAG的AI代理技能检索系统,提供语义搜索和本地存储功能。

一句话选型结论

按资料字段整理

Skill Depot 属于搜索检索类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude、Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 3 仓库热度,无公开仓库时显示未标注
工具数 9 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量9暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

语义搜索TypeScript本地部署本地存储AI代理技能管理RAG

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
npx skill-depot init

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 9 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 9 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude、Cursor,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 已经在用 Claude、Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Skill Depot当前 9 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Ruhal-Doshi上游标注的维护方 Ruhal-Doshi
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时skill-depot · Node.js本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

7.5 KB
来自项目仓库与上游目录的原文,未做删改

技能库

> 基于RAG的人工智能代理技能检索系统。可扩展的长期存储,通过MCP进行语义搜索。

技能库 用选择性语义检索取代了“将所有技能前沿内容转储到上下文中”的方法。代理技能存储为Markdown文件,并使用向量嵌入进行索引——只有相关技能在需要时才会加载,从而保持上下文简洁。

✨ 特性

  • 🔍 语义搜索 --使用嵌入式矢量搜索,通过含义而不仅仅是关键字来查找技能
  • 🏠 完全本地化 -没有API密钥,没有云。使用SQLite+SQLite-vec进行存储,并使用本地变压器模型进行嵌入
  • 🤖 代理人不可知 --可与Claude Code、Codex、OpenClaw、Gemini和任何兼容MCP的代理配合使用
  • 📂 双作用域存储 --全球技能(~/.skill-depot/)无处不在,项目技能(.skill-depot/)通过git同步
  • ⚡ 自动发现 --在设置过程中从您的AI代理中查找现有技能
  • 🔌 MCP协议 --作为MCP服务器与9个技能管理工具无缝集成
  • 📊 分层细节级别 --三个层次的细节(摘录→ 概述→ 完整内容)以最大限度地减少令牌使用
  • 📈 活动评分 --常用技能在搜索结果中自动排名较高
  • 🔗 关系跟踪 --将相关技能联系在一起,以便代理人发现相关知识

🚀 快速开始

1.初始化```bash

npx skill-depot init


这将:

- 创建 `~/.skill-depot/` 全球目录
- 在Claude Code、Codex、OpenClaw目录中扫描现有技能
- 让您通过交互式清单选择要导入的技能
- 下载嵌入模型(约80MB,一次性)
- 索引所有导入的技能

### 2.配置您的代理

将技能库添加到代理的MCP配置中:

**克劳德代码** (`~/.claude/mcp.json`):```json
{
"mcpServers": {
"skill-depot": {
"command": "npx",
"args": ["skill-depot", "serve"]
}
}
}

Codex/OpenClaw/Cursor:在代理的设置中添加相同的MCP服务器配置。

3.使用

您的代理现在可以访问这些工具:

工具 说明
skill_search 语义搜索--接受可选 context 为了更好的相关性
skill_preview 在不加载完整内容的情况下获得结构化的概述(标题+第一句话)
skill_read 加载技能的全部内容
skill_learn 学习新东西——创造或附加到技能中(提升)
skill_save 保存新技能并将其编入索引
skill_update 更新现有技能
skill_delete 删除技能
skill_reindex 重建搜索索引
skill_list 列出所有索引技能

📖 运作原理

问题

传统代理技能系统负载 全部 每次会话都将技能文件frontmatter放入代理的上下文窗口。由于拥有庞大的技能库,这会在无关的信息上浪费宝贵的上下文。

解决方案

技能库充当 RAG层 对于代理技能:

  1. 技能存储为带有YAML frontmatter的Markdown文件
  2. 使用局部变换器模型将每种技能嵌入384维向量中
  3. 当代理需要技能时,它会按意义搜索——只返回最相关的技能
  4. 结果包括a hasOverview flag——代理可以加载结构化的概述(skill_preview)或完整内容(skill_read)

分层细节级别

技能库提供三个细节级别的上下文,以最大限度地减少令牌的使用:

级别 工具 你得到什么 典型尺寸
L0——代码段 skill_search 200个字符预览+元数据 ~200个字符
L1——概述 skill_preview 标题+每节第一句 ~500-2000个字符
L2——已满 skill_read 完成原始降价 无限制

代理可以逐步加载详细信息——检查代码片段,预览大纲,并在需要时仅加载完整内容:```
Agent → skill_search("deploy nextjs to vercel")
← [{ name: "deploy-vercel", score: 0.92, snippet: "...", hasOverview: true }, ...]

Agent → skill_preview("deploy-vercel")
← { overview: "## Steps\nInstall the Vercel CLI.\n\n## Configuration\nSet environment variables." }

Agent → skill_read("deploy-vercel")
← Full markdown content of the skill


### 上下文感知搜索

传递可选 `context` 参数到 `skill_search` 以获得更相关的结果。在生成搜索嵌入之前,上下文与查询相结合:```
Agent → skill_search({ query: "deploy", context: "Next.js app with Vercel, fixing CI pipeline" })
← deploy-vercel ranks higher than deploy-aws because the context narrows the search

Agent学习

代理人可以使用以下方式即时保存知识 skill_learn如果技能不存在,它就被创造出来了。如果是这样,新内容将附加一个 --- 标签、分隔符和标签/关键字被自动合并。```
Agent → skill_learn({ name: "nextjs-gotchas", content: "API routes cache by default...", tags: ["nextjs"] })
← { action: "created" }

Agent → skill_learn({ name: "nextjs-gotchas", content: "Image optimization requires sharp...", tags: ["images"] })
← { action: "appended" } // tags merged: ["nextjs", "images"]


### 存储体系结构```
~/.skill-depot/               # Global (all projects)
├── config.json
├── models/                    # Embedding model cache
├── skills/                    # Global skill files
└── index.db                   # SQLite + vector index

/.skill-depot/        # Project-level (git-synced)
├── skills/                    # Project-specific skills
└── index.db                   # Project vector index (gitignored)

🛠️ CLI参考```bash

Setup

skill-depot init # Interactive setup + agent discovery
skill-depot init --auto # Non-interactive, import everything

Server

skill-depot serve --project . # Start MCP server (foreground/stdio)
skill-depot start --project . # Start as background daemon
skill-depot stop # Stop daemon
skill-depot status # Check daemon status
skill-depot restart # Restart daemon

Skill Management

skill-depot add # Add a skill file (project scope)
skill-depot add --global # Add as global skill
skill-depot remove # Remove a skill
skill-depot list # List all skills
skill-depot list --global # List global skills only
skill-depot search # Search skills from CLI

Maintenance

skill-depot reindex # Rebuild all indexes
skill-depot doctor # Health check


## 📝 技能格式

技能使用标准的YAML frontmatter+Markdown——与Claude Code、Codex和其他代理使用的格式相同:```markdown
---
name: deploy-to-vercel
description: How to deploy a Next.js application to Vercel
tags: [deployment, vercel, nextjs]
keywords: [vercel cli, production build, environment variables]
related: [setup-env-vars, vercel-domains]
---

## Steps

1. Install the Vercel CLI: `npm i -g vercel`
2. Run `vercel` in the project root
3. Follow the prompts to link your project
...

🏗️ 技术栈

组件 技术
语言 TypeScript(ESM)
数据库 SQLite通过 better-sqlite3
矢量搜索 sqlite-vec 扩展
嵌入件 @xenova/transformers (all-MiniLM-L6-v2)
回退 BM25词频哈希
协议 MCP通过 @modelcontextprotocol/sdk
CLI commander + inquirer + chalk + ora

🤝 贡献

欢迎投稿!这是一个开源项目。```bash

Clone and install

git clone https://github.com/your-username/skill-depot.git
cd skill-depot
pnpm install

Development

pnpm dev # Watch mode build
pnpm test # Run tests
pnpm lint # Type check
pnpm build # Production build
```

📄 许可证

麻省理工学院

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Skill Depot 怎么安装?

在客户端按下面的安装命令接入:npx skill-depot init。对应的包名是 skill-depot。装完在客户端配置里引用同一个包或端点。

Skill Depot 怎么在 Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Skill Depot 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Skill Depot 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Skill Depot 支持哪些客户端?

资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Skill Depot 能提供哪些能力?

资料显示约 9 个工具;能力标签包括 搜索、本地存储、TypeScript、Claude、技能管理。具体工具清单以官方文档为准。

Skill Depot 需要什么运行环境?

运行时为 Node.js;属于本地进程,需要在本机装好运行环境。

Skill Depot 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。