AgentHubAgentHub

使用场景/文件系统与本地项目

文件系统 MCP 推荐

读写项目文件、执行本地命令的基础能力。几乎所有开发工作流的底座。

共匹配 6,699 个资源 · 第 2 / 140 页

什么是文件系统与本地项目?

文件系统 MCP 是本地开发工作流的底座:让 AI 列出目录、读取与创建文件、搜索代码、批量重命名与移动。官方参考实现 @modelcontextprotocol/server-filesystem 提供了带权限白名单的基础工具集,几乎所有「AI 改代码」场景都以它为第一块拼图。

配合 Shell / 终端类 MCP,AI 可以完成「读项目 → 改代码 → 跑构建 → 看报错」的完整闭环;配合 Git MCP 则能做分支操作与历史检索。注意:能力越强越要圈边界——只把需要的项目目录加入 allowed dirs,敏感路径(密钥、生产配置)绝不暴露。

在 Cursor / Claude Code / VS Code 中,Filesystem MCP 常与内置文件工具重叠。实践建议:编辑器内置工具负责当前项目,Filesystem MCP 负责跨目录任务(如同时操作多个仓库或生成物输出目录)。

适合做什么

  • 批量重构
  • 项目脚手架
  • 日志分析
  • 配置生成

不太适合

  • 无沙箱地访问整个磁盘
  • 处理未信任代码时不隔离

相关资源

查看全部 →
社交主页查询(Twitter、GitHub、LinkedIn) icon

社交主页查询(Twitter、GitHub、LinkedIn)

MCP Serversmithery7.2k

面向 AI 智能体的社交媒体资料补全 API。跨 Twitter/X、GitHub、LinkedIn 和 YouTube 查询任意社交账号或链接。返回结构化资料:显示名、简介、粉丝数、关注数、认证状态、头像和近期动态。 工具:social_lookup_profile。 适合网红调研、社交证明核验、潜在客户资料构建,或把社交数据补进 CRM。重要:若要用邮箱查人,请改用 person_enrich_from_email。 返回含简介、数据、认证与链接的结构化 JSON。无需 API key——在 Base L2 上以 x402 微支付,每次 0.008 美元。

streamable-http

笔记(本地、Apple、Notion、Obsidian 等)

v1.1.5

SkillClawHub5.9k

在本地 Markdown、Apple Notes、Bear、Obsidian、Notion 或 Evernote 中捕获、整理并检索笔记。当用户说记个笔记、把这个写下来、捕获这条、把录音变成笔记时使用;适用于会议、一对一、决策、日志、项目或研究笔记;当笔记必须落到指定应用或 vault 时;当行动项需要负责人与真实截止日期时;当一条笔记再也找不到、而标题/标签/文件夹/索引是问题所在时;当快速捕获堆积却未整理时;当决策需要留档时;当 vault 出现冲突副本、重复或改名导致断链时;当笔记需要在应用间迁移、导出或备份时;以及当某些内容过于敏感而根本不该写下时。不适用于日志实践与提示词(journal)、会议引导与议程(meetings)、Notion API 开发(notion-api-integration)、待办清单运行(task-list)或构建链接式原子笔记知识库(pkm)。

source

正确读取 GitHub

v1.0.1

SkillClawHub5.4k

通过 gitmcp.io 以正确方式读取 GitHub 仓库,而非原始抓取。相比网页搜索的优势:(1) 跨文档语义搜索而非关键词匹配;(2) 基于准确文件结构的代码导航,对仓库布局零幻觉;(3) 输出为 LLM 优化的 Markdown,而非原始 HTML/JSON 垃圾;(4) README、/docs 与代码聚合在一个干净接口中;(5) 遵守速率限制与 robots.txt。别再直接粘贴 GitHub URL 了,改用这个。

source
文本分类器 —— 主题分类与可读性 icon

文本分类器 —— 主题分类与可读性

MCP Serversmithery4.6k

面向 AI 智能体的文本分类 API。将文本归入主题类别并给出置信度分数,附带可读性指标(Flesch-Kincaid)与内容类型识别(文章、评论、邮件、代码等)。工具:text_classify_content。适用于内容路由、自动打标签、垃圾信息检测或非结构化文本整理。注意:情感分析请改用 text_analyze_sentiment。返回:{categories[], readability, contentType, confidence}。无需 API 密钥——在 Base L2 上以 x402 微支付 $0.005/次。

streamable-http

Ad-Ready 广告图生成

v1.0.2

SkillClawHub4.3k

从商品 URL + 品牌档案自动生成广告投放图。适用:用户提供商品 URL(电商链接);需要自动商品抓取 + 图像生成;有品牌档案可套用(可选品牌 70+);需要按漏斗阶段定向(认知/考虑/转化);希望 AI 基于品牌自动选择模特、场景与打光。不适用:用户提供本地商品图 → 改用 morpheus-fashion-design;图中不需要人物 → 改用 nano-banana-pro;要手动控制模特、场景、组合 → 改用 morpheus-fashion-design;已有主图只需变体 → 改用 multishot-ugc;需要视频产出 → 图像生成后用 veed-ugc。输入:商品 URL + 品牌名(可选)+ 漏斗阶段(可选)。输出:含商品 + 模特的 PNG 广告图。

source

常见问题

Filesystem MCP 会让我整个磁盘可读吗?

默认不会。官方实现要求启动时显式传入允许访问的目录列表,AI 只能触达这些路径。这也是它比裸 Shell 更安全的原因。

有了编辑器内置文件工具还需要它吗?

跨项目目录、批量文件整理、无编辑器的脚本环境(如 CLI Agent 操作仓库外路径)时才需要;单项目内编辑用内置工具更省 token。

如何防止 AI 误删文件?

用版本控制兜底(删除可回滚)、只挂载必要目录、要求 AI 删除前列出目标清单确认,破坏性批量操作放沙箱先演练。

配套安装与配置教程

相关场景