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 1,510 个资源 · 第 23 / 32 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 →

提示词优化

SkillSkillsMP

分析原始提示词,识别意图与缺口,匹配 ECC 组件(skill/命令/代理/hook),输出可直接粘贴的优化后提示词。只提供建议——绝不亲自执行任务。触发时机:用户说“optimize prompt”“improve my prompt”“how to write a prompt for”“help me prompt”“rewrite this prompt”,或明确要求提升提示词质量。中文等价说法同样触发:“优化prompt”“改进prompt”“怎么写prompt”“帮我优化这个指令”。不触发时机:用户希望直接执行任务,或说“just do it”/“直接做”。当用户说“优化代码”“优化性能”“optimize performance”“optimize this code”时不触发——那些是重构/性能任务,不是提示词优化。

source

编写评测(Evals)

SkillSkillsMP

讲解如何在 `products/posthog_ai/eval_harness/` 框架上编写与运行 evals——包括针对预置 Hedgebox 项目在 Docker 或 Modal 沙箱中执行真实编码代理的沙箱化 agent 套件,以及每个用例对单次进程内模型调用打分的 one-shot 套件。当在 `products/posthog_ai/evals/` 或 `products/*/evals/` 下新增或修改 eval 套件、用例、scorer、seeder、synthesizer,改动 `products/posthog_ai/eval_harness/` 下的框架,或运行/调试这些 evals(`hogli evals`)时使用。涵盖套件类型与发现机制、用例结构、seeder/synthesizer 分工、单分支 scorer 模式,以及结果解读。不适用于 `ee/hogai/eval/ci/` 的 pytest evals,也不适用于 LLM Analytics 产品的评估功能。

source

LifeOS 内容迁移

SkillSkillsMP

接收外部内容,对照 LifeOS 分类法为分块归类,并带溯源地提交。来源:.md/.txt、标准输入、LifeOS 目录、CLAUDE.md/Cursor/OpenAI 自定义指令、Obsidian/Notion/Apple Notes 导出。MigrateScan 分类 → 路由表。MigrateApprove 支持 --approve-all/--approve-target/--review/--dry-run。置信度 ≥70% 自动、40-70% 确认、<40% 逐条走查。用于 /migrate、迁移内容、从其他 LifeOS 导入、引入旧笔记、导入 Cursor 规则、导入 CLAUDE.md、批量导入、Obsidian/Notion/Apple Notes 导入。不用于单文件编辑、对话式访谈或身份编辑。

source

添加 E2E 选择器 add-e2e-selectors

SkillSkillsMP

为 Grafana 前端的交互元素和关键容器添加可靠的 @grafana/e2e-selectors。为 React 组件添加 e2e 选择器、data-testid 或测试选择器,或文件和组件缺少测试选择器、需要让元素可测试时使用。收到 Grafana Pathfinder 交互指南(guide 目录或 content.json)要求审计修复时也可用——它会提取指南的 reftarget 选择器,识别薄弱项并在 Grafana 的 JSX 源头修复。在 e2e-selectors 包中定义版本化选择器并把 data-testid 接入 JSX。接受文件路径、目标列表、目录、pathfinder 指南或当前打开的文件。

source

Orbit 通用每日简报 orbit-general

SkillSkillsMP

Open Orbit 简报技能——当用户连接了两个及以上连接器时由 Orbit 流水线选用。从每个已授权连接器(GitHub、Linear、Notion、Slack、飞书、Calendar、Gmail、Drive、Sentry、Vercel 等)拉取过去 24 小时的活动,并在「我的设计」顶部渲染单一自适应 bento 网格仪表盘。每个连接器模块按返回数据的形态自选 UI 形式(列表、头像堆叠、状态环、热力图、文件网格、告警卡等),使布局随 Orbit 连接器生态的增长而扩展。不应手动触发此技能——它由 Orbit 的每日摘要调度器针对用户实时连接器数据调用。

source

端到端代理测试 agent-testing

vcanary

SkillSkillsMP

面向任意项目的代理式端到端测试:经项目 CLI 验证后端、经 agent-browser 验证前端(Web)、经 CDP 验证桌面(Electron)。驱动真实界面、收集视觉确证的证据,并把结构化报告发布到 LobeHub verify 平台。触发词:'cli test'、'test with cli'、'verify with cli'、'backend test with cli'、'local test'、'test in electron'、'test desktop'、'manual test'、'test report',或任何本地端到端验证任务。

source

电子表格处理 xlsx

SkillSkillsMP

当电子表格文件是主要输入或输出时使用:打开、读取、编辑或修复现有 .xlsx、.xlsm、.xltx、.csv、.tsv 文件(如加列、计算公式、格式化、图表、清洗数据);从零或其他数据源新建表格;在表格格式之间转换。用户按名称或路径引用表格文件并提出处理要求时同样触发,也包括把结构混乱的表格数据(错位表头、脏数据)整理为规范表格。交付物必须是表格文件;当主要交付物是 Word 文档、HTML 报告、独立 Python 脚本、数据库管道或 Google Sheets API 集成时不要触发。

source

PR 深度审查

SkillSkillsMP

对 nrwl/nx 中单个开启的 PR 做深度代码审查。先建立隔离的 worktree,然后运行 pr-review-toolkit 审查智能体、reproduce-verifier 智能体(结合关联 issue 佐证结论,若可本地运行则在 master 与 PR 上分别执行复现)、alternative-approach 智能体(独立设计替代方案并与 PR 的选型对比)、performance-analyzer 智能体(确认改动不浪费 CPU 或内存,并能在工作区规模下快速执行)以及 security-analyzer 智能体(在真实信任边界上排查注入类漏洞——命令注入、zip-slip、SSRF、凭据泄露),只保留严重与重要问题(以及优势;可改可不改的建议丢弃),并把 GitHub 风格的草稿存到 ~/.nx-pr-reviews/<NUMBER>.md 供审查者阅读(不会发布任何内容)。当你需要对单个 PR 做彻底审查时使用。

source

Fabric 数仓查询 CLI

SkillSkillsMP

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 和 Mirrored Database 执行只读 T-SQL 查询。对任何 lakehouse 数据查询(行数、SELECT、过滤、聚合)的默认技能,除非用户明确要求 PySpark 或 Spark DataFrame。当用户想要:(1) 查询 warehouse/lakehouse 数据;(2) 统计行数或探索 lakehouse 表;(3) 发现 schema/列;(4) 生成 T-SQL 脚本;(5) 监控 SQL 性能;(6) 导出结果为 CSV/JSON。针对 Fabric notebook 单元格(%%sql 或其他 notebook magic)请使用 `spark-authoring-cli` 而非本技能。触发语:warehouse、SQL query、T-SQL、query warehouse、show warehouse tables、show lakehouse tables、query lakehouse、lakehouse table、how many rows、count rows、SQL endpoint、describe warehouse schema、generate T-SQL script、warehouse performance、export SQL data、connect to warehouse、lakehouse data、explore lakehouse。

source

部署可扩展 Agent deploying-scalable-agents

SkillSkillsMP

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式(客户端托管、托管 agent、agent 工作流)、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化,以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于:将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于:初次构建 agent(请从第 01 课开始)、在本地设备上运行 agent(用 local-ai-agents / 第 17 课)、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

source

部署可扩展 Agent deploying-scalable-agents

SkillSkillsMP

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式(客户端托管、托管 agent、agent 工作流)、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化,以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于:将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于:初次构建 agent(请从第 01 课开始)、在本地设备上运行 agent(用 local-ai-agents / 第 17 课)、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

source

ui-design(Epicenter UI 设计)

SkillSkillsMP

从产品方向到组件体系收敛,设计、探索、实现、打磨、重设计并评审 Epicenter 界面。用于共创界面、追问「别的应用怎么做」、对比 UI 方向或同类产品、把粗略功能想法变成可构建的 Svelte 界面、选择 @epicenter/ui 组件、修改 packages/ui,或替换堆满 class 的标记与本地界面原语。纯 CSS 小修不属于本技能范围,除非它暴露出更大的模式问题。

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