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 24 / 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 →

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

端到端测试编写

SkillSkillsMP

当开发者要为 Opik 的某个功能、页面或分支添加、编写或创建端到端测试时使用——例如「为实验对比页添加 e2e 测试」「为刚做的功能写测试」「这个分支的 e2e 测试」「给数据集条目流程加测试」。在 tests_end_to_end/e2e/ 中跑完整个循环——分析功能与前端代码、用 Playwright MCP 探索真实 UI、编写 Page Object Model + spec,并在本地运行直到通过。

source

移除 AI 代码味 remove-ai-slops

SkillSkillsMP

移除分支改动或明确文件列表中的 AI 生成代码异味(slop)。先用回归测试锁定行为,再通过批次为 5 的并行 deep agent 执行分类清理,最后用质量门禁验证。覆盖 10 类 slop,包括性能等价性、过度复杂(对象标注、if/elif 分支链)与超大模块(250+ 有效 LOC,并强制做模块化重构)。当用户要求 “remove slop”“clean AI code”“deslop”“clean up AI-generated code”“remove AI slop” 或清理近期改动中 AI 生成模式时务必使用。触发词:remove ai slops、clean ai code、deslop、cleanup AI generated、remove AI slop、clean up AI-generated code、strip slop、ai-slop cleanup。

source

MCP 实现安全评审

SkillSkillsMP

对照安全基线评审 MCP(Model Context Protocol)server、客户端与工具处理器的实现源码——认证、会话、限流、输入 schema 校验、官方 SDK 使用、RCE 向量及 OWASP MCP Top 10——产出带文件/行证据的报告。适用场景:发布前评审 MCP server 实现的安全性;对照基线控制项(MCP-01 至 MCP-05)与 OWASP MCP Top 10 检查 server;审计工具中的 RCE 向量(命令/代码注入、不安全反序列化、路径穿越、SSTI、依赖劫持、SSRF);验证网络暴露 server 的认证、会话、限流与输入校验;评审处理不可信 server 响应和会话 ID 的 MCP 客户端代码;以及"帮我做这个 MCP server 的安全评审""我的 MCP server 实现安全吗"之类请求。

source

mem0-oss-to-platform(OSS 迁移至平台版)

SkillSkillsMP

制定并执行将项目从 mem0 开源/自托管 SDK(本地 Memory 类)迁移到 mem0 Platform 托管 SDK(MemoryClient 类)的方案。当开发者想把 mem0 从 OSS/自托管迁移到托管 API 时使用,例如"把 mem0 设置迁移到平台""从自托管 mem0 切换到 MemoryClient""改用 mem0 API key 而非本地 Qdrant""把 mem0 迁到云端/托管服务""用平台配置替换本地向量库+嵌入器配置"。适用于 Python(from mem0 import Memory → from mem0 import MemoryClient)和 TypeScript/JavaScript(import { Memory } from "mem0ai/oss" → import MemoryClient from "mem0ai")。即使用户没说"迁移"二字,但明显希望现有 mem0 集成改为访问托管平台时也应触发。先产出可审阅的迁移计划,经开发者确认后执行。

source

功能端到端走查 feature-walkthrough

SkillSkillsMP

端到端讲解当前分支的完整逻辑与流程,让毫无前置知识的人也能理解、审查并复现。从分支 diff 界定变更范围,追踪其触达的每一层流程(前端工具/hook/组件、Java controller/service/endpoint、Python 引擎、配置、i18n、测试),产出带 Mermaid 图(时序/流程/架构)、可点击引用的带注释文件地图、前后行为对比、涉及 UI 时的截图、「本地试跑」章节与边界情况/风险的自包含走查文档。当被要求做功能或分支走查、「解释这个分支做了什么」、设计/逻辑说明、PR 审查者上手或交接文档时使用。加 --html 可同时输出渲染的 HTML 版;--no-screens 跳过截图。

source

编写测试

SkillSkillsMP

判定新测试是否值得存在并强制其高效,保护 CI 不被低价值测试堆爆。在新增或大幅修改任何 pytest、Jest、Playwright 测试之前——即 agent 或工程师准备为新功能、bug 修复、PR 写测试时使用。前置两道门槛:价值门槛(每个测试必须能捕获现有测试未覆盖的真实回归;通过公共接口测行为而非实现细节;近似重复折叠为参数化用例)与效率门槛(确定性、隔离、快;选最便宜的测试层级;用 Django TestCase 而非 TransactionTestCase;不许 sleep、不许真实联网)。含"不要写它"决策树。修复既有 flaky 测试用 /fixing-flaky-tests;若本门槛判定需要 Playwright 测试,用 /playwright-test 处理写法。

source

Next.js PPR 模式

SkillSkillsMP

Next.js 16 App Router 页面混合静态与动态内容——Cache Components 模型下的 Partial Prerendering(PPR)。涵盖:用 cacheComponents 启用 PPR(已移除的 experimental.ppr / experimental_ppr 标志)、默认动态的渲染模型反转、Suspense 的静态外壳/动态空洞边界、'use cache' 指令(自动键、cacheLife/cacheTag、children/action 透传、运行时值作 props、无服务器环境的持久性)、异步运行时 API 与 connection() 制造非确定性、页面组合(从单个空洞到并行仪表盘,再到用 use() 把 Promise 流式传入 Client Component),以及表单/向导中用 updateTag 实现读己之写并保持 Activity 状态。触发词:PPR、cacheComponents、'use cache'、Suspense 流式渲染、部分预渲染或静态外壳工作——即使未明确点名。

source

编写发布说明

SkillSkillsMP

只要在 Actual Budget 仓库中新增、撰写、起草或修复一条发布说明,就使用本技能。它就是随代码改动一起发布的 changelog 条目,以 Markdown 文件形式存放在 `upcoming-release-notes/`。触发请求如添加发布说明、写 changelog 条目、为这个 PR 或改动补发布说明、创建 upcoming release note,或在本仓库完成一个面向用户的改动、下一步自然就是补发布说明的任何时刻。这些说明是给人读的,因此必须短、用平实语言、不含技术细节。写成 commit message 风格或带实现术语,产出会在评审中被退回重写。

source

测试规范

SkillSkillsMP

本 monorepo 的测试实践——在单元与端到端测试之间取舍、测试文件位置、tsconfig.test.json 的角色、如何驱动 Playwright、如何编写/适配 UI/端到端测试,以及该用哪个测试运行器(vitest 还是 jest)。当用户要求添加、编写或扩展测试、补充覆盖率、创建测试文件、在新包里搭建测试、提到 vitest/jest,或引用既有 *.test.ts 文件时,必须先调用本技能再做任何代码搜索或文件读取。同等适用于单元测试与端到端/UI 测试——后者会路由到 Playwright-MCP 优先的探索流程,与常规代码搜索工作流不同。

source

销售业务 Pod pod-sales

SkillSkillsMP

执行业务 pod 中销售环节的一次 tick(ADR-164 §4.1,Phase 2)。加载 templates/sales.json,按 pod-schema 校验,在 ruflo 的 agent 注册表中解析 agent,通过 Phase-2 基于文件的占位账本预留预算(原子 SQLite 记账留待 ADR-164.1 的 Phase 3),为每个 agent 构造 dry-run prompt,经 federation_bbs_publish 的 JSONL 存储把摘要信封发布到 sales room,并输出结构化 {podName, tickId, agentsRan, totalUsd, envelopeId, status} 行供 /loop 摄取。默认 dry-run;--live 留给 Phase 3。

source

经 WSL 使用 Docker

SkillSkillsMP

当你(AI Agent)在 Windows 上运行且处于 WSL 之外(Git Bash/MSYS/PowerShell shell)并需要执行任何 docker / docker compose 命令时使用。Docker Desktop 运行在 WSL2 引擎上,因此命令必须通过 wsl.exe 在 WSL 内重新执行——从 Windows shell 在网络/SMB 盘(Z:、UNC)上运行会破坏 bind-mount 路径。若你的 shell 已在 WSL 内则不适用。触发词:docker、docker compose、docker-compose、container、bind mount、volume、'is a directory'、mount source wrong、Windows + Docker Desktop、WSL

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