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 7,206 个资源 · 第 25 / 151 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 →
autario icon

autario

MCP Serversmithery5.1k

autario is data app infrastructure: your tools and thousands of public datasets in one normalized layer, with the data apps that run on top of it. Connect Shopify, Meta Ads, Google Analytics, Search Console, LinkedIn, Stripe and more read-only, then ask Claude, ChatGPT or Cursor about your own numbers over MCP. No code, no export. ## How it works 1. Connect a service at https://autario.com/connectors. Each connector has its own page with the reports it reads. 2. Add https://autario.com/mcp to your assistant. 3. Ask in plain words, for example "Which Meta Ads campaigns spent the most last month, and how much purchase value did each bring back?" ## What you can do - Read your own connected data: ads, shop orders, analytics, search, social, email, CRM, finance - Search and query thousands of public datasets from World Bank, IMF, Eurostat, OECD, WHO, FRED and more - Run statistics on the server (correlation, regression, drivers, seasonality) instead of pasting tables into the chat - Publish charts built from re

streamable-http

Tailwind CSS

v1.0.1

SkillClawHub4.3k

编写并调试 Tailwind CSS:工具类、主题配置、暗色模式、变体、插件与构建配置。不适用于 CSS 机制本身——层叠上下文、flex 尺寸与层叠行为属于 css 技能。当某个类没有产生任何 CSS、动态拼接的类名(bg-${color}-500)始终不生效、样式在开发环境正常但部署后消失、你自己的 CSS 压不住工具类或工具类压不住你的 CSS、@apply 在 Vue、Svelte 或 CSS module 文件中报错、hover:、group-hover:、peer-*、has-[…]、dark: 无法触发、从 v3 升级到 v4(@tailwind 指令、tailwind.config.js 改为 @theme、工具类改名)、新增自定义颜色/间距/断点/字体或关键帧、把 Tailwind 接入 Vite、Next.js、Astro、SvelteKit、Rails 或 Laravel、CSS 产物体积过大或重新构建缓慢、Preflight 抹平了第三方组件样式,或在 @apply、组件与 tailwind-merge 之间做选择时使用。

source

sentisense

v2.21.2

SkillClawHub4.2k

面向 AI 智能体的美股市场数据 API:新闻与社交情绪、SentiSense Score、SentiSense Rating 每日 A–F 字母评级、内部人 Form 4 交易、国会议员 STOCK Act 披露、机构 13F 持仓与流向、期权仓位、分析师评级、财报日历、AI 生成的市场洞察与股价。一个免费 API key 覆盖全部端点。适用于股票情绪 API、股票市场 API、股票评级 API、股票字母评级、内幕交易数据、议员股票交易、13F 持仓、期权流向、财报日历、股价 API、面向智能体的市场数据。只读。无交易、无购买、无写操作、不访问钱包。

source

Slk(Slack 命令行)

v0.1.7

SkillClawHub4k

通过 slk CLI 读取、发送、搜索和管理 Slack 消息与私信。当用户要求查看 Slack、读取频道或私信、发送 Slack 消息、搜索 Slack、查看未读、管理草稿、查看收藏内容或与 Slack 工作区交互时使用,也用于心跳式 Slack 检查。触发语包括“check slack”“any slack messages”“send on slack”“slack unreads”“search slack”“slack threads”“draft on slack”“read slack dms”“message on slack”。

source

LM Studio 本地模型分流

v1.0.3

SkillClawHub3.5k

通过将工作分流到本地 LM Studio 模型来降低付费 API 的 token 消耗。适用于:用本地模型完成摘要、抽取、分类、改写、初步审阅等对质量要求适中的高频重复任务;避免大量或重复任务的付费调用;无需额外模型配置,用现有 LM Studio 的 REST API 即时加载;仅限本地或隐私敏感场景。需 LM Studio 0.4+ 并开启服务端(默认 :1234),无需 CLI。

source

AI Answer Copier

MCP Serversmithery3.3k

AI Answer Copier is a Model Context Protocol (MCP) server that solves the "Final Mile" friction in educational content creation. It enables AI models to move beyond just writing questions to actually generating the files required for teaching and assessment. By functioning as a native MCP server, this tool allows Claude or any MCP-enabled IDE to directly pipe its output into specialized educational formats. No more manually fixing bullet points in Word or wrestling with CSV headers for your LMS. Key Capabilities:Zero-Friction Pipeline: Your AI can now "see" your local export tools. Ask it to: "Generate 10 biology questions and send them directly to my Quizizz CSV." Multi-Format Exporting: Seamlessly convert AI responses into upload-ready files for Kahoot, Quizizz, Canvas (JSON), Moodle (XML), and professionally formatted PDFs. Intelligent Smart-Parse: Automatically identifies question stems, multiple-choice distractors, and correct answer keys from raw AI text. First-Class Math & Code: Native support for

streamable-http

Engram 语义记忆层

v0.2.0

SkillClawHub2.5k

面向 AI 智能体的持久化语义记忆层。本地优先存储(SQLite+LanceDB),使用 Ollama 嵌入。跨会话存储并回忆事实、决策、偏好、事件与关系。支持记忆衰减、去重、类型化记忆(5 种)、记忆关系(7 种图关系)、按智能体/用户隔离、语义搜索、上下文感知回忆、从文本自动抽取(规则/LLM/混合)、导入导出、REST API 与 MCP 协议。解决上下文窗口与压缩失忆问题。服务运行于 localhost:3400,控制台在 /dashboard。通过 npm 安装(engram-memory),需要装有 nomic-embed-text 模型的 Ollama。

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