工具与技能Tools & Skills

这个 coding-agent 技能采用六阶段审计：先建立侦察账本，再搜寻覆盖空洞、验证候选问题、生成结构化发现，最后独立复核记录并输出中性报告。README 规定 findings.json 的 verdict、证据和置信字段，并要求 Node 与操作系统沙箱，适合把一次性代码审查变成可重放流程。

HumanLayer 的 skills 集合覆盖 CLAUDE.md 指令重写、React props 收窄、迭代式 agent GitHub Actions、控制环设计和图示说明。每个 skill 都以 `npx skills add ... --skill ...` 安装到项目，重点在把一次性提示转成可重复的 repo-local 工作流；其中 `design-control-loop` 明确…

text-to-cad 把 CAD/CAE/CAM 和机器人描述文件拆成一组可安装 skills，分别负责 STEP 生成、标准件检索、DXF、URDF/SRDF/SDF、DfAM、G-code 和 Bambu 打印。它支持 Skills CLI 以及 Codex/Claude/Grok 原生插件，强调从本地项目文件读取、检查并交接工件；这比单次 text-to-mesh 更接近可验证的机械工程流…

Yulin 在 Node.js 进程内模拟 AWS 行为，让测试不需要容器、真实云账号或网络依赖。它覆盖 API Gateway、DynamoDB、Cognito、ECR、ECS、CloudWatch 和 WAFv2，ECR/ECS 甚至允许把本地 handler 当作镜像/任务运行；SDK 拦截与 localhost 服务两种入口兼顾单测和集成测试。对基础设施代码而言，重要变化是把“部署后才观察…

Simon Willison 的实践是让 Codex 直接启动 `/Applications/Blender`，用 Blender Python API 生成场景，而不是让模型输出一张不可编辑的图片。几轮自然语言追加就能得到带背景、灯光和动画潜力的 `.blend`，说明桌面软件的脚本接口正在成为 agent 的通用执行面；瓶颈从“能否生成”转向场景资产、渲染时间和结果验收。

MCPay 的请求路径是 API 创建预算 session、保存价格快照、签发 Ed25519 spend token，再由 gateway 验证 token/nonce 后转发 MCP 调用，worker 负责结算与重试。设计把授权、用量 ledger 和工具提供者收入拆成 Go 服务、PostgreSQL、持久 gateway 及 JS/Python SDK；但 beta 明确承认不保证 ex…

fastCutVid 把“找片段并拼接”单独做成 Rust/egui 原生工具，媒体分析与导出交给 FFmpeg，核心产物是人和 agent 都能读写的 `fastcut.timeline/v1` JSON。MVP 已覆盖多视频导入、波形、非阻塞分析、split/trim/reorder 和 MP4 渲染；它刻意不做转场、调色或高级混音，当前还要求用户自行安装 FFmpeg，Windows/Lin…

Scientific Agent Skills 将 161 个研究技能和 100+ 科学数据库封装成开放 Agent Skills，覆盖生物、化学、医学和药物发现。K-Dense BYOK 可在本机接 40+ 模型、搜索和文件处理，数据默认留在本地，也能把重计算扩展到云端，说明它把研究流程当作可组合工具链。

Garden Skills 提供网页/视频演示、前端设计、图像生成和来源转文章等生产级 skills，兼容 Claude Code、Cursor、Codex。项目同时维护 npx CLI、Claude 插件市场、固定 zip、手工复制和 submodule 安装路径，并提供中英日文档，强调复用交付规范。

Context Engineering Kit 汇集面向 Claude Code、OpenCode、Cursor、Antigravity 的手工 skills，以较小 token 足迹提高结果质量和可预测性。内容来自团队长期提示实践，并吸收论文/项目插件；仓库还提供 CodeRabbit 的开源替代，重点是流程规范而非新模型。

Browser Use 让 agent 执行点击、输入、表单填写和结构化网页抽取，Python 库支持自选 LLM 与 `uv` 安装。README 的公开 benchmark 覆盖 100 个真实任务，Odysseys 长时网页任务平均 87.4%；开源本地 agent 与带代理轮换、验证码处理、1000+ 集成的云端版分层提供。

Telem 的 Web Search Router 用单一 API 按成本、延迟、答案质量在多家搜索提供商间选路，并在供应商退化时自动 failover；Web Fetch Router 负责渲染、重试和正文抽取。它还保存搜索 trace 与质量指标，使 agent 的检索选择可回放、可比较，解决了“只知道答案、不知道为何选源”的观测缺口。

Godogen 生成的是游戏仓库而不是成品游戏：agent 根据短描述选择 Godot、Bevy 或 Babylon.js，生成资产、运行引擎并用实时画面或录制视频验证。发布仓库只保留运行时清单、引擎指南和资产 skill，其余脚手架由 agent 按指南重建，体现跨引擎的提示驱动工作流。

Concord MCP 以 SQLite 保存仓库级共享状态，提供 `start_work`、`inspect_work`、`update_work`、`transfer_work`、`finish_work` 五类工具，支持编辑前声明文件、检测重叠和带证据交接。版本号使并发状态转移只有一个成功，README 还明确它不是自治 agent、编排器或云端同步服务，这个边界有助于评估部署责任。

BrowserSkill 通过 CLI/扩展让 agent 操作用户已登录的真实浏览器，要求显式借用某个标签页并在任务后归还。该约束保留验证码、企业会话和人工浏览上下文，同时避免 agent 获得整个浏览器的无界控制。

pgBot 是 PostgreSQL 的只读诊断代理，可直连数据库或驻留 Docker、Kubernetes、VPC 内，检查锁、WAL、vacuum、慢查询和索引。MCP 的 `inspect`、`unused_indexes` 等工具先生成确定性 JSON，再由模型解释；`pgbot://baselines` 可保存历史对照。模型没有写权限，把建议与实际变更分开，适合在生产库上建立低风险的第一…

only-cli 把网页压成带编号的紧凑终端视图，默认预算 500 token，并使用 Chrome 指纹完成抓取，无需常驻浏览器。作者的 15 页测试中，oc 共消耗 10936 token，Jina 为 148479、Playwright 为 531335、原始 HTML 为 1552491，同时覆盖目标内容。当前只适合阅读和导航：fill、submit、back 尚未实现，JavaScrip…

SchemaRouter 把工具、端点、参数、返回字段、领域概念、单位、来源和许可编码为 schema graph，小模型抽取查询意图后，由确定性图投影选择调用及字段。110 道材料科学查询上准确率 0.71，与全量抓取的置信区间重叠，但检索上下文从 2066 token 降到 227，端到端延迟比 prompt-all 低 2.7 倍，工具精确率达 0.93。把字段数压到最少反而使准确率跌至 0…

Ratify 离线重放委派、handoff、联邦、收据和撤销流程，用 ProofBundle、签名收据与检查点验证每个协议声明，失败即返回非零退出码。Go、TypeScript、Python、Rust、C 五套 SDK 都能复核同一批合成证据。项目还把必须依赖真实 OS 隔离的路径穿越测试标作 SKIP，诚实地区分了跨语言协议一致性和线上部署安全。

wecom-cli 将企业微信的消息、邮件、文档、表格、待办、日程、会议、微盘和通讯录暴露为终端命令，也给 AI Agent 提供对应 Skill。

作者把有限上下文里的 Skill 装载写成硬 token 预算下“单调次模收益减上下文惩罚”的集合优化，并提出多项式时间的 Best Prefix Selection。

作者把编码 Agent 对 shell、文本流、文件和小工具组合的依赖，解释为 Unix 接口哲学在 LLM 时代的延续。

NoBuzz 为 Claude Code 提供 `/debuzz` Skill，将上一条回复交给 Gemini CLI 按纯英文风格改写，再原样输出，避免 Claude 的二次润色重新引入套话。

论文受控比较整任务与子任务 Skill，以及文本与代码表示，发现整任务经验多数拖累无记忆基线，拆成子任务后才平均产生正迁移，文本 Skill 又优于代码。

Simon 用 Claude Code 搭建 TypeScript 原型，把 `Bun.WebView` 包成可加载网页、执行 JavaScript 的 JSON API，功能方向接近 shot-scraper。

该仓库用包含 `SKILL.md`、脚本和资源的目录封装可复用代理技能，并提供规范、模板与多类示例。多数内容采用 Apache 2.0，但文档、PDF、演示稿和表格类技能使用单独的 source-available 条款。README 还明确要求审查第三方技能中的工具调用，说明“可安装提示包”已经具有接近代码依赖的供应链风险。

agent-codemode 不让模型逐次选择 MCP 工具，而是生成 TypeScript 脚本，由脚本直接调用已配置服务并在执行侧聚合结果。仓库以 39 个 Linear ticket 为例，传统工具轨迹为 40 次调用、262159 字符，脚本路径为 1 次调用、903 字符，声称字符量减少 99.66%。这种代码模式显著压缩交互面，但脚本权限仍继承底层 MCP 配置，并不会自动获得额外的鉴…

SkillCommit 先生成实例级补丁，再经检索、跨实例重放和 LLM 机制检查，只有行为上可泛化的策略才被提交为共享技能。作者在 RuleArena、OpenExempt 和 KOR 三类环境中测试这条流程，核心判据是新技能是否在不同实例上真实改善行为，而非文本语义是否相似。这个设计针对的是技能库逐步膨胀后的错误合并与能力回退，但摘要没有给出各阶段的独立消融幅度。

作者在五类基准上比较全文预载、按需加载、仅给引用和混合加载，并按缓存实际命中量核算输入成本。Skill Block 在 ScienceWorld 和 SynthProc 分别减少 62.5% 与 73.0% 的输入，但 Hybrid 在 SearchQA 和 Spreadsheet 上使成功率下降 27.4 与 39.8 个百分点。配对结果没有发现显著质量差异，却也没有建立统计等价性，结论更接近“…

NeoBrowser 是约 4 MB 的 Rust 静态程序，通过 CDP 驱动真实 Chrome，提供 43 个 MCP 工具并可沿用现有 cookie 与登录配置。它支持 CAPTCHA 人工接管，覆盖纯无头自动化难以继续的流程；仓库自测认为其调用路径比 Playwright MCP 更快。复用日常浏览器身份也扩大了可访问数据面，部署时需要隔离 profile 并限制 MCP 客户端权限。

HarnessRouter 用一个自托管容器把 Codex、Claude、Hermes 等多种代理 harness 暴露为统一协议。

论文没有把 LSP 的工具数量当能力代理，而是用“成功所耗 token”在 Python、TypeScript 仓库及三档 Claude 模型上做五臂消融。

作者通过受控实验拆解 agent skills 的工作机制，累计 8,135 次试验，并从 240 条编码记录中取得 238 个有效标签。

AgenticSchema 读取网页已有的 JSON-LD、Microdata 或 RDFa Schema.org 标记，并把每个 thing/action 注册成代理可调用工具。

colleague-skill 已演进为 dot-skill，可从个人材料与工作描述提取 persona/work skill，供 Claude、Hermes、OpenClaw、Codex 和 DeepSeek 等 agent 复用。项目展示库称有 215 个技能、165 名贡献者和累计 10 万卡片星标，并能接入飞书、钉钉、Slack 等工作来源。把隐性经验结构化很有吸引力，但员工同意、敏感信息…

ModLens 给 DeepSeek、GLM 等纯文本 agent 增加视觉桥接：粘贴图片后借外部视觉引擎生成全文转录、阅读顺序、实体和关系等结构化证据。它内置 6 类 provider、可复用 4 种本地 agent CLI 登录，所有回退写入 `meta.attempts`；API 通道通常 5–10 秒，CLI 约 15–45 秒。其工程重点是显式路由、授权和可见回退，让文本模型依据证据答题…

Diagram Design 为 Claude Code、Codex 和 Pi 提供自包含 HTML/SVG 制图 skill，覆盖架构、时序、状态机等 27 类版式，每类有浅色、深色和 editorial 三种静态变体。它能从网站提取颜色及字体 token、自动检查 WCAG AA 对比度，也可重绘 draw.io/Mermaid；默认输出无脚本，动效走受限模板。最可复用的资产是明确的密度、语义…

MathCode 把自然语言数学题转成 Lean 4 定理，再借助 Lean LSP、Loogle 和编译错误反馈循环修补证明，结果写入 `LeanFormalizations/`。它还提供子目标树、多规划器和 Obsidian 定理图谱，发布包覆盖 macOS arm64 与 Linux x86_64。相比只生成一段看似合理的推导，这套工作流把答案放进编译器可检查的形式证明边界内。

CLI-Anything 为 GUI 软件生成 agent 可调用的命令行 harness，并用结构化 JSON、SKILL 文档及 registry/`cli-hub` 管理适配。已有 FreeCAD、Blender、GIMP、Joplin 等入口；其中 FreeCAD harness 含 17 个命令组、258 个命令，Joplin 适配列出 134 个测试。把界面点击改成可脚本、可断言的命令…

该仓库集中维护 DeepSeek-V4-Pro、Flash 等模型接入编码 agent 的安装、配置与首次运行指南。覆盖对象包括 Claude Code、Codex、Cline 等多种工具，作用是把端点、模型名和兼容参数差异整理成可执行步骤。它是集成索引而非 agent 框架，实用性取决于文档能否跟上模型接口和客户端版本的快速变化。

Needle 面向手机、可穿戴设备和嵌入式硬件执行工具调用，模型只有 45M 参数，CQ2 二进制约 14 MB，运行内存约 28 MB。它用字节级 grammar 约束函数与参数格式，以置信度头决定是否调用工具，并先检索最相关的 5 个工具；256-token 滑动窗口把工具定义固定为 KV sinks。与通用小模型相比，它把容量集中在受约束动作生成上，代价是开放问答能力和复杂长上下文并非设计重…

Velorn 是一套 Electron 桌面视频工作站，把规划、素材生成、多轨剪辑、字幕、效果和导出放在同一工作流里。常规剪辑无需 ComfyUI，生成能力则连接本地 ComfyUI，可导入自定义 workflow JSON；README 还列出 500 多个官方模板，并暴露含 100 多项工具的 MCP 接口。编辑操作采用预览后执行并支持撤销，降低 agent 直接改时间线的风险；GPL-3.0…

Switchyard 是 Rust 实现的 LLM 代理与库，可在 OpenAI Chat/Responses、Anthropic Messages 之间转换，并把请求送往 vLLM、NIM、Ollama 等后端。路由既可随机，也可用模型分类、阶段编排或失败升级策略；Prometheus 指标覆盖请求、错误、延迟、token 和代理开销。统一协议与路由逻辑能减少应用侧适配，但仓库明确处于 pre-…

Agent Desktop 是 Rust 编写的原生桌面自动化 CLI，通过辅助功能树定位控件并返回稳定引用，不依赖截图或像素匹配。README 列出 58 个命令名，其中 54 个已经可运行；渐进式 skeleton 输出据称能减少 78%–96% 的上下文消耗，Chromium 应用还可转用 CDP。它把 Playwright 式“检查后操作”延伸到系统界面，不过当前平台要求是 macOS 1…

这个仓库按 Agent Skills 标准提供 5 个 Obsidian 技能：Markdown、Bases、JSON Canvas、CLI 和 Defuddle 网页提取。Claude、Codex、OpenCode 等兼容客户端可直接读取规则，输出仍落在普通 Markdown、JSON 与可检查命令中。它没有另造知识库 API，而是把 Obsidian 文件格式中的细节显式教给 agent，因而…

Apify MCP Server 让 agent 把网页抓取、社交平台、搜索、地图和电商 Actor 当作 MCP 工具，README 称可接入 8,000 多个 Actors。托管端支持 OAuth、Streamable HTTP 与结构化结果 schema 推断，本地则可用 `npx @apify/actors-mcp-server` 经 stdio 启动；旧 SSE 入口已删除。它把大规模抓…

MCP-stama 是无第三方依赖的 Rust stdio JSON-RPC server，提供 fast_grep、基于 gix 的 git_snapshot 和 docker_watcher。README 的 100 次自测中，docker 工具 p50 为 327 微秒、p99 为 1.66 毫秒，Git 为 462 微秒和 1.36 毫秒，grep 为 5.05 与 8.72 毫秒；二进制…

Bright Data 官方 CLI 把 Web Unlocker 抓取、三种搜索引擎、意图 discovery、40 多个平台数据管线、远程浏览器和 AI scraper 生成/修复整合成同一命令面。它能给 Claude Code、Cursor、Codex 安装 skill 或写 MCP 配置；自愈 scraper 会停在 approval gate，AI 生成碰并发上限则指数退避，默认重试四次…

论文把结构化输出中的 schema description 当作第二条指令通道，在两个厂商的十种配置上，用 nonce label 分类隔离标签先验。GPT-4.1 与无 reasoning 的 GPT-5.4 中，schema 放定义比 system prompt 低 11–13 点；当两者冲突时，错误 schema 可令准确率跌 5–45 点，Claude Haiku 4.5 更从 52.5%…

作者依据官方规范和最佳实践建立两层缺陷分类，检查来自 20,556 个仓库的 138,133 份 `SKILL.md`，不是只抽样几个热门 skill。91.8% 至少命中一项缺陷，宽松到严格阈值下仍为 88.8%–94.6%，主因是弱路由元数据、臃肿或不可执行的正文和资源组织失序，而非罕见安全攻击。20,000 项 skill 的确定性路由压力测试进一步表明，规范元数据确实提高启动描述中的召回；…

Mcptoon 用一个零依赖 CLI 统一 stdio/HTTP MCP server，把工具列表和结果输出成紧凑 TOON，同时能导出 OpenAI function、OpenAPI 3.0 与原生 MCP manifest，任何会跑 shell 的 agent 都能接。README 自报 manifest token 省 97%、结果省 40%–60%，并提供五分钟 schema cache、…

Google 认为 Go 的小语法面、强约定和统一 `fmt`、build、test、vet/module 工具链，能减少 coding agent 的无效选择，并让改动快速进入机械验证。这个论点把“适合 AI”落在反馈闭环与可验证性，而不是宣称模型天生更会写 Go。它仍是一篇语言工程立场文，不是控制任务难度后的跨语言 benchmark；可取之处是把 agent 效率归因到工具表面设计。

USPTO 公报中的 Mistral 专利描述模型生成代码、再由代码实施外部工具调用的流程。相较固定 schema，这种做法把循环、条件和参数处理交给运行时代码，随之扩大了沙箱、审计和资源限制的必要性。该条只说明专利文件所述方法，不对权利要求有效性或产业影响作法律判断。

这是 Google 产品与 Google Cloud 的官方 Agent Skills 集合，可用 `npx skills add google/skills` 整包安装，也能只选目标 skill。目录覆盖 GKE、AI、数据库等云服务，并给出将 skills 与 MCP 一起分发到 Claude、Codex、Antigravity 的 plugin 路径。仓库仍在持续开发，实际接入时需要逐项审阅…

Sufleur 把提示词包管理设计成 npm 式流程：`sufleur.yaml` 声明依赖，锁文件固定版本，生成器输出单个 TypeScript 或 Python 文件。生成代码带类型化输入和基于 Zod/Pydantic 的 `parseOutput`，部署时既不需要厂商 SDK，也不需要运行时远程拉取；公共提示词无需账号或 API key 即可安装。它把提示词版本、文件、eval 和应用侧类…

Agent Hop 读取 Claude Code、Codex、OpenCode、Pi 与 Grok Build 的原生会话，统一成 `{role,text}` 后再由适配器写回目标工具格式，既支持搜索也能真正恢复。检索先在每次按键时跑 BM25，再用本地 WASM 版 `all-MiniLM-L6-v2` 做语义细化，并维护增量向量索引；README 称五个适配器均经过真实续接验证。它把会话可移植…

Kaneo 是可自托管的轻量项目管理系统，标准部署使用 Docker Compose 与 PostgreSQL 16，也提供 Helm 路径。它内置 HTTP MCP 端点 `/api/mcp`，另有 npm 发布的 stdio MCP，使代理可以通过正式接口操作任务而非模拟点击。功能范围保持在项目与事项协作，部署透明度和代理接口是它区别于托管看板的两条主线。

Agent Feedback 在 Vite 或 Next.js App Router 的开发页面上叠加标注层：点击元素并写指令后，会把 selector、组件、页面与说明追加到 `.agent-feedback/feedback.jsonl`，同时在终端输出。嵌套节点会归一到可交互祖先，生产构建则排除这套界面；数据只留本地，不依赖账号或外部服务。它把含糊的截图反馈转成代理可定位的 DOM 上下文，…

OSWorld-MCP 在 309 个任务上控制工具集合，发现同一工具让推理模型提高 4.0 个百分点，却让非推理模型下降 5.9 个点，每个条件重复 5 次且差异超过 2 个标准误。

mcp-use v2 按新版 MCP 改成无状态请求：每次携带协议与客户端信息，以 `server/discover` 和 requestState 支持发现与多轮处理，底层切换到官方 SDK v2。

Sift 将多个 MCP server 收拢到 `search_tools` 与 `call_tool` 两个接口，代理先检索候选工具，选中后才加载完整 schema。

Channels SDK 把兼容 AG-UI 的代理连接到 Slack、Teams 和 Discord，在聊天入口保留流式回复、工具调用、文件处理与人工审批。

n8n-mcp 向 MCP 客户端结构化开放 n8n 的节点文档、属性、操作、模板与工作流校验。README 统计 2,412 个节点，其中 829 个核心、1,583 个社区节点；属性 schema 覆盖率 99%，模板库有 2,352 项。搜索、分级取数和多阶段验证让它超出静态文档索引，但维护者明确警告不要让 AI 直接修改生产工作流。

Humanizer 以一份可移植 Markdown 技能审查并改写常见机器生成文风，要求保留原有事实、观点和语气。README 将问题划分为 33 种模式，并规定完成改写后再审计一次，其中“不得捏造事实”是硬约束。它没有复杂运行时，优势恰是规则可读、可移植，也方便编辑者逐条检查代理为何改动文本。

论文针对超时、延迟可见和部分写入这类“调用可能已生效、响应却不确定”的故障，在工具层加入后置条件、重试前验证和幂等语义。受控故障注入表明，该协议在保持相近任务成功率的同时显著减少重复副作用。它把可靠性责任从代理的猜测式重试下沉为可检查的调用契约，适合支付、消息发送和资源创建等不可随意重放的动作。

OpenEdit 不提供传统时间线 GUI，而让编码代理直接生成和修改视频工程，字幕样式由 HTML/CSS 描述。当前 Apple Silicon、macOS 26 路径使用 VEED 的闭源但免费渲染器，仓库给出的内部初步数据最高比 Chrome 快 2.2 倍，尚没有外部可复现基准；v1 重点也仍是字幕。它值得观察的是“视频编辑即代码”的接口设计，而非现阶段的跨平台成熟度。

Labgrid MCP 将实验室的预约、电源、串口、mux、刷写和 SSH 暴露为 47 个工具与 5 个资源，并给操作加只读或破坏性注解。刷写和删除默认关闭，演示环境可直接通过 `uvx` 启动。相比通用 shell MCP，它把硬件实验室的资源占用和危险动作显式建模，更便于客户端做权限与确认策略。

HyperAgent 将工具调用建模为有向超图：工具是从输入 schema 指向输出 schema 的超边，再从相关上下文图生成 schema-aware 任务 DAG，并按能力缺口扩展计划。AppWorld 实验显示，这种显式结构能提高任务完成度，同时减少冗余 API 调用、模型交互和 token；真正的贡献是让规划约束来自接口结构，而非只靠自然语言反思。

Serena 通过语言服务器与符号级代码分析，为编码 Agent 提供查找定义、引用关系、结构化编辑和重构能力，并可作为 MCP Server 接入多种客户端。它避免让模型反复读取整文件，转而围绕类、函数和符号关系操作代码。仓库同时支持多语言与项目记忆，定位更接近“Agent 的 IDE 后端”而非又一个聊天界面。

CockroachCrawler 将普通 HTTP 抓取、浏览器自动化、PDF 解析、正文抽取和 MCP 接口打包到一套工具链中。调用方可以按页面复杂度在轻量请求与完整浏览器之间切换，并把结果交给 Agent 继续处理。统一接口减少了多种爬取组件的胶水代码，但部署时仍需处理站点条款、限速与不受信任页面内容。

Browser Bridge 通过 Chrome DevTools Protocol 和 MCP，把用户已经登录的浏览器会话暴露给 Claude Code、Codex 等 Agent。工具支持页面导航、DOM/可访问性快照、点击、输入、截图、标签页和网络请求检查，并可选择仅允许本地连接。与启动隔离浏览器不同，它能复用真实 cookie 与登录状态，因此便利性很高，权限边界也必须按本机高信任工具处理…

Palmier Pro 是面向 macOS 的开源视频编辑器，把常规时间线编辑、AI 生成能力与本地 MCP 服务放在一个应用中。MCP 让外部 agent 能以工具方式操作素材和编辑流程，而不只生成一段不可执行建议；项目展示了桌面创作软件如何把 agent 接口直接嵌入本地资产工作流。

Decode-Time Grammars 让调用方在生成过程中逐步提供语法片段，把语法约束从固定编译产物变成可组合的解码接口。模型无需针对每门 DSL 重新训练，就能在 token 级屏蔽非法续写；实验覆盖低资源语言、专用 API 和多种模型，显示严格语法能显著提升可解析率，但语义正确性仍取决于模型本身。

Claude Code Proxy 接收 Anthropic Messages API 形态的请求，再适配到 Codex、Kimi、Grok、Cursor 等后端，使 Claude Code 客户端不必随模型供应商改变工作流。代理层负责请求/响应格式、流式事件和工具调用兼容；它的工程难点不在普通转发，而在维持不同模型协议之间的行为一致性。

Browser Tools SDK 为智能体提供真实浏览器会话中的导航、DOM 读取、点击、输入、截图与网络观察能力，并以 TypeScript 工具接口暴露。它强调让 agent 操作实际网页而非简化模拟环境，适合端到端测试和网页任务执行。真实浏览器提高了行为保真度，也意味着权限隔离、凭据保护和页面注入必须纳入部署设计。

Moonshine 把 ASR、意图识别和 TTS 组合成低延迟语音接口工具包，目标是支持持续对话式代理，而非只生成一份音频转写。集成式设计有利于共同优化首字延迟、打断处理和端点检测，也方便在本地设备上避免多服务往返。项目的实际竞争力需要用端到端延迟、噪声鲁棒性、语言覆盖和长时间流式稳定性衡量，而不能只看单个识别模型分数。

FastMCP 将 MCP 的协议样板压缩为 Python 装饰器：函数签名自动变成 schema、验证和文档，客户端侧则封装传输、认证与生命周期。除 server/client 外，新体系还包含能在对话内呈现交互 UI 的 Apps，并提供企业网关 Horizon 做 SSO、工具级 RBAC、审计和回滚。README 称项目日下载约一百万次、某版本覆盖约 70% 的 MCP servers；这…

Glass 不是把截图能力简单包装成 MCP，而是提供应用启动、视觉捕获、输入注入、日志读取和画面变化检测的一整套闭环。由于从外部驱动 GUI，它不要求项目采用特定框架，并已覆盖 X11、Wayland、Windows、Android AVD、iOS Simulator 与 macOS。跨平台抽象很有吸引力，但黑盒视觉检查天然比 DOM 或可访问性树更脆弱，实际可靠性取决于后端能否提供稳定的结构化…

memorywire 不是新 memory algorithm，而是为 agent memory 定义 JSON-Schema 2020-12 wire format，覆盖 remember、recall、forget、merge、expire 五类操作和四类 memory。参考实现提供 sqlite-vec、mem0、Letta、Cognee、pgvector 五个 backend adapte…

这篇把 MCP 云端规模化问题抽成 gateway 架构：legacy service integration、协议兼容、access control、tool recommendation、session-aware routing 都由 gateway 接管。论文给出的关键数字是 hybrid retrieval 保持 98% Top-15 recall，并把可访问工具扩展到 3,000+。t…

Simon Willison 记录 coding agents 如何降低家用设备逆向工程和自动化脚本编写成本。核心变化是，抓包、读协议、试错脚本和控制自动化不再全部依赖人工长时间摸索，agent 可以快速生成候选解释与工具代码。这个变化会扩大逆向工程的参与人群，同时也会让设备厂商更难依赖“接口不公开所以没人会用”这一隐性壁垒。

Hail 把电话、SMS、email 包成 agent 可调用通信平台，当前定位是 outbound first、inbound next、自托管 AGPLv3。自托管 quickstart 需要 Twilio、LiveKit Cloud、Deepgram、Cartesia，以及 OpenAI/Gemini/Anthropic 之一；agent 可以通过 HTTP API 或 MCP endpoi…

ibelick/ui-skills 是面向 design engineer 的 UI skill 集合和 CLI。digest 给出的项目定位是把可复用的界面实现经验、组件模式和设计工程流程包装成 agent 可调用的 skills。它关注的不是某个单独组件，而是让 AI coding agent 在做 UI 时带着稳定的视觉、交互和实现约束工作。随着 coding agent 更常接手前端任务，…

wigolo 是面向 AI coding agent 的本地优先搜索、抓取、爬取和研究 MCP 工具。digest 强调它把 research 能力做成 agent 可调用的 MCP server/tool，而不是依赖远端浏览器服务。组合点包括本地搜索、网页抓取、爬取上下文，并把结果返回给 coding agent 使用。它适合补上 agent 在“查资料”环节的工具缺口，尤其是在希望浏览过程留在…

mutable-crm 做的是一个可通过自然语言修改 schema 和 UI 的 CRM 原型，但它把 LLM 的权限限制在 typed tools 上，而不是让模型直接生成 SQL。README 明确列出四个 schema 工具：`createTables`、`addColumn`、`renameColumn`、`changeColumnType`；没有 drop 工具，模型也只看表名、列名和类…

stripe/ai 提供把 Stripe billing 接入 LLM 和 agent 框架的 SDK 与示例。它将支付、订阅、计费和工具调用连接起来，使 AI 应用可以查询账单、执行商业流程或接入用量计费。项目看点在于 Stripe 把自己放进 agent 工具生态，而不只是提供传统 REST API 文档。

StyleSeed 是给 AI agent 使用的设计规则引擎，用规则约束 UI 生成结果。它不是组件库，而是把品牌、布局、色彩和交互偏好编码成 agent 可执行约束。项目的核心在于减少生成式 UI 的随机漂移，让同一产品的多个界面保持一致视觉语言。

toolport 是本地 MCP gateway，目标是用一套配置服务 22 个 MCP client。它通过少量 meta-tools 和 lazy tool discovery 暴露能力，并复用认证配置，减少每个客户端重复维护 server 列表。这个项目击中的痛点是 MCP 生态碎片化：工具多起来后，配置和凭据比单个工具本身更难管理。

hallmark 是面向 Claude Code、Cursor 和 Codex 的设计 skill，内置主题和 UI 生成约束。它把视觉偏好包装成 agent 可加载规则，帮助编码助手生成更一致的界面。这个仓库说明“设计系统”正在变成 prompt、规则和 skill 的组合，而不仅是 Figma 文件或 React 组件。

Nable 是本地优先的 cloud/AI cost intelligence MCP 工具，聚合账单并暴露成本分析能力。它把成本查询接入 agent 工作流，使开发者可以在同一个对话或 IDE 环境里追问云资源、AI 用量和费用异常。这个方向反映出 FinOps 正在从仪表盘向可操作工具接口迁移。

这篇论文把问题从“训练更聪明的 Web agent”转向“网页是否适合 agent 操作”，提出 agent-ready website 框架。作者用机器可读性、可执行性和决策可靠性三个维度描述站点应暴露的结构与语义。它的看点在于把 Web agent 出错的一部分原因放回网站设计，给未来的页面标注、交互状态和任务接口提出了工程化要求。

Aict 提供一组面向 AI agent 的 Unix coreutils 风格命令，并输出 XML/JSON 结构化数据。它保留 shell 小工具可组合的优势，但把表格、错误和字段变成模型更容易解析的格式。这个思路非常工程化：与其让 agent 猜普通 CLI 输出，不如给它稳定的机器接口。

Vexa 是面向 Google Meet、Microsoft Teams 和 Zoom 的开源会议转写 API。摘要强调实时 WebSocket transcript 与 MCP server，使会议内容可以直接进入 agent 或自动化流程。它的看点是把会议 bot、转写服务和 agent 接口放进同一个可自托管项目里。

The MCP Census 对 MCP server 生态做报告和索引，digest 给出的规模是 15,382 个 servers。它做 health check，并把可用性、元数据和发现问题集中呈现。这个项目提供的是生态基础数据：MCP 的热度需要和实际可连接、可维护的服务数量分开看。

OpenCut 是开源视频编辑器，目标覆盖 Web、desktop 和 mobile。digest 还提到 headless 与 MCP server 模式规划，说明项目希望把剪辑能力开放给自动化和 agent，而不只是提供人工界面。它位于多端创作工具与可编排媒体引擎的交界处。

这篇综述把 skill library 看成会持续演化的运行时资产，而不是一组静态 prompt 或脚本。文章按生命周期整理技能发现、表示、检索、执行、更新与治理机制，并比较代码技能、工具技能和程序化记忆等形态。它的价值在于给“agent 会积累能力”这件事建立词汇表，同时指出版本控制、评测和退役机制仍缺统一做法。

mcp-spec-check 是一个 CLI，用黑盒方式检查已部署 MCP server 是否适配 2026-07-28 spec 的核心变化。它不需要服务器源码，而是通过远程协议交互判断 readiness，这让兼容性检查可以放进发布前或升级前流程。MCP 生态正在快速扩张，协议版本差异会直接影响 agent 工具调用稳定性，这类探针的价值会随服务数量上升。

stitch-skills 是面向 Google Stitch MCP server 的 Agent Skills 集合，并遵循 Agent Skills open standard。它把可复用能力打包成 skill，让 agent 在设计或应用生成流程中调用。这个仓库说明 MCP 相关生态正在从单个工具 endpoint 扩展到可分发能力包。

Skyvern 用 LLM 和 computer vision 自动化浏览器工作流，并提供 Playwright-compatible SDK。它区别于固定选择器脚本的地方，是让模型根据页面视觉和状态决定下一步动作。浏览器自动化一旦进入真实后台系统，验证、回滚和人类审批会成为与识别能力同等重要的部分。

MCP Gateway 把 OpenAPI 接口和数据库转换为 MCP server。它复用已有 API schema 与数据库元数据生成模型可调用的 tools/resources，减少每个内部系统都手写 MCP 适配层的成本。这个工具击中的是真实集成痛点：MCP 的价值取决于企业现有系统能多快被安全、结构化地暴露出来。

OpenAI 介绍 ChatGPT Work，面向企业工作流提供云端与桌面端能力。条目强调它服务于实际工作任务、工具连接和跨应用操作，而不是只作为网页版问答入口。值得注意的是产品叙事从“聊天”继续转向“工作代理层”，这会影响企业权限、数据边界和审计需求。

OfficeCLI 是面向 AI agents 的 Office 文件读写与自动化 CLI，覆盖 Word、Excel 和 PowerPoint。README 强调它是 open-source、single binary、no Office installation、no dependencies，并内置 HTML rendering engine，可把 `.docx`、`.xlsx`、`.ppt…

dotnet/skills 是 .NET 团队维护的 agent skills 仓库，为 coding agents 提供 .NET 与 C# 开发任务知识。README 列出多个插件：`dotnet` LSP 集成、`dotnet-msbuild` 构建诊断与现代化、`dotnet-test` 测试运行与分析、`dotnet-ai` LLM/RAG/MCP/ML.NET 相关能力，以及 .NET…

SkillReranker 面向大型 skill library 中“多个泛化 skill 都语义相近”的选择难题，在 inference time 用任务分解来重排候选 skill。它同时分解 task 和 skill，生成 subtask、execution-state 与 transition-state 描述，再构成一个有向无环执行图：中间 task states 是节点，candidat…

skill-extractor 从 Claude Code、OpenAI Codex CLI 或其他 agent transcript 里挖可复用 skill，而不是让 agent 平台用不可见 memory 自动学习。它按 confidence 和 utility 给候选打分，并用 trace outcome（successful / meh / failed）加权；候选会进入 VS Code…

dev-browser 是一个 Claude Skill，让 agent 可以通过 sandboxed JavaScript scripts 控制浏览器。README 提到脚本运行在 QuickJS WASM sandbox 中，没有 host access；同时支持 persistent pages，让 agent 一次导航后可以跨多个脚本持续交互，并能 auto-connect 到浏览器。它不…

GeoSQL 是给 Claude、Codex、GitHub Copilot 的 geospatial analytics skill，面向 PostGIS、BigQuery、Snowflake 和 Wherobots 上的数据分析。README 强调它可以 100% local 或 self-hosted，不需要 SaaS 账号；`pip install geosql && geosql` 后可安…

OpenAI 发布 GPT-Live，把 ChatGPT Voice 的语音交互从 turn-based 模式推进到 full-duplex continuous interaction：模型可以同时听和说，并在每秒多次决定继续听、暂停、插话或调用工具。它还把连续对话层和深度工作层解耦，遇到搜索、推理或更 agentic 的任务时委托给 GPT-5.5，同时保持语音流不断。公告称 GPT-Live…

claude-video 是让 Claude 下载、抽帧、转录并处理视频的 skill。它把视频转换成模型可操作的文本、图像帧和时间线信息，使 Claude 能总结、分析或引用片段。这个仓库的实用点在于把多模态材料预处理包装成 agent 可调用工作流。

论文比较自然语言工具和结构化工具调用在多模型上的表现，核心发现是工具接口形式本身会显著影响 agent 能力。自然语言工具把能力描述成模型熟悉的文本语境，在一些任务上可接近甚至优于严格 schema。它挑战了“结构化调用一定更可靠”的默认假设，尤其适合重新审视工具 API 设计。

Caveman 是面向 AI coding agent 的 skill/plugin，用更短、更直接的输出风格减少 token 消耗。它约束 agent 的沟通方式和中间叙述，把上下文预算留给代码、命令和关键状态。这个项目很小，但抓住了 coding agent 的真实成本项：语言冗余也会吃掉窗口和账单。

Docx-CLI 提供命令行方式读取和编辑 Word `.docx` 文档，目标用户明确包括 agent。它让模型或脚本能检查文档结构、正文和段落并执行修改，而不用依赖 Word GUI 或脆弱的手工复制。这个项目的实用点在办公自动化：很多 agent 能处理纯文本，却卡在真实文档格式上。

awesome-claude-skills 是 Claude Skills、插件和 agent workflow 的资源列表。它以 curated list 的方式整理技能包、扩展和示例工作流，价值主要来自发现和分类。这个仓库反映 Claude Skills 生态正在从零散技巧转向可复用组件目录。

Chrome DevTools MCP 把真实 Chrome DevTools 接到 MCP，让 coding agent 能检查页面结构、网络请求、控制台、性能 trace 和浏览器运行状态。它直接使用 Chrome，而不是用简化浏览器模拟环境，因此适合前端调试、自动化回归和网页 agent 任务。对 coding agent 来说，这相当于把“看页面”升级成“用 DevTools 读页面”。

marketingskills 把营销工作拆成 agent skills，覆盖 CRO、copywriting、SEO、analytics、growth、sales/GTM 和 strategy。README 的结构里 product-marketing 是基础 skill，其它 skill 先读取产品、受众和定位，再进入具体任务。这个设计比“让 agent 写营销文案”更系统，因为它把上下文依赖…

这是 Claude Code 资源合集，收集 skills、agents、status lines、hooks、工作流和相关开发工具。它本身不是运行时项目，而是用 curated list 映射 Claude Code 生态的增长点。看这个仓库可以快速判断社区把精力投向哪里：提示资产、自动化脚本、状态展示、子代理编排和团队规范都在变成可复用部件。

AgentLine 是给 AI agents 使用的开源电话呼叫基础设施，目标是让 agent 能发起、接听和管理真实电话交互。它把电话号码接入、实时音频、转写和 agent 状态管理纳入同一条链路，而不是只做离线语音识别 demo。这个项目说明 LLM 工具调用正在进入传统通信网络，工程难点会从 prompt 转向延迟、失败恢复、通话状态和合规记录。

Local MCP 是 macOS 本地 MCP 应用，把 Claude、ChatGPT、Cursor 等客户端连接到本机消息、文件和应用上下文。它把多个本地 MCP server 整合成桌面应用形态，降低用户手写 connector 和配置 JSON 的门槛。这个项目的关键不在“又一个 MCP server”，而在本地权限边界、敏感数据访问提示和多 AI 客户端复用同一套上下文。

unity-mcp 是 Unity Editor 与 AI assistants 之间的 MCP bridge，可让助手管理资源、场景和脚本。它把 Unity 编辑器操作暴露成模型可调用工具，避免用户在聊天窗口和 IDE 之间手动搬运代码。这个方向的难点是权限、状态同步和可撤销编辑，因为 agent 一旦能改场景和资源，错误操作的成本会比生成一段脚本更高。

Armin Ronacher 描述更强模型在结构化工具调用中生成 schema 之外参数的问题。这个现象说明模型对任务理解更强时，可能更主动推断隐含字段或补充参数，反而破坏工具协议的严格契约。文章把注意力放在接口边界上：工具层需要校验、拒绝和反馈机制，而不是默认相信模型会因为能力提升就更守规矩。

modelcontextprotocol/ext-apps 是 MCP Apps 协议和 SDK，用于在 AI chat 客户端中嵌入交互式 UI。它把 MCP 从文本工具调用扩展到可视化应用承载层，让 agent 可以与表单、图表或小应用共同完成任务。这个仓库重要在协议方向：复杂工作流很难永远靠聊天消息和 JSON 工具结果表达。

agentskills/agentskills 定义 Agent Skills 规范和 `SKILL.md` 文档格式，用于给 agent 安装可复用能力。仓库把技能说明、资源和工作流约束打包，避免把所有领域知识塞进一个巨大系统提示。它反映了 agent 能力工程的一条路线：把提示变成可分发、可版本化、可按任务加载的模块。

WebKit 团队发布 Safari MCP server，让开发工具和 agent 可以控制 Safari、检查页面并执行调试任务。它把 MCP 接到真实浏览器运行时，使 agent 能根据 Safari 的实际渲染、网络和开发者工具状态行动。随着 Chrome 和 Safari 都出现 MCP 调试入口，浏览器正在成为 coding agent 的一等工具环境。

SkillCoach 研究 agent 对可复用 skill 的选择和执行质量，用自演化 rubric 从轨迹中更新评价标准。它不是只打一个 pass/fail 分数，而是让 rubric 随任务分布提炼新的评分维度。技术意义在于 skill-based agent 需要可维护的评估体系，否则 skill 数量增长后很难判断 agent 是选错技能、参数错了，还是执行策略不合适。

Scopewalker 是本地只读 MCP server，为 agent 提供代码行数、复杂度、嵌套深度和参数数量等指标。它通过工具调用把代码库形状暴露给模型，帮助 agent 在重构或审查前判断风险区域。这个项目的亮点是克制：只读指标不会替模型做决定，却能减少模型对代码规模和复杂度的主观猜测。

TaxHacker 是自托管 AI accounting 应用，面向 freelancer、indie hacker 和小企业的收据、发票、交易分析。README 描述上传照片、PDF 或 invoice 后，系统会抽取 product names、amounts、items、dates、merchants、taxes，并写入类似 Excel 的结构化数据库。可自定义字段和 prompt 的设计让…

DBX 是 15MB 级跨平台数据库客户端，支持桌面和 Docker 自托管，并带 built-in AI assistant。README 标称支持 60+ databases，包括 MySQL、PostgreSQL、SQLite、Redis、MongoDB、DuckDB、ClickHouse、SQL Server 等。它的卖点不是单个数据库能力，而是以小体积把多数据库管理、跨平台打包和 AI…

Maxun 是开源 no-code 平台，用于 web scraping、crawling、search 和 AI data extraction，口号是把任意网站转成 structured API。README 指向 Web app、文档和教程，适合不想手写爬虫但需要结构化数据抽取的团队。页面还出现 residential proxy 赞助信息，提到 9000 万以上真实 IP 和 200 多个…

这篇把 agent skills 看作 dependency-bearing artifacts，指出它们的 identities、versions、provenance 常常是隐式的，已经造成 duplicated dependencies 和 inconsistent installations。SkillDepAnalyzer 借鉴 SBOM 思路，从自然语言依赖证据中恢复 skill me…

论文把 agent skill 从可检索文档重塑为 Skill Service：每个 skill 带功能描述、依赖、上下文成本、风险和 QoS 属性。Local Micro-Agent Requirement Planner 将自然语言任务转成结构化服务需求，共享 discovery backbone 从大 registry 中召回候选，再用 skill-level marginal suitab…

QUALITY.md 把项目质量评估写成一个开放说明格式，并配套 agent skill 与 CLI。作者在原始描述里强调它最初用于建立 holistic quality evaluation process，后来发现也适合 loop engineering。这里的方向不是再加一个 lint，而是把质量标准、评估步骤和 agent 可执行的检查周期写成项目资产，让修复从事后 review/repa…

这个工具把视频变成任何 LLM 都能消费的本地文件夹：关键帧、transcript 和 MANIFEST.txt，而不是只把视频链接交给模型。它用 scene-change detection 加 density floor 取代固定 1fps 抽帧，再用 sliding-window dedup 去掉重复镜头；默认 `--max-frames` 是 150，并可通过 Whisper 转写音频。工…

OpenAgent 将 tool-use agent 的泛化问题形式化为 query、action、observation、domain 四个维度上的 distribution shift，而不是在固定工具集上看 leaderboard。作者构造受控 sandbox，并把扰动组织为 Perception、Interaction、Reasoning、Internalization 四层 hierar…

`@ttsc/graph` 把 TypeScript compiler 看到的真实程序图暴露给 MCP agent：什么调用什么、什么依赖什么、每个符号在哪个文件和行。它的 MCP surface 是单工具 `inspect_typescript_graph`，返回 names、edges、signatures 和 spans，不返回源码正文，所以 graph 查询的 token cost 随仓库…

OmniRoute 是多 provider AI gateway，试图让 Claude Code、Codex、Cursor、Cline、Copilot 和 Antigravity 共用一个 endpoint 接入大量模型供应商。README 的强营销数字包括 236 providers、50+ free providers、约 1.6B free tokens/month，以及 RTK + Cav…

cloudflare/skills 是 Cloudflare 给 Agent Skills 标准准备的一组 skill，覆盖 Workers、Agents SDK 和更广的 Cloudflare Developer Platform。它可通过 Claude plugin marketplace、Cursor marketplace/remote rule、`npx skills add` 或直接复…

LUMOS 把操作系统与浏览器已有的 accessibility metadata 转换为 machine-readable semantic blueprints，包含 stable identifiers、roles、names、values、bounds 和 action affordances。agent 通过 constrained visible-UI primitives 做 obs…

video-use 的目标是让 coding agents 编辑视频，把视频剪辑流程暴露给 agent，而不是让模型只生成脚本或建议。这个方向难点在可观察状态：agent 需要理解时间线、素材、剪切点、导出结果和视觉反馈，不能只依赖文本 diff。它出现在 Trending 里说明 agent 工具正在从代码库扩展到媒体生产工作流。

page-agent 是阿里开源的 JavaScript in-page GUI agent，用自然语言控制网页界面。它可嵌入网页内部，而不是从外部驱动浏览器。这个位置差异很重要：页面内 agent 可以直接接触 DOM、组件状态和应用上下文，也更容易和产品权限、埋点、UI 状态机集成。它适合那些希望给已有 Web 应用加自然语言操作层的团队，而不是只做测试自动化。

use-zerostack 是一个 agent skill，把 Claude Code、Cursor 等 coding agent 的 slash command 映射到 zerostack CLI，让主 agent 可以把实现、计划、审查和复杂编排委派出去。README 给出的命令面很小但明确：`/zs:code`、`/zs:ask`、`/zs:plan`、`/zs:review`、`/zs:p…

Tsar-MCP 这篇 IBM 文档讲解如何用 C/C++ 实现 MCP server aspect，“aspect”这个切入点说明它关注 MCP server 的横切能力组织，而不是只演示一个工具 handler。对 C/C++ 生态来说，MCP server 若要进入已有系统，常见难点是生命周期、资源暴露、错误处理和接口复用。把这些做成 aspect 有助于让 MCP 嵌入传统 native…

Shikhu 是 CLI 加 `/shikhu-study` agent skill，目标是帮助开发者学习自己或 AI 生成的代码库。它用 Mercury API 读取源码生成摘要和概念性多选题，用本地 SQLite 的 `coverage.db` 跟踪 knowledge coverage；每个文件需要 3 个 golden questions 才算 fully covered。README 还…

Peek-CLI 让 coding agents 能捕捉浏览器打开 tab 的截图，填补本地前端调试中“agent 看不到页面”的缺口。README 说明它通过浏览器扩展经 WebSocket 传输截图，本地 `peeked start` 启动 daemon，`peeked list` 列出 URL，`peeked at http://localhost:3000` 会保存截图文件。项目还提供 C…

Moumantai 是自托管 personal app runtime：服务器保存状态和业务逻辑，再根据浏览器、手机、手表或 ESP32 面板投射不同 face。README 的核心抽象是 “Schema. Tools. Faces.”：schema 管状态，tools 做变更，faces 只读展示；agent backend 不能直接改状态，只能请求服务器验证并执行工具。quick start…

vercel-labs/skills 提供一个开放 agent skills 生态的 CLI，核心入口是 `npx skills`。README 写到它支持 OpenCode、Claude Code、Codex、Cursor 和 68 个以上工具，还能安装 skill 或把某个 skill 直接生成 prompt 传给 agent。它的看点在于把“可迁移的 agent 能力包”做成跨工具分发层，而…

aws/agent-toolkit-for-aws 是 AWS 官方支持的 agent toolkit，包含 MCP servers、skills 和 plugins。README 明确说它面向 Claude Code、Codex、Cursor 等 coding agents，帮助这些 agent 在 AWS 上 build、deploy、manage applications。它的意义在于云厂商…

Open Tag 是 CopilotKit 做的 Claude Tag 类开源实现，目标是把特定产品里的 tag 式交互抽成可复用项目。公开描述没有展开太多实现细节，但它处在一个明确趋势里：agent 应用开始需要更细粒度地标注上下文、目标对象和可操作区域。它可作为观察 CopilotKit 如何把 agent UI 交互组件化的入口。

Ocarina 把 MCP server 的 tools 和 resources 当作可脚本化接口，用 YAML 编排调用、测试和自动化流程。作者的切入点来自 Ansible 式自动化：MCP 已经把服务能力描述成 typed、LLM-readable 的协议对象，因此不必每次都通过聊天模型来触发。这个项目把 MCP 从“给 agent 用的接口”推进到“可重复执行的集成测试面”。

Mcpify 读取 OpenAPI 规格并生成 MCP server，目标是消除为每个 REST endpoint 手写 MCP tool wrapper 的重复工作。作者指出，现有 API 通常已经有 OpenAPI spec，因此生成整套 server 比手工桥接更合理。它的技术看点在于把 MCP 接入从“写胶水代码”变成“从既有契约生成 agent 可调用接口”。

AI Berkshire 是基于 Claude Code 的价值投资研究框架，把巴菲特、芒格、段永平、李录四种方法论做成 skills 和多 agent 流程。README 列出 16 个 skill，包含深度研究、财报分析、行业筛选、持仓管理和思维工具；它还展示 2024 全年 +69.29%、2025 年至今 +66.38% 的实盘记录。项目真正有意思的地方是把投研纪律、反偏见清单和多源数据校…

OpenSEO 是开源 Semrush/Ahrefs 替代，定位为可自托管、按 API 成本付费、可被 agent 调用的 SEO 工具。README 列出 keyword research、rank tracking、competitor insights、backlinks、site audits 和 AI visibility，并提供 MCP server 与 Claude Code/Ope…

论文将 FSM-defined scenarios 里的成功轨迹看作未知转移图路径，把可复用 skill 表示成 parameterized finite-state-machine subgraphs。SkillDisCo 从 successful traces 蒸馏 PFSM 子图，再编译成 callable、executable、verifiable procedural skills；AL…

Google 介绍 Gemini 3.5 Flash 的 computer-use 能力，说明其产品线继续向可操作界面的 agent 执行层延伸。这条的重点是能力类别：模型不只是生成文本，还承担屏幕/应用操作。它与 GUI/CLI agent 论文形成呼应，行业正在把 computer use 从研究 demo 推进到主力模型功能。

modelcontextprotocol/rust-sdk 是 Model Context Protocol 的官方 Rust SDK，基于 tokio async runtime。README 提到 RMCP 核心 crate、rmcp-macros procedural macro crate，以及 1.x migration guide。Rust SDK 的成熟度会影响 MCP 在高性能服务…

Corsair 是面向 agents 的 unified integration layer，用来集中连接外部服务并控制权限。README 描述的模式是 agent 连接到 Corsair 实例后获得 integrations，但不直接看到 credentials，用户仍能控制它能做什么。它把 agent 集成问题拆成两层：外部服务连接由平台管理，动作权限由用户和策略收口。

NVIDIA/skills 是 NVIDIA 发布的官方 agent skills 集合，README 将 skills 定义为 portable instruction sets。它们用于教 AI agents 更好使用 NVIDIA 软件，包括 CUDA-X libraries、AI Blueprints 等，并链接 docs、livestream 和 capability governanc…

Caplets 把 agent 能力拆成更小的 capability 单元，而不是把一整面工具墙交给模型。它的设计目标是按任务分发最小可用能力，使 agent 只拿到当前动作需要的权限。这个项目和 MCP/tool registry 生态相邻，但关注点更偏 capability packaging 与细粒度授权。

ByteAsk Embedded MCP 是一个 MCP server，为 coding agents 提供嵌入式 datasheet 信息，并带页码引用。嵌入式开发的资料常常长、表格密、约束细，答案如果不能回到具体页码，工程可信度会很低。这个项目把资料检索和引用位置一起暴露给 agent，适合硬件接口、寄存器和器件选型类任务。

Selector Forge 是一个浏览器扩展，用 AI 生成 CSS/XPath selector，但最终正确性由 live DOM 验证。流程是用户选中页面元素，扩展发送目标、DOM 上下文和 seed candidates，后端生成和排序候选，浏览器逐个验证并回传结果；列表模式还会检查完整目标集合，拒绝 over-match 和 under-match。项目的核心设计是把 AI 限定为 pr…

open-geo 是 Claude Code skill，用真实登录浏览器跑查询并记录品牌在生成式答案中的可见性。README 写明它检查目标域名是否进入 answer、sources、citations 和正文，使用 SQLite WAL 存本地时间序列，并输出 FastAPI/React dashboard 与 A4 PDF；指标采用 answer→sources→citations funn…

Nathan Lambert 评述 GLM-5.2 在开放 agent 能力上的表现和生态位置。文章的判断背景是开放模型能否在工具使用、长任务和 coding agent 工作流里承担真实负载，而不只是聊天和基准测试。它把 GLM-5.2 放进“开放模型是否开始具备可用 agent 栈”的讨论中。

Voicebox 把 voice cloning、TTS、dictation 和 agent voice output 放进一个本地优先应用。README 的功能密度很高：7 个 TTS engines、23 种语言、从几秒参考音频 zero-shot clone、50+ preset voices、全局 push-to-talk/toggle dictation、Whisper STT、REST…

Rocannon 把 Ansible 资产直接反射成 MCP 工具：启动时读 `ansible-doc`，把安装的 module 和带 argument spec 的 role 变成带类型、默认值、choices 和安全提示的 LLM-callable tool。它不是只做自然语言 wrapper，README 还强调 session 可以录制成 `.rocannon/playbooks/` 下的…

Anthropic 复盘 Project Fetch 时把机器人任务拆成连接视频、连接 lidar、程序控制、路径监控、检测 beach ball 等阶段，让 Claude Opus 4.7 在 Claude Code 中跑三次，研究员只负责插线、输入初始 prompt、批准命令和任务切换。结果最醒目的数字是：四个所有团队都完成的任务里，Opus 4.7 平均 9 分 35 秒完成，而原先 Tea…

Nori Browser 把“人看的浏览器”和“agent 脚本化的浏览器”合成同一个 Electron 应用：侧栏运行 Claude Code 或 shell，页面本身是可通过 CDP 暴露的 Chromium。README 写明默认 CDP port 是 `19222`，agent 用 Playwright `connectOverCDP` 控制用户正在看的同一组页面，而不是走 MCP 工具或…

Simon Willison 摘录 Sean Lynch 的 HN 评论，把 MCP 的价值从“工具协议”重新聚焦到授权隔离。评论指出，MCP 相比 skills/CLI 的关键能力是把 auth flow 放到 agent context window 之外，甚至放到 harness 之外；理想形态可能只是 API 的 auth gateway。这个判断与 Cloudflare temporar…

Quikdown 针对的不是完整 CommonMark 或 ProseMirror 替代，而是“Markdown 仍是 source of truth，但用户能编辑源文本或渲染侧”的轻量文档面。README 给出的核心 parser 大约 15-17KB、零运行时依赖，双向模块约 20KB，editor 约 98KB；rich fence 覆盖 Mermaid、MathJax、GeoJSON、ST…

Namecom-CLI 是把 Name.com DNS/domain 管理做成 agent-friendly CLI：`--json` 覆盖所有命令，`commands` introspection 让 agent 能发现可用 surface，`records set` 采用 create-or-update 语义避免自动化重复记录。README 还把安全细节写得比较实用：凭据优先走 macOS…

openai/skills 是 Codex Agent Skills 的技能目录仓库。README 把 Agent Skills 定义为 agents 可发现并用于特定任务的 instructions、scripts 和 resources 文件夹，强调 “write once, use everywhere”。这个仓库和自动生成 SKILL.md 的论文互相呼应：一个提供技能分发形态，另一个试图…

modelcontextprotocol/servers 是 MCP 的参考 server 实现和社区资源集合。它为文件系统、数据库、开发工具和外部服务等能力提供示例入口，使客户端和工具作者有共同参照。随着 MCP 成为代理工具接口的重要协议，这个仓库更像生态基础设施，而不是普通示例集。

MCP 官方博客介绍企业托管认证下的 zero-touch OAuth 流程，目的是让 MCP server 的授权更适合企业管理。它把用户逐个同意的交互，转向由组织身份和管理策略预先处理的认证体验。随着 MCP 工具进入公司环境，认证和权限生命周期会和协议本身一样重要。

Surface 提供的是面向编码代理的 HTML 页面观察与响应技能，让代理能看见页面状态并据此采取动作。它的重点不是生成页面，而是把浏览器中的可视反馈纳入编码闭环。对于前端和可视化调试任务，这类技能可以把“截图观察、定位问题、修改代码”变成更连续的工作流。

mcp-pg-rust 是一个用 Rust 编写的 PostgreSQL MCP server，材料中明确给出它提供 135 个工具。项目把数据库访问、检查和操作能力通过 MCP 暴露给代理，覆盖面比单一查询工具更广。它的看点在于把数据库管理拆成大量可枚举工具后，代理权限、审计和错误恢复都可以更细粒度地处理。

OpenTunnel 把远程命令包装成本地代理工具调用，让代理可以在本地接口下触发远端执行。这个设计适合处理本地模型或本地代理需要操作远端环境的场景，同时保留工具调用的统一形态。它的技术边界在权限和审计：远程命令一旦进入代理工具层，就需要清楚定义可执行范围。

这个项目把一台旧 Android 手机变成代理可调用的 SMS 通道，通过手机端应用和 relay server 完成读取、发送短信。作者在 HN 描述里给出的动机很具体：让代理访问 OTP codes，同时避开 Twilio 的成本和配置负担；relay server 充当 agents 的 MCP 入口。技术上看，它把物理设备能力包装成代理工具，比纯云端 API 更贴近个人自动化场景。

agent-native 面向的是让代理成为应用一等交互者，而不是在既有 UI 外面再套一个聊天框。项目的核心做法是把用户界面操作、代理动作和状态更新放进同一套状态与动作系统，使人类点击和模型执行能共享可追踪的应用语义。这个方向的技术看点在于，应用不只把代理当“文本生成器”，而是为代理暴露结构化、可回放、可约束的操作面。

这篇反思静态 API endpoint 对代理接口的限制，提出 ToolPro，用可执行 tool program 表示代理面向 Web 服务的多步意图。摘要点名的长程工作流结构包括 loops、conditionals、joins 和 retries，这些都很难被一组固定端点完整表达。它适合解释为什么 agentic web services 需要比 OpenAPI 风格接口更灵活的执行单位。

这篇面向 computer-using agents，目标是从 GUI 交互轨迹中自动生成 SKILL.md。摘要给出的三阶段流程是 segment GUI trajectories、cluster segments into candidate skills，再训练 skill-aware policy；动机是显式技能库更容易检查，但能否从交互数据中挖掘仍需验证。它把“人教代理做任务”的成本从手…

Midscene 用视觉理解和自然语言描述做 UI 自动化与测试。它降低了选择器脆弱性，因为操作目标可以由画面语义决定，而不是固定 DOM path。对现代前端测试来说，这类框架把“用户看到什么”重新放回自动化主语。

mattpocock/skills 收集面向工程工作流的 agent skills。它把经验、约束和操作步骤沉淀成可被 agent 调用的技能文件，而不是依赖每次对话重新说明。这个仓库体现 skills 正在成为 AI 开发环境里的新配置层。

vibesurfer 是 Rust 浏览器 daemon，底层用 WKWebView、WebKitGTK 或 WebView2，不依赖 Chromium/CDP。README 给出一个直观对比：Hacker News 首页经 Playwright 约 2000 输入 token，而 vibesurfer 约 50，因为它返回 state tokens 和 tree deltas。mutating…

论文从访问、经济和内容三层重新设计 Web，主张代理作为人类 proxy 时应继承相应访问权，并用请求元数据、rate limit 和 agent-optimized 内容协商边界。经济层提出按 intent 和 token 计量，内容层提出 ATML、四级人类监督和加密 provenance chain。它把 agent 访问网站的问题从反爬和 CAPTCHA 扩展到社会契约、付费机制和知识来源…

Throne MCP Registry 记录 74 个 MCP server 在 microVM 中运行时的兼容性和故障情况。它的价值不在“又一个 MCP 列表”，而在把 MCP server 放入隔离执行环境后观察真实安装、启动和运行问题。对正在把 MCP 接入生产 agent 的团队，兼容性矩阵比 README 徽章更接近可用性证据。

Skill Studio 是跨平台 Rust 应用，用来挖掘、编辑和管理 agent skills。它把 skills 当作可维护资产，而不是散落在项目里的提示词片段。这个方向值得注意，因为多 agent 工作流越复杂，技能的发现、版本和编辑体验越接近 IDE 或包管理问题。

AutomatiQ 先用 Chrome CDP 记录用户浏览时的网络请求、响应体、cookie、点击、输入和导航，再让视觉模型标注动作片段，最后由 LLM 在隔离 Python/IPython 环境中生成自动化脚本。README 的使用路径很短：`automatiq run https://example.com`，浏览后按 Ctrl+C，agent 接管生成脚本。它把 web scraping…

作者用 5 轮迭代方法分析 9 个有采用迹象的开源 agent 通信协议，给出 counterparty、payload、interaction state、discovery mechanism 和 schema flexibility 五个维度。样本中 agent-to-agent 协议普遍保留 session state，多数支持多个预定义 schema，只有少数在运行时协商 schema。…

mcp-sql 把数据库访问包装成 MCP server，重点不是“让模型会写 SQL”，而是把查询权限和修改权限拆开。作者在原始描述中写到，SELECT 可以让 LLM 自由使用以建立上下文，但涉及写入、更新、删除时，尤其在敏感环境中，需要人类保留控制和理解。这个权限模型适合企业内部 Agent：读路径帮助分析，写路径必须显式审批或被更严格地 gated。

PreAct 把 computer-use Agent 的一次成功执行编译成小型 state-machine program：状态负责检查屏幕是否符合预期，transition 负责执行点击或输入，后续同类任务直接 replay 而不是逐步调用模型。论文报告 replay 比重新让 Agent 观察和推理快 8.5 到 13 倍，且每一步不再消耗语言模型调用；一旦屏幕状态不匹配，控制权会交回 Ag…

AuthPlane 的定位是 MCP 场景下的 OAuth 2.1 与 PKCE authorization server。它直接落在远程 MCP 部署最薄弱的一层：Agent 需要访问用户关联服务时，授权边界不能靠长期静态 token 或临时共享密钥撑住。把 OAuth 2.1/PKCE 放进 MCP 工具链，意味着可以用标准 delegated authorization、client flo…

Aihu 的定位是 Web Components framework for AI agents，目标是让 Agent 更稳定地驱动前端组件。它通过 custom elements、属性和组件级语义约定，为 Agent 提供比像素点击或临时 CSS selector 更稳的操作面。它反映了前端工具链的新分叉：UI 不只要对人可用，也要对自动化和 Agent 可解释。

OpenAI 与 Molecule.one 把 GPT-5.4 接到 Maria AI/Lab，让系统从开放目标出发改进 medicinal chemistry 里的 Chan-Lam coupling。最有结果的 proposal OAI-M1-03 选择 primary sulfonamides 这一低产率但高价值 substrate class，并提出 TEMPO 等 mild oxidan…

datasette-agent 0.3a0 新增带用户审批的写 SQL 工具。这个变化把 agent 从只读分析推进到可提出数据库 mutation，但把最终执行权留在人类确认步骤。它是数据库 agent 产品化中的一个小而重要的边界设计：模型可以生成操作计划和 SQL，系统必须在副作用发生前暴露清楚并等待批准。

PrologMCP 把 Prolog 作为 stateful MCP server 暴露给 LLM agent，让模型负责翻译问题，符号求解器负责演绎推理。接口包含结构化错误报告和 per-session isolation，适配 translate-run-inspect-repair 循环。PARARULE-Plus 两个子集上，formalizer agent 在一般样本达到或追平 1.00…

FastContext 将 repository exploration 从 coding solver 中拆出，训练 4B-30B 的专门探索子 agent。它按需并行调用工具，只返回文件路径和行号范围，减少探索阶段对主 agent history 的污染。接入 Mini-SWE-Agent 后，在 SWE-bench Multilingual、SWE-bench Pro 和 SWE-QA 上端…

Claireon 是运行在 Unreal Editor 内的 MCP server 插件。它把外部 MCP 表面收缩成 `tool_search` 和 `python_execute`，再在编辑器内部用 SQLite FTS5 与 embedding model 检索数百个 automation tools。功能覆盖 Blueprint、Animation、State Tree、Behavior…

agent-skills 是面向 AI coding agents 的 production-grade engineering skills 集合。digest 的重点是把工程流程、代码审查、测试、文档和交付习惯封装成可复用指令包。它值得看是因为 agent 能力越来越取决于可执行流程模板，而不仅是模型本身的代码生成能力。

RAIF 观察到 LLM 不是确定性 JSON writer，常见失败包括少括号、markdown fence、半截流和分隔符滑移，因此把“可修复”写进格式本身。README 的数字是相对 JSON 少约 14.4% cl100k token、15.9% o200k token，截断输出在同等预算下恢复 46% leaf，而 JSON + jsonrepair 为 41%。它还用 5,000-se…

Datasette 1.0a33 扩展 JSON API 的 `_extra=` 模式，使其覆盖 queries 和 rows。这个变化面向自动化调用者：API client 可以直接请求附加结构化信息，而不必围绕查询结果再发额外请求或解析页面。它与 datasette-agent 放在同一天看更清楚，Datasette 正在把自己变成更适合 agent 和脚本消费的数据界面。对于小型数据工具，J…

LiteLLM 是 OpenAI-compatible LLM gateway/SDK，覆盖 100+ 模型 API，并支持 cost tracking、guardrails、load balancing、logging。仓库描述列出的后端包括 Bedrock、Azure、OpenAI、VertexAI、Cohere、Anthropic、SageMaker、HuggingFace、vLLM、NVI…

SKIM 关注的是自然语言 skill，而不是普通文档压缩：skill 里有步骤依赖、工具协议和可执行 workflow，简单摘要会破坏可用性。它按 skill 复杂度自适应生成不同数量的 soft tokens，形成多分辨率过程知识压缩，并且强调离线、轻量，适合频繁更新的社区 skill。实验里 skill 被压到原 token 长度的 30%-60%，同时任务表现比既有压缩方法保留得更好。对于…

OpenUI 是面向 generative UI 的开放标准与 React runtime。README 说明 OpenUI Lang 支持 token streaming、受控组件渲染和 Zod 类型契约，并在七个 UI 场景中相对 JSON streaming 格式总 token 少约 52.8%；仓库还包含 chat state adapters、prebuilt chat UI、CLI、N…

LatentSkill 把 agent 的 textual skills 转成 plug-and-play LoRA adapters，让技能知识存到权重空间而不是每步塞进 prompt。它用预训练 hypernetwork 生成 skill LoRA，并支持 scaling 与 parameter-space composition；在 ALFWorld seen/unseen split 成功…

OpenAI 案例文章介绍 Nextdoor 平台团队如何用 Codex 调查问题和推进跨平台产品工作。Nextdoor 服务 11 个国家超过 1.1 亿用户；文章举的 Opportunity Alerts 地图功能过去可能需要 mobile、frontend、backend 三队协作，现在由一名工程师借助 Codex 端到端完成。案例的核心不是“生成更多代码”，而是工程师职责从系统局部移动到产…

Apple Core AI Framework 文档面向开发者在 Apple 平台集成系统 AI 能力。结合 Apple Intelligence 页面看，开发者入口的关键不是单一模型 API，而是把 Foundation Models framework、App Intents、Siri、Writing Tools、Image Playground 等能力放进系统框架。它决定第三方 app 能多…

Anything2Skill 把外部知识库中的手册、示例、日志和轨迹编译成可复用 agent skills。框架先切 evidence windows，再按 skill-tree prior plan-and-expand，最后生成包含 invocation conditions、contraindications、action moves、workflow steps、constraints、o…

这是 OpenAI 的 Codex plugin 示例集合，覆盖 manifest、skills、commands、hooks 和 MCP 配置等结构。GitHub 页面显示约 2k stars，语言以 JavaScript 和 Python 为主。它适合当作 plugin scaffolding 的参考，而不是完整产品仓库。

IBM mcp-context-forge 是 MCP、A2A、REST/gRPC API 前的 gateway、registry 和 proxy。仓库描述强调统一 endpoint、集中发现、guardrails、管理、observability 和 plugin 支持。随着 MCP server 数量增加，这类 registry/proxy 会成为 agent 平台治理的基础设施，而不是可选周…

Aquifer 是自托管 MCP Gateway Runtime，面向突发 agent 工具调用流量。仓库描述称其为 API Aqueduct，最新 release v0.2.0 在 2026-06-06 发布。它切中的问题是 MCP server 一旦被多个 agent 并发调用，需要网关层处理流量整形、运行时调度和稳定性。

Apple Contacts MCP 把 macOS Contacts 暴露为本地优先 MCP server，支持安全搜索和编辑联系人。联系人属于高度敏感的个人数据，因此 local-first 约束比功能数量更重要。它代表一类桌面私有数据 MCP：有用，但必须把权限边界设计清楚。

Agent-Reach 给 AI agent 提供 Twitter、Reddit、YouTube、GitHub、Bilibili、小红书等平台的读取和搜索能力，并强调 zero API fees。它把跨平台信息采集做成 CLI，适合研究、舆情或内容整理 agent 调用。风险点同样明显：平台 ToS、反爬限制和账号安全会决定可持续性。

openai-ads-mcp 把 ChatGPT Ads API 包成 MCP server，当前定位是只读查询账户、广告系列和投放数据。它属于“业务 API agent 化”的典型小工具：价值不在复杂推理，而在让 ChatGPT/Claude/Codex 类客户端以工具调用方式访问广告后台。

SheetMog 做的是 Rust/WASM spreadsheet engine，目标是开源 Excel 替代和 headless SDK 的结合体。它把表格能力拆成可嵌入前端与程序化 API，对 agent 场景尤其有用，因为模型可以操作表格计算结构，而不必依赖屏幕坐标和 Excel 自动化。

NeuroAnswer 是给 Claude 使用的大规模脑图数据 MCP server，作用是把神经科学图谱查询封装成模型可调用工具。它的技术点在接口层：让 agent 通过 MCP 导航专业数据，而不是把整套脑图材料塞进普通上下文。

Hugging Face 把 hf CLI 明确设计成 agent 可用接口，而不是只服务人类终端用户。文档提到 Claude Code、OpenAI Codex、Open Code 可通过 `hf` 操作 Hub，并提供 `agent`、`json`、`quiet` 等输出模式；这类 CLI 细节会直接影响 agent 调用工具时的可解析性和失败恢复。

AIP 把 agent skill 从一段说明文档改成有类型边的有向执行图，节点可以绑定脚本，也可以保留自然语言步骤。摘要提到 schema-validated YAML 和 typed input/output，这让 skill 可以被校验、组合和治理，减少“技能库越长越像提示词垃圾堆”的风险。

FunASR 是工业级语音识别工具包，README 摘要列出 ASR、VAD、标点恢复、语言模型、说话人验证、说话人分离、多说话人 ASR、情绪识别、streaming 和 OpenAI-compatible API。项目标题称支持 50+ languages、170x realtime。它的价值在于把语音前处理、识别和服务接口集中在一个开源工具包里。对实时语音 agent，streaming 与…

Google Workspace CLI 用一个 `gws` 命令覆盖 Drive、Gmail、Calendar、Sheets、Docs、Chat、Admin 等 API，并由 Google Discovery Service 动态构建。README 摘要称它包含 100+ Agent Skills，一个支持 API 对应一个 SKILL.md，另有 50 个 Gmail、Drive、Docs、C…

agentgateway 是开源 HTTP/gRPC gateway，把传统应用流量和 AI-native protocols 放在同一 data plane。项目站点说明它可 route、secure、observe、govern services、LLM provider traffic、MCP tools 和 agent-to-agent communication，并支持 OpenAI、C…

研究 VLM agent 在 OCR、检测、分割等感知工具真正执行前，是否应该跳过该调用。作者发现 baseline 的局部选择性很差，helpful 和 harmful calls 比例接近 11.8% vs 9.9%，多数调用也不会改变 forced-answer prediction。ToolGate 用轨迹文本和结构特征做轻量 execute/skip 控制，在两个 Qwen3-VL ba…

TheSequence 讨论 Claude Opus 4.8 在 agent 和 coding 场景中的行为变化。digest 没给出细节，因此正文只按文章主题处理：它关注模型在 loop 内执行、工具调用和代码任务中的表现，而不是静态 benchmark。此类评论的价值在于观察 agent 行为的质感变化，例如坚持性、错误恢复和上下文处理。

把大型 skill library 的选择问题建模成 typed directed graph，而不是单纯 embedding 相似度检索。图边表达依赖、冲突、特化和重复关系；每次检索返回 vector matches、typed-edge neighbors 和 conflict signals，agent 还能通过 propose-then-commit 把执行证据写回图。论文在 ALFWor…

Julien Reszka 讨论 RSS 作为 agent 可读信息接口的作用。文章核心是：AI agents 需要稳定、可订阅、结构化的信息源，而 RSS 已经提供了类似能力。它把 RSS 从人类阅读器时代的遗产，重新解释为 agent 获取更新、追踪站点和减少网页抓取噪音的基础协议。

OpenAI 更新 GPT-Rosalind 的生命科学能力，覆盖生物推理、药物化学、基因组分析和实验工作流。此前 GPT-Rosalind 作为 research preview 面向合格客户在 ChatGPT、Codex 和 API 中提供，并配套 Codex 的 Life Sciences research plugin，连接 50 多个科学工具和数据源。它的关键点是把 domain mod…

提出 Reasoning Primitive Induction，从成功 ReAct traces 中单遍挖掘、聚类重复推理动作，并转成 typed pseudo-tools。每个 pseudo-tool 由自然语言 docstring 说明，测试时由普通 ReAct loop 组合调用。作者报告 induced libraries 反超生成它们的原 agent：RuleArena NBA 从 3…

impeccable 是面向 AI coding harness 的前端设计技能与命令集合，帮助 agent 在 UI 任务中遵守更具体的设计规范。项目把布局、组件、视觉检查和交互细节沉淀成可复用命令。值得看的是，它把“AI 写前端不好看”拆成技能、约束和审查流程问题。

论文指出文本技能文件对视觉任务存在表达瓶颈，提出把可复用 agent skill 扩展到视觉形式。

给 AI agent 操作服务器用的 typed binary protocol，目标是替代 SSH 式交互。

为 agent 动作生成签名收据的规范项目。

SkillsBench 控制实验研究 skill 是否可用以及呈现粒度是否影响 agent 成功率。实验用 30 个领域均衡任务、两个 reasoning 模型、六种 skill 条件，每个 task-condition-model cell 五次试验，共 1,800 行数据。skill availability 提升最强：GPT-5.5 相比无 skill 提升 26.7-36.0 个百分点，D…

Scrapling 是 adaptive web scraping framework，从单次请求到 full-scale crawl 都覆盖。README 强调 parser 可学习页面变化并自动重新定位元素，fetchers 可处理 Cloudflare Turnstile 等 anti-bot，spider framework 支持并发、多 session、pause/resume 和 pr…

Simon Willison 的月度通讯回顾 2026 年 5 月模型发布、工具使用和 Datasette 进展。它的价值在于把一整月的模型、工具和个人项目实践放进同一时间线，而不是只列发布链接。对跟踪 AI tooling 的读者来说，Simon 的月报通常更接近“实际用过后的技术日志”。

MAVEN 是一个 lightweight symbolic reasoning scaffold，用结构化分解、自适应工具编排和 intermediate verification 改善工具调用泛化。论文评测 BFCL v3、TauBench、Tau2Bench、AceBench，并引入 MAVEN-Bench 测多步数学/物理推理与对抗组合；在 MAVEN-Bench 上，它把 GPT-OSS…

cursor/plugins 是 Cursor 官方插件规范和插件集合，每个插件目录带 `.cursor-plugin/plugin.json` manifest。README 列出 continual-learning、cursor-team-kit、thermos、create-plugin、agent-compatibility、cli-for-agent、pr-review-canvas、…

ego-lite 是面向人和 agent 并行工作的浏览器，agent 在独立 Space 中通过 `ego-browser` 操作页面。README 的核心设计是暴露 snapshot、fill、click、wait、navigate、capture 等 in-page JavaScript 工具，让 agent 组合 JS 任务，而不是多轮 CLI 调用；项目称复杂任务最多快 2.5 倍。值得…

Cartographer skill 把 coding request 前置成 problem-theory 产物，而不是直接进入方案设计。它要求 agent 先写 World、Actors、Program correspondence、Known、Assumed、Thin spots 等字段，并把每个需求追溯到现实世界中的对应关系。值得看的是它把“需求澄清”变成可检查 artifact，适合领域…

它试图解决 agent 配置被各家 CLI/harness 锁死的问题。统一规格的价值在团队可迁移和可审计；真正难点会在语义差异，例如不同工具权限、hook 生命周期和 skill 调度并不总能无损映射。

这篇工作抓住了 skills 机制的核心矛盾：技能库越丰富，静态塞进上下文越容易把模型带偏。动态规划器把 skill 选择变成执行相关的检索和改写问题，但效果会依赖 skill 描述质量以及训练时的任务分布。

这类项目的技术问题不在“能发消息”，而在身份、路由、权限和失败恢复。作为 POC，它适合验证 agent 通信协议形态；距离生产系统还需要认证、审计和流控设计。

面向 coding agent 的软件开发方法论和可组合 skills 框架。

Stop Slop 是一个写作 skill，结构包含核心 SKILL.md 和 phrases、structures、examples 三类参考文件，用于识别并移除 AI prose 中的套路短语、结构 cliché、节奏问题和 meta-commentary。它更像可移植编辑准则，而不是自动检测器。

这说明 Anthropic 正把 Cowork/Claude Code 的能力生态做成插件市场，而不是只提供通用 agent。插件化降低入门成本，但也把权限、数据访问和组织流程固化进可执行包。

Tool Forge 的价值不在“又做一个工具注册表”，而在把工具生成、验证、生命周期和路由合成一个可审计工件链。它的局限也在摘要里说得很清楚：当前数字是初始系统 benchmark，尚未证明面对对抗路由、真实 API grounding 和跨系统评估时仍成立。

本地编码 agent，实验将工具调用委派给较小模型。

LiteParse 的定位很清晰：把“够快、够本地、够结构化”的解析能力给 agent，而不是用云端 LLM 做重型文档理解。复杂表格、手写和扫描 PDF 仍被明确让位给 LlamaParse。

taste-skill 是前端设计类 agent skills 集合，默认 `design-taste-frontend` v2 会读 brief、推断设计语言，并通过 VARIANCE、MOTION、DENSITY 三个 dial 约束布局、动效和信息密度；还包含 image-to-code、redesign、minimalist、brutalist、brandkit 等分支技能。