人工智能AI 技能MCP 服务AI 评测【免费下载链接】OpenSpaceOpenSpace: The Skill Management Layer for AI Agents -- https://open-space.cloud/项目地址https://gitcode.com/gh_mirrors/opens/OpenSpace点击查看免费下载OpenSpace 将可复用的技能Skill视为 Agent 能力扩展的核心单元而skill-discovery正是教会宿主 Agent如 nanobot、openclaw如何发现、筛选并导入这些技能的标准宿主技能host skill。本文以 skill-discovery/SKILL.md 为骨架结合 OpenSpace 的 MCP 服务端实现完整讲解本地技能搜索search_skills、云端分步浏览cloud_browse_skills以及云访问开通cloud_auth_flow的调用约定、参数语义与底层原理帮助你理解并正确实现技能发现 → 决策 → 执行或委托的完整链路。技能发现OpenSpace 能力分层的入口OpenSpace 的宿主技能集成遵循复制宿主技能目录 通过 MCP 暴露工具的模式详见 host_skills/README.md。其中skill-discovery技能只负责发现与浏览它在本地注册表中搜索可复用的技能并在本地搜索不足时引导 Agent 一步一步浏览云端技能包package。它的定位决定了 Agent 的三种基本决策用户询问有哪些技能可用或有没有做 X 的技能遇到不熟悉的任务——一条经过验证的技能能比反复试错节省大量 token需要判断任务自己处理还是委托给 OpenSpace。与之相对delegate-task技能负责直接执行调用execute_task让 OpenSpace 的 grounding 引擎跑完整的多步任务循环自动检索技能、执行、必要时自动进化技能详见 delegate-task/SKILL.md。两条宿主技能的分工可以概括为发现看skill-discovery执行走delegate-task。何时使用触发条件与决策时机按 skill-discovery/SKILL.md 的约定Agent 应在以下场景触发技能发现流程用户主动查询例如what skills are available?或is there a skill for X?。遇到陌生任务一条被反复使用过、质量得到验证的技能其可靠性和成本都优于从零试错。需要做分发决策任务自己完成还是交给 OpenSpace 执行。使用search_skills发现的是本地已安装的技能如果用户明确要云端结果或某个云操作报告缺失/无效 key则应先开通云访问见下一节再使用cloud_browse_skills浏览云端技能库。开通云访问cloud_auth_flow 与 bootstrap_agent_keysearch_skills是纯本地操作不依赖云端。但cloud_browse_skills浏览云端技能库需要先完成身份认证与 Agent 密钥agent key的签发。MCP 服务端在 server.py 中暴露了cloud_auth_flow工具支持register_user、login_user、bootstrap_agent_key、list_agents、rotate_agent_key、verify_agent_key六种 action见 auth_flow.py 的_ACTIONS常量。skill-discovery/SKILL.md 给出的推荐调用cloud_auth_flow(actionbootstrap_agent_key, emailuserexample.com, passwordsecure-password, agent_nameopenspace-local-agent)这里有三条必须遵守的安全约束只向用户索取email和agent_namepassword只能在安全密文输入通道中索取长度必须为8 到 72 个字符不要索要 passcode/OTP因为cloud_auth_flow不接受一次性验证码。如果当前环境没有安全密码输入通道则请用户直接在终端运行等价命令openspace-cloud-auth bootstrap-agent-key --email userexample.com --agent-name openspace-local-agent认证完成后OpenSpace 会保存云配置。从 config.py 的load_cloud_config可以看到云配置完全由OPENSPACE_CLOUD_*环境变量驱动环境变量取值说明OPENSPACE_CLOUD_MODEoff/live云模式开关默认off只有live才启用云能力OPENSPACE_CLOUD_BASE_URLhttp(s) 服务根 URL默认https://open-space.cloud必须是根路径不允许带 path、query 或 fragmentOPENSPACE_CLOUD_API_KEYAgent 密钥cloud_browse_skills、upload_skill等云操作的必需凭据从源码结构看bootstrap_agent_key会把签发的 Agent 密钥持久化到本地OPENSPACE_CLOUD_*配置且所有返回结果都会经过脱敏处理——工具不会回显原始 API key、bearer token 或密码。本地技能搜索search_skillssearch_skills是纯本地检索工具MCP 服务端实现在 server.py。它的定位是把结果交回给 Agent 做决策这与execute_task内部自用的检索有本质区别后者直接喂给执行引擎Agent 看不到中间结果。search_skills(queryautomated deployment with rollback)参数约定参数必填默认值说明query是—自然语言或关键词limit否20最大返回结果数值得说明的是search_skills在调用前会先通过OPENSPACE_HOST_SKILL_DIRS环境变量重新扫描宿主技能目录_auto_register_skill_dirs确保宿主 Agent 新创建/新导入的技能立即可被检索到随后从 SkillRegistry 拉取技能列表调用hybrid_search_skills完成排名。从 cloud/search.py 的hybrid_search_skills与 skill_ranker.py 的SkillRanker.bm25_only可以确认其排名管线为四阶段BM25 粗排对全部候选做词汇级初筛保留 top 候选top_k limit * 3向量打分对查询与候选分别生成 embedding计算余弦相似度embedding 优先使用 OpenAI未配置时回退 OpenRouter再回退纯词汇模式混合加权final_score vector_score lexical_boost其中lexical_boost根据技能 slug、名称及本地分类路径与查询 token 的精确/前缀匹配给予 1.4/0.8/1.1/0.6 等梯度加分去重与截断按技能名称去重后返回limit条。此外本地候选在构建时还会做安全过滤check_skill_safety与质量数据增强总选择次数、完成率、有效率这意味着返回结果天然带有安全性与质量信号。云端技能库cloud_browse_skills 分步浏览search_skills只覆盖本地。当本地检索不够用时使用单一的云浏览工具cloud_browse_skills进行LLM 在环LLM-in-the-loop的分步浏览。该工具在 server.py 中实现核心约定是每一步调用都会返回next_actions[].actionAgent 需要继续以相同工具、携带返回的下一步 action 继续调用直到完成导入。MCP 端点在内部对 action 做了别名归一化如skill_search→search_skills、import→import_skill、bundle→import_package_bundle共支持八种合法 actionaction用途search_skills对具体可下载技能做排名检索可传package_id限定在单个技能包子树内fetch_skill_detail导入前查看某个cloud_skill_id的精确元数据local_placement选择或新建本地分类路径先于导入执行local_taxonomy查看受限的本地技能分类树快照import_skill下载并注册一个选定的云技能到本地recall回忆候选技能包并返回search_id用于包级发现pull_projection用search_idpackage_ids拉取 JSON 包投影仅元数据投影不是真实 zipimport_package_bundle导入选定技能包的 outline/附带工件在选定包之后按需使用skill-discovery/SKILL.md 给出的最小分步示例cloud_browse_skills(actionsearch_skills, queryautomated deployment with rollback) cloud_browse_skills(actionlocal_placement, queryautomated deployment with rollback) cloud_browse_skills(actionlocal_placement, local_category_pathtechnology/computing/deployment) cloud_browse_skills(actionimport_skill, cloud_skill_idcloud_skill_id, local_category_pathtechnology/computing/deployment/rollback)即云端检索 → 选择/创建本地分类路径 → 导入。两条补充规则只有确实需要包级发现或包级大纲时才使用recall和pull_projection具体的技能搜索应始终从search_skills开始。local_category_path是用户本地的技能包分类路径与云端的package_path使用同样的形状如technology/computing/deployment但独立存储且可以比当前云端分类树更具体。用local_placement检查已有路径、在附近创建子路径后再导入。从服务端实现看local_placementserver.py会返回existing_path_candidates已有路径候选、new_child_path_examples新子路径示例以及local_category_path_policy允许三种合法形式复用已有本地分类路径、在已有路径下新增一个子段、以及在候选都不合适时新建本地根路径。import_skill若未携带local_category_path会返回LOCAL_CATEGORY_PATH_REQUIRED并附上本地放置建议强制 Agent 先完成分类决策再导入防止静默下载云技能到未分类位置。搜索之后结果消化与分发决策search_skills与cloud_browse_skills返回的结果只是交给 Agent 审视与决策不会自动执行云导入完成后import_skill会返回local_path。找到技能后的完整决策树继承自原文档Found a matching skill? ├── YES, and I can follow it myself │ → read SKILL.md at local_path, follow the instructions ├── YES, but I lack the capability │ → delegate via execute_task (see delegate-task skill) └── NO match → handle it yourself, or delegate via execute_task三条分支对应三种能力处理路径自行阅读 SKILL.md 执行、通过execute_task委托给 OpenSpacedelegate-task/SKILL.md、或自己硬处理并接受可能的试错成本。注意事项与最佳实践原文档Notes部分明确了几条容易被忽略的约定发现 ≠ 执行本技能只负责发现——你看到结果并做决定需要直接执行时用delegate-task技能中的execute_task。云端技能可靠性云技能经过真实使用持续进化FIX / DERIVED / CAPTURED通常比从零手写的技能更可靠。必须向用户反馈无论找到还是没找到都要把结果和推荐方案告诉用户——这是宿主 Agent 的责任边界。结合 host_skills/README.md 中的能力矩阵还可以补充两点操作前提search_skills在有无 API key 两种情况下都只返回本地结果cloud_browse_skills在没有 API key 时直接失败需先OPENSPACE_CLOUD_MODEliveOPENSPACE_CLOUD_API_KEY。如果execute_task超时应先检查宿主侧的 MCP 调用超时设置——从stdio换成 HTTP 传输sse/streamable-http并不会移除宿主侧的单次调用时限host_skills/README.md 建议toolTimeout至少 1200 秒。集成到宿主 Agent最小配置要让宿主 Agent 具备技能发现能力需要两步详见 host_skills/README.md复制宿主技能目录到 Agent 的技能目录例如 nanobotcp -r host_skills/skill-discovery/ /path/to/nanobot/nanobot/skills/ cp -r host_skills/delegate-task/ /path/to/nanobot/nanobot/skills/注册 OpenSpace MCP 服务并注入环境变量stdio 方式{ tools: { mcpServers: { openspace: { command: openspace-mcp, toolTimeout: 1200, env: { OPENSPACE_HOST_SKILL_DIRS: /path/to/nanobot/nanobot/skills, OPENSPACE_WORKSPACE: /path/to/OpenSpace, OPENSPACE_CLOUD_MODE: live, OPENSPACE_CLOUD_API_KEY: sk-xxx } } } } }服务端在启动时会根据OPENSPACE_HOST_SKILL_DIRS自动注册宿主技能目录server.py随后search_skills与cloud_browse_skills即可作为 MCP 工具被宿主 Agent 调用。至此本地发现 → 云端浏览 → 分类导入 → 决策执行的完整技能发现链路就绪。赞分享人工智能AI 技能MCP 服务AI 评测【免费下载链接】OpenSpaceOpenSpace: The Skill Management Layer for AI Agents -- https://open-space.cloud/项目地址https://gitcode.com/gh_mirrors/opens/OpenSpace点击查看免费下载相关推荐Buzz 离线转录完整指南本地语音转文字1 小时录音 10 分钟出稿Buzz 离线转录完整指南本地语音转文字1 小时录音 10 分钟出稿 上周我帮一位朋友处理一段 58 分钟的访谈录音。素材涉及商业谈判他不敢上传任何云端转人工智能语音音频本地部署桌面应用Hive 技能体系完全指南Agent Skills 标准实现、默认技能与社区技能注册表Skill RegistryHive 技能体系完全指南Agent Skills 标准实现、默认技能与社区技能注册表Skill Registry 导读 本文以 Hive 仓库内部 P人工智能AI Agent多智能体MCP 服务工具调用浏览器控制5分钟掌握ECharts图表保存与分享本地存储与云端同步完整指南5分钟掌握ECharts图表保存与分享本地存储与云端同步完整指南 ECharts作为一款基于JavaScript的开源可视化库提供了丰富的图表类型和交互功能数据可视化图表库前端上一篇CANN/asc-devkit分配事件ID下一篇A/B 测试模板体系实战用 marketing-skills 的 ab-testing 技能构建从计划到复盘的实验文档流程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OpenSpace 技能发现指南：用 search_skills 与 cloud_browse_skills 打通本地注册表与云端技能库
人工智能AI 技能MCP 服务AI 评测【免费下载链接】OpenSpaceOpenSpace: The Skill Management Layer for AI Agents -- https://open-space.cloud/项目地址https://gitcode.com/gh_mirrors/opens/OpenSpace点击查看免费下载OpenSpace 将可复用的技能Skill视为 Agent 能力扩展的核心单元而skill-discovery正是教会宿主 Agent如 nanobot、openclaw如何发现、筛选并导入这些技能的标准宿主技能host skill。本文以 skill-discovery/SKILL.md 为骨架结合 OpenSpace 的 MCP 服务端实现完整讲解本地技能搜索search_skills、云端分步浏览cloud_browse_skills以及云访问开通cloud_auth_flow的调用约定、参数语义与底层原理帮助你理解并正确实现技能发现 → 决策 → 执行或委托的完整链路。技能发现OpenSpace 能力分层的入口OpenSpace 的宿主技能集成遵循复制宿主技能目录 通过 MCP 暴露工具的模式详见 host_skills/README.md。其中skill-discovery技能只负责发现与浏览它在本地注册表中搜索可复用的技能并在本地搜索不足时引导 Agent 一步一步浏览云端技能包package。它的定位决定了 Agent 的三种基本决策用户询问有哪些技能可用或有没有做 X 的技能遇到不熟悉的任务——一条经过验证的技能能比反复试错节省大量 token需要判断任务自己处理还是委托给 OpenSpace。与之相对delegate-task技能负责直接执行调用execute_task让 OpenSpace 的 grounding 引擎跑完整的多步任务循环自动检索技能、执行、必要时自动进化技能详见 delegate-task/SKILL.md。两条宿主技能的分工可以概括为发现看skill-discovery执行走delegate-task。何时使用触发条件与决策时机按 skill-discovery/SKILL.md 的约定Agent 应在以下场景触发技能发现流程用户主动查询例如what skills are available?或is there a skill for X?。遇到陌生任务一条被反复使用过、质量得到验证的技能其可靠性和成本都优于从零试错。需要做分发决策任务自己完成还是交给 OpenSpace 执行。使用search_skills发现的是本地已安装的技能如果用户明确要云端结果或某个云操作报告缺失/无效 key则应先开通云访问见下一节再使用cloud_browse_skills浏览云端技能库。开通云访问cloud_auth_flow 与 bootstrap_agent_keysearch_skills是纯本地操作不依赖云端。但cloud_browse_skills浏览云端技能库需要先完成身份认证与 Agent 密钥agent key的签发。MCP 服务端在 server.py 中暴露了cloud_auth_flow工具支持register_user、login_user、bootstrap_agent_key、list_agents、rotate_agent_key、verify_agent_key六种 action见 auth_flow.py 的_ACTIONS常量。skill-discovery/SKILL.md 给出的推荐调用cloud_auth_flow(actionbootstrap_agent_key, emailuserexample.com, passwordsecure-password, agent_nameopenspace-local-agent)这里有三条必须遵守的安全约束只向用户索取email和agent_namepassword只能在安全密文输入通道中索取长度必须为8 到 72 个字符不要索要 passcode/OTP因为cloud_auth_flow不接受一次性验证码。如果当前环境没有安全密码输入通道则请用户直接在终端运行等价命令openspace-cloud-auth bootstrap-agent-key --email userexample.com --agent-name openspace-local-agent认证完成后OpenSpace 会保存云配置。从 config.py 的load_cloud_config可以看到云配置完全由OPENSPACE_CLOUD_*环境变量驱动环境变量取值说明OPENSPACE_CLOUD_MODEoff/live云模式开关默认off只有live才启用云能力OPENSPACE_CLOUD_BASE_URLhttp(s) 服务根 URL默认https://open-space.cloud必须是根路径不允许带 path、query 或 fragmentOPENSPACE_CLOUD_API_KEYAgent 密钥cloud_browse_skills、upload_skill等云操作的必需凭据从源码结构看bootstrap_agent_key会把签发的 Agent 密钥持久化到本地OPENSPACE_CLOUD_*配置且所有返回结果都会经过脱敏处理——工具不会回显原始 API key、bearer token 或密码。本地技能搜索search_skillssearch_skills是纯本地检索工具MCP 服务端实现在 server.py。它的定位是把结果交回给 Agent 做决策这与execute_task内部自用的检索有本质区别后者直接喂给执行引擎Agent 看不到中间结果。search_skills(queryautomated deployment with rollback)参数约定参数必填默认值说明query是—自然语言或关键词limit否20最大返回结果数值得说明的是search_skills在调用前会先通过OPENSPACE_HOST_SKILL_DIRS环境变量重新扫描宿主技能目录_auto_register_skill_dirs确保宿主 Agent 新创建/新导入的技能立即可被检索到随后从 SkillRegistry 拉取技能列表调用hybrid_search_skills完成排名。从 cloud/search.py 的hybrid_search_skills与 skill_ranker.py 的SkillRanker.bm25_only可以确认其排名管线为四阶段BM25 粗排对全部候选做词汇级初筛保留 top 候选top_k limit * 3向量打分对查询与候选分别生成 embedding计算余弦相似度embedding 优先使用 OpenAI未配置时回退 OpenRouter再回退纯词汇模式混合加权final_score vector_score lexical_boost其中lexical_boost根据技能 slug、名称及本地分类路径与查询 token 的精确/前缀匹配给予 1.4/0.8/1.1/0.6 等梯度加分去重与截断按技能名称去重后返回limit条。此外本地候选在构建时还会做安全过滤check_skill_safety与质量数据增强总选择次数、完成率、有效率这意味着返回结果天然带有安全性与质量信号。云端技能库cloud_browse_skills 分步浏览search_skills只覆盖本地。当本地检索不够用时使用单一的云浏览工具cloud_browse_skills进行LLM 在环LLM-in-the-loop的分步浏览。该工具在 server.py 中实现核心约定是每一步调用都会返回next_actions[].actionAgent 需要继续以相同工具、携带返回的下一步 action 继续调用直到完成导入。MCP 端点在内部对 action 做了别名归一化如skill_search→search_skills、import→import_skill、bundle→import_package_bundle共支持八种合法 actionaction用途search_skills对具体可下载技能做排名检索可传package_id限定在单个技能包子树内fetch_skill_detail导入前查看某个cloud_skill_id的精确元数据local_placement选择或新建本地分类路径先于导入执行local_taxonomy查看受限的本地技能分类树快照import_skill下载并注册一个选定的云技能到本地recall回忆候选技能包并返回search_id用于包级发现pull_projection用search_idpackage_ids拉取 JSON 包投影仅元数据投影不是真实 zipimport_package_bundle导入选定技能包的 outline/附带工件在选定包之后按需使用skill-discovery/SKILL.md 给出的最小分步示例cloud_browse_skills(actionsearch_skills, queryautomated deployment with rollback) cloud_browse_skills(actionlocal_placement, queryautomated deployment with rollback) cloud_browse_skills(actionlocal_placement, local_category_pathtechnology/computing/deployment) cloud_browse_skills(actionimport_skill, cloud_skill_idcloud_skill_id, local_category_pathtechnology/computing/deployment/rollback)即云端检索 → 选择/创建本地分类路径 → 导入。两条补充规则只有确实需要包级发现或包级大纲时才使用recall和pull_projection具体的技能搜索应始终从search_skills开始。local_category_path是用户本地的技能包分类路径与云端的package_path使用同样的形状如technology/computing/deployment但独立存储且可以比当前云端分类树更具体。用local_placement检查已有路径、在附近创建子路径后再导入。从服务端实现看local_placementserver.py会返回existing_path_candidates已有路径候选、new_child_path_examples新子路径示例以及local_category_path_policy允许三种合法形式复用已有本地分类路径、在已有路径下新增一个子段、以及在候选都不合适时新建本地根路径。import_skill若未携带local_category_path会返回LOCAL_CATEGORY_PATH_REQUIRED并附上本地放置建议强制 Agent 先完成分类决策再导入防止静默下载云技能到未分类位置。搜索之后结果消化与分发决策search_skills与cloud_browse_skills返回的结果只是交给 Agent 审视与决策不会自动执行云导入完成后import_skill会返回local_path。找到技能后的完整决策树继承自原文档Found a matching skill? ├── YES, and I can follow it myself │ → read SKILL.md at local_path, follow the instructions ├── YES, but I lack the capability │ → delegate via execute_task (see delegate-task skill) └── NO match → handle it yourself, or delegate via execute_task三条分支对应三种能力处理路径自行阅读 SKILL.md 执行、通过execute_task委托给 OpenSpacedelegate-task/SKILL.md、或自己硬处理并接受可能的试错成本。注意事项与最佳实践原文档Notes部分明确了几条容易被忽略的约定发现 ≠ 执行本技能只负责发现——你看到结果并做决定需要直接执行时用delegate-task技能中的execute_task。云端技能可靠性云技能经过真实使用持续进化FIX / DERIVED / CAPTURED通常比从零手写的技能更可靠。必须向用户反馈无论找到还是没找到都要把结果和推荐方案告诉用户——这是宿主 Agent 的责任边界。结合 host_skills/README.md 中的能力矩阵还可以补充两点操作前提search_skills在有无 API key 两种情况下都只返回本地结果cloud_browse_skills在没有 API key 时直接失败需先OPENSPACE_CLOUD_MODEliveOPENSPACE_CLOUD_API_KEY。如果execute_task超时应先检查宿主侧的 MCP 调用超时设置——从stdio换成 HTTP 传输sse/streamable-http并不会移除宿主侧的单次调用时限host_skills/README.md 建议toolTimeout至少 1200 秒。集成到宿主 Agent最小配置要让宿主 Agent 具备技能发现能力需要两步详见 host_skills/README.md复制宿主技能目录到 Agent 的技能目录例如 nanobotcp -r host_skills/skill-discovery/ /path/to/nanobot/nanobot/skills/ cp -r host_skills/delegate-task/ /path/to/nanobot/nanobot/skills/注册 OpenSpace MCP 服务并注入环境变量stdio 方式{ tools: { mcpServers: { openspace: { command: openspace-mcp, toolTimeout: 1200, env: { OPENSPACE_HOST_SKILL_DIRS: /path/to/nanobot/nanobot/skills, OPENSPACE_WORKSPACE: /path/to/OpenSpace, OPENSPACE_CLOUD_MODE: live, OPENSPACE_CLOUD_API_KEY: sk-xxx } } } } }服务端在启动时会根据OPENSPACE_HOST_SKILL_DIRS自动注册宿主技能目录server.py随后search_skills与cloud_browse_skills即可作为 MCP 工具被宿主 Agent 调用。至此本地发现 → 云端浏览 → 分类导入 → 决策执行的完整技能发现链路就绪。赞分享人工智能AI 技能MCP 服务AI 评测【免费下载链接】OpenSpaceOpenSpace: The Skill Management Layer for AI Agents -- https://open-space.cloud/项目地址https://gitcode.com/gh_mirrors/opens/OpenSpace点击查看免费下载相关推荐Buzz 离线转录完整指南本地语音转文字1 小时录音 10 分钟出稿Buzz 离线转录完整指南本地语音转文字1 小时录音 10 分钟出稿 上周我帮一位朋友处理一段 58 分钟的访谈录音。素材涉及商业谈判他不敢上传任何云端转人工智能语音音频本地部署桌面应用Hive 技能体系完全指南Agent Skills 标准实现、默认技能与社区技能注册表Skill RegistryHive 技能体系完全指南Agent Skills 标准实现、默认技能与社区技能注册表Skill Registry 导读 本文以 Hive 仓库内部 P人工智能AI Agent多智能体MCP 服务工具调用浏览器控制5分钟掌握ECharts图表保存与分享本地存储与云端同步完整指南5分钟掌握ECharts图表保存与分享本地存储与云端同步完整指南 ECharts作为一款基于JavaScript的开源可视化库提供了丰富的图表类型和交互功能数据可视化图表库前端上一篇CANN/asc-devkit分配事件ID下一篇A/B 测试模板体系实战用 marketing-skills 的 ab-testing 技能构建从计划到复盘的实验文档流程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考