codex-skills-mcp
MCP server that enables AI programming tools to search, read, and use a remote library of 180+ professional development skills, with incremental caching and network acceleration for fast access.
README
codex-skills-mcp
🧠 Codex-Skills 技能库的 MCP (Model Context Protocol) Server — 让任意 AI 编程工具都能检索、阅读和使用 180+ 专业技能。
这是什么
一个独立的 MCP Server,为 codex-skills 技能库提供标准化的 AI 工具接入协议。
- 无需先下载全部技能文件:启动只拉取轻量清单(约 108KB),技能全文按需加载;
- 180+ 技能、14 个分类:技能库由专家在远端持续维护,用户端零操作;
- 内置国内网络加速:自动回退链,国内网络免翻墙可用。
| 特性 | 说明 |
|---|---|
| 6 个 MCP Tools | search_skills, read_skill, load_skill_file, list_skill_files, list_categories, plan_workflow |
| 三层渐进加载 | 检索(~500 tokens) → 阅读(~5K tokens) → 深入(按需) |
| 中文搜索优化 | CJK bigram 分词 + Leading Words 权重 |
| 零外部 AI 依赖 | 纯关键词搜索,不需要 embedding 模型 |
| 双传输模式 | stdio(本地)+ HTTP(远程) |
| 自动网络加速 | GitHub 直连 → jsDelivr → gh-proxy.com → ghfast.top 四级回退 |
| 增量缓存 | 技能文件按大小比对断点续传,重复使用不重复下载 |
快速开始
1. 远程模式(默认,零配置,推荐)
npx -y codex-skills-mcp@latest
无需安装、无需指定任何路径。启动后自动完成:
- 从远端技能库拉取清单
skills_manifest.json(约 108KB,仅首次); - 建立本地搜索索引(毫秒级);
- 技能文件按需下载,缓存在当前目录
.codex-skills-cache/。
2. 本地模式(可选)
适用于离线开发或使用本地技能库副本:
cd codex-skills-mcp
npm install
npm run build
node dist/index.js --skills-dir /path/to/codex-skills
3. HTTP 模式(远程客户端)
# 远程模式:无需 --skills-dir,自动拉取远端技能库
node dist/index.js --http --port 3456
# 本地模式:加 --skills-dir 指定本地技能库
node dist/index.js --skills-dir /path/to/codex-skills --http --port 3456
启动后:
- MCP 端点:
http://localhost:3456/mcp(POST / GET / DELETE,支持mcp-session-id会话管理) - 健康检查:
http://localhost:3456/health
curl http://localhost:3456/health
# 预期输出
{"status":"ok","name":"codex-skills-mcp","version":"1.0.6","skills":181}
客户端配置
Codex 桌面端(stdio)
编辑 ~/.codex/config.toml:
[mcp_servers.codex-skills]
command = "npx"
args = ["-y", "codex-skills-mcp@latest"]
若使用本地技能库副本,可改为:
[mcp_servers.codex-skills]
command = "node"
args = ["/path/to/codex-skills-mcp/dist/index.js", "--skills-dir", "/path/to/codex-skills"]
Claude Desktop
编辑 ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"codex-skills": {
"command": "npx",
"args": ["-y", "codex-skills-mcp@latest"]
}
}
}
Cursor
编辑项目根目录 .cursor/mcp.json:
{
"mcpServers": {
"codex-skills": {
"command": "npx",
"args": ["-y", "codex-skills-mcp@latest"]
}
}
}
Windsurf / VS Code + Copilot
在 MCP 配置中添加同样的 command + args(stdio 模式)。
远程 HTTP 客户端
如果你的客户端需要以远程 HTTP 地址接入 MCP(例如 ChatGPT 桌面端集成场景):
node dist/index.js --http --port 3456
ngrok http 3456
将 https://xxxx-xxxx.ngrok-free.app/mcp 填入客户端的 MCP Server URL。
💡 ngrok 免费版每次重启会更换地址;需要固定地址可使用付费版或其他隧道工具(如 Cloudflare Tunnel)。
工作原理
flowchart LR
A["启动 MCP"] --> B["拉取清单 manifest + 建本地索引"]
B --> C["search_skills 秒出结果"]
C --> D["read_skill 按需拉取技能全文"]
D --> E["load_skill_file 按需读脚本/配置"]
E --> F["Agent 在本机执行"]
| 阶段 | 行为 | 耗时 |
|---|---|---|
| 启动 | 拉取/加载清单 + 建索引 | 秒级 |
| 搜索 | 本地索引关键词打分 | 毫秒级 |
| 取技能 | 2 次 GitHub API 列出文件 → 并发下载缺失文件 | 首次数秒,之后走缓存 |
网络加速回退链
所有远端文件请求按顺序自动回退,无需任何参数:
- GitHub 官方直连(3 秒超时);
- jsDelivr CDN(10 秒超时,国内有节点);
- gh-proxy.com(10 秒超时);
- ghfast.top(10 秒超时)。
前一个节点失败时自动降级到下一个;全部失败才会报错。
缓存与增量同步
- 清单与技能文件缓存在当前目录
.codex-skills-cache/,二次启动秒级完成; - 每个技能带
.codex-skills.tree.json标记(文件列表 + 完成状态); - 已完整下载的技能直接本地读取,不重复请求远端;
- 中断的下载支持断点续传:按文件大小比对,只补拉缺失/不完整的文件;
- 技能文件并发下载,默认 16(可用
--download-concurrency调整); - 需要强制同步远端最新内容时,删除
.codex-skills-cache/后重启即可。
MCP Tools
🔍 search_skills
搜索技能库,Agent 的主入口。
input: { query: "前端性能优化", category?: "01_代码工程与架构", limit?: 8 }
output: 按相关度排序的技能列表(名称、分类、分数、描述)
📋 list_categories
列出所有技能分类和数量。
input: {}
output: 14 个分类 + 各自的技能数量
📖 read_skill
读取技能的完整指令(SKILL.md)+ 文件结构 + 环境依赖 + 子技能。
input: { name: "MediaCrawler" }
output: { instructions, structure, dependencies, sub_skills }
📂 load_skill_file
按需读取技能内的任意文件。
input: { skill_name: "KrillinAI", file_path: "README.md" }
output: { content, size_bytes }
单文件上限 500KB;二进制文件返回占位说明而非内容;路径穿越会自动拦截。
🗂️ list_skill_files
浏览技能的文件树(不读内容)。
input: { skill_name: "remotion-skills", path?: "src", max_depth?: 2 }
output: 目录树
🔗 plan_workflow
给定任务描述,推荐可组合使用的技能。
input: { task_description: "把技术博客做成小红书图文" }
output: 推荐技能列表 + 分类分组
使用流程
用户: "帮我把这个视频翻译成中文字幕"
Agent → search_skills("视频字幕翻译")
→ 命中: KrillinAI, videocut-skills, VideoClaw
Agent → read_skill("KrillinAI")
→ 获取 SKILL.md 指令,了解怎么用
Agent → load_skill_file("KrillinAI", "README.md")
→ 获取详细配置参数
Agent → 按 SKILL.md 指令执行任务
配置参考
| 参数 | 默认值 | 说明 |
|---|---|---|
--skills-dir <path> |
- | 本地技能库目录(指定后进入本地模式) |
--local |
- | 强制本地模式(从 cwd 或 --skills-dir 查找清单) |
--github-repo |
Zhan-ZhangZ/codexprojec |
远端技能库仓库 |
--github-branch |
main-lite |
远端分支 |
--github-path |
codex-skills |
技能库在仓库内的目录 |
--github-token |
自动从 git 凭据 / GITHUB_TOKEN 获取 |
GitHub API 鉴权 |
--http |
- | 启动 HTTP 模式 |
--port |
3456 |
HTTP 端口 |
--download-concurrency |
16 |
技能文件并发下载数 |
--cn-mirror |
- | ⚠️ 已废弃(兼容保留):网络加速现为自动回退链,此参数不再生效 |
环境变量:CODEX_SKILLS_DIR(本地技能库路径)、GITHUB_TOKEN、CODEX_SKILLS_DOWNLOAD_CONCURRENCY。
技能库清单(skills_manifest.json)为 JSON 数组,每项包含 name / description / category / folder / relative_path 五个字段。
常见问题
| 问题 | 处理 |
|---|---|
| npx 首次运行较慢 | 首次需下载 npm 包 + 拉取清单,属正常;之后走缓存 |
日志出现 Network warning |
当前加速节点失败,自动降级到下一个,可忽略 |
| 想强制更新技能内容 | 删除 .codex-skills-cache/ 后重启 |
load_skill_file 读大文件失败 |
单文件上限 500KB,属保护设计 |
| GitHub API 限流 | 每个技能仅 2 次 API 调用,已缓存技能不再请求;未登录配额 60 次/小时 |
| 工具列表里看不到 MCP | 客户端未重启,重启会话即可 |
技术栈
- TypeScript + ESM
@modelcontextprotocol/sdkv1.12+expressv5(仅 HTTP 模式)zodv3 运行时 schema 验证- Node.js 18+
License
MIT
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。