monarch-money-mcp-server
Monarch Money MCP Server 是一个通过 Model Context Protocol 连接 Monarch Money 个人理财平台的 MCP 服务器，让 Claude Desktop 与 Claude Code 能访问账户、交易、预算、分类、标签与财务分析数据，基于 MonarchMoneyCommunity Python 库并支持 MFA。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-20 00:13
智能体与模型
24,168 个结果
mcp-builder
mcp-builder 是一个用于创建 MCP（Model Context Protocol）服务器的技能，让 LLM 通过设计良好的工具与外部服务交互。它按研究规划、实现、审查优化、创建评估四阶段推进，支持 Python 与 Node/TypeScript 实现。
agents-v2-py
基于 Azure AI Projects SDK 的 HostedAgentDefinition 构建容器化 Foundry 托管智能体的技能，属于 hosted-agents-v2-py 的兼容别名，仅含指令性流程，无捆绑可执行文件。
update-agent-learnings
一个用于把本次会话中一条已验证经验沉淀为持久 AGENT 指导的技能：提取最小可用规则、判定作用域（Global / Claude Code Only / Agent-Specific），更新唯一中央经验文件，并同步到各 CLI 的 agent 文件。
personal-task-system
Personal Task System 是一套面向个人生产力管理的 AI 优先任务系统，通过 Codex/ChatGPT/Claude 捕获与分诊任务，结合 Todoist MCP 与 Google Calendar 管理承诺和时间块，强调轻量、最多七个活跃任务。
add-model
用于向运行中的 LiteLLM 代理添加新模型的技能：引导选择提供商、填写部署名与凭据，调用 POST /model/new 添加，并通过 chat/completions 验证路由。
skill-creator
用于创建或更新智能体技能的技能工具：生成简短的 SKILL.md、打包资源与 agent 元数据，并提供校验与打包能力，适合在设计或重构技能时使用。
create-skill
用于在 elastic/elastic-docs-skills 目录中交互式创建新的 Claude Code 技能（skill），并可选地建议向上游贡献。适合用户想生成新技能、搭建斜杠命令或脚手架时使用。
eve-agent-optimisation
分析智能体执行日志，定位浪费的工具调用、错误路径与无效探索，并以最少轮次、最少 token 和最短时间达成目标。默认只诊断和建议，不擅自更改运行框架、模型或权限。
tracing
LangWatch 官方提供的 tracing 技能，用于在代码中接入 LangWatch 的追踪与可观测能力。它面向两种使用场景：一是整体接入（阅读整个代码库，理解智能体架构，参考 git 历史了解行为变更，在所有 LLM 调用点添加追踪）；二是定向操作（仅对指定函数、模块或接口添加追踪并验证）。该技能为纯代码方式，没有平台化的接入路径：若用户没有代码库，需要说明追踪必须通过代码埋点实现。使用流程包括阅读集成文档、安装 LangWatch SDK、按框架指南添加埋点、验证 trace 是否到达。技能强调必须先阅读对应框架的集成文档而非猜测埋点方式，并给出了 Python 与 TypeScript 的通用接入形态、环境变量加载顺序注意事项、API Key 与项目类型的区分，以及完整的验证步骤与常见错误清单。
filesystem
filesystem 是一份用 Claude Code 内置工具替代 Filesystem MCP 服务器的文件与目录操作指南，覆盖读写、编辑、查找、移动、删除与元数据查询，并给出常见工作流、错误处理与限制说明。
webhook
通过 Membrane CLI 与 Webhook 数据交互的技能：借助 Membrane 自动处理认证与凭据刷新，可搜索并运行 Webhook 相关动作、管理记录，或经代理直接请求 API。适用于需要响应事件、更新外部系统或触发工作流的场景。
exploring-signals-scouts
介绍 PostHog Signals scouts（按计划运行的巡检智能体）的只读观测方法：查看有哪些 scout、运行频率与状态、最近运行、持久记忆和被 surfaced 的发现，帮助理解其行为与性能。
claude-code
一个用于本地调用 Claude CLI 的技能，可运行 Claude Code 并管理其安装、认证、MCP 与插件。它按固定选项从目标目录发起非交互或交互式会话，并对权限、模型、会话、Worktree 与输出格式做约定，运行后需验证结果。
ai-data-engineering-rag-pipeline
一个用于构建本地 RAG（检索增强生成）流水线的技能，源自 Nahid Mahmud 的 AI 与数据工程路线图。包含检索契约设计、BM25 基线搜索引擎、分层分块策略以及检索评估框架，强调可复现的评测方法。
mcp-security-hub
MCP Security Hub 是 FuzzingLabs 维护的 Docker 化 MCP 服务器集合，包含 38 个生产级服务，把 Nmap、Nuclei、SQLMap、Ghidra、radare2、gitleaks 等 300 多个攻击性安全工具接入 Claude 等 MCP 客户端，让用户用自然语言完成侦察、漏洞扫描、二进制分析与渗透测试。
adversarial-review
跨厂商对抗式代码评审技能：由 Claude 与 Codex/GPT 两个不同模型族各自独立评审同一分支差异，再互相反驳对方发现，以交叉质证结果确定置信度，减少自我背书与自信误报。
Multi-Agent Architect
Multi-Agent Architect 是一份设计并编排多智能体系统的技能文档，用于需要专业化分工、并行处理或协作的复杂 AI 系统，涵盖顺序流水线、分层、同行协作、群体等模式及 CrewAI、LangGraph 实现示例。
dt-obs-ios
用于在 iOS 项目中通过 Swift Package Manager 集成 Dynatrace iOS SDK(OneAgent) 的技能，可自动添加 SPM 依赖、创建 Dynatrace.plist、配置隐私选项并构建验证。
create-mcp-servers
用于创建、更新和排查 Model Context Protocol（MCP）服务器的技能，可向 Claude 暴露工具、资源与提示，适合构建自定义集成、API 或数据源。
azure-sre-agent
面向 Azure SRE Agent 的专家技能，汇集故障排查、最佳实践、决策、架构设计、安全、配置、集成与部署等主题的本地速查内容，并可按需远程获取微软官方文档。
find-skills
Find Skills 是一个帮助用户发现和安装智能体技能（agent skills）的技能。当用户提出“如何做 X”“帮我找一个做 X 的技能”“有没有能做 X 的技能”等问题，或表达希望扩展智能体能力、搜索工具/模板/工作流、需要特定领域（设计、测试、部署等）帮助时，该技能会引导用户使用 Skills CLI（npx skills）在开放的智能体技能生态中搜索、安装、检查和更新技能。它本身不提供具体领域能力，而是充当技能发现与安装的入口。
paw-mkt-setup
paw-mkt-setup 是 PawBytes 提供的技能，用于在项目中安装并配置 Agentic Marketing Suite（AMS）模块，支持首次安装与配置更新，并自动迁移旧目录结构。
ai-ml-development
这是一个面向 AI 与机器学习开发的技能指南，覆盖从原型到生产环境的完整流程。内容围绕四大框架展开：PyTorch 偏研究与灵活性，TensorFlow 偏生产与移动端，JAX 面向高性能与 TPU，scikit-learn 用于经典机器学习。资料提供了 PyTorch 的模型定义与训练循环代码、PyTorch Lightning 封装写法，以及 Hugging Face Transformers 的文本分类与基于 LoRA 的 LLM 微调示例。在 LLM 集成方面，涵盖了 OpenAI API（含函数调用）、Anthropic Claude API、LangChain 的基本用法。向量数据库部分给出 Pinecone 与本地 ChromaDB 的代码，并对比了 pgvector、Pinecone、Chroma、Weaviate、Qdrant 的适用场景。MLOps 部分介绍用 MLflow 做模型注册、用 FastAPI 做模型服务。此外还系统整理了 RAG 架构、提示工程模式、结构化输出、工具调用（智能体循环）、Claude API 的流式与视觉输入、LangChain LCEL 与 LlamaIndex 文档问答，以及训练和部署的最佳实践清单。