SuperAPI AI 工具集

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 11-12 00:15

智能体与模型

26,152 个结果

audit-mcp-tool-friction

这是一个面向 MCP 工具契约的审计技能,用于诊断智能体在已经选定 MCP 工具之后出现的请求格式错误、重试和结果不可用问题。它区分采用、摩擦和能力三类问题,检查公开契约中的输入输出模式、工具描述、发现与检查结果、操作示例和错误信息,并沿“首次载荷—报错—重试—最终使用”追踪恢复过程。该技能强调不应把 Python 回退成功当作契约易用的证据,也不应把单次畸形调用直接认定为产品缺陷,适合在评测和排查中定位摩擦点并提出最小修复建议。

智能体与模型1 次安装

learn-from-math-agent-trajectories

该技能用于复盘已结束或暂停的数学智能体轨迹,从中提炼可复用的 Jacobian 改进经验,而不继续求解原问题。它强调以可观测证据(调用、代码、产物、修正、最终声明)核实预期与实际结果、停止条件与记录覆盖范围,重建影响正确性、成本、进度或置信度的决策,并将经验归因到能力、环境限制、发现与选择、执行摩擦、表示与互操作、契约与规模缺陷、缺失操作、交接失败或调用方推理等类别。对于依赖数学主张、数值或符号工作、求解器语义或自定义代码的发现,要求查阅数学证据并保留假设与证据范围。仅当后续需要更深工作流时,才路由到工具采纳评估、工具摩擦审计、公开操作契约审计或新留出可靠性探针,并遵循准入契约与污染边界。最终按“来源证据、含义、适度修复、不确定性”报告,必要时附主张/修正账本及实施的所有权与成功标准。

智能体与模型1 次安装

mcp-builder

mcp-builder 是一个用于创建高质量 MCP(Model Context Protocol)服务器的开发指南技能。MCP 服务器通过设计良好的工具,让 LLM 能够与外部服务和 API 交互。该技能强调以智能体为中心的设计原则,包括围绕工作流而非单纯 API 端点构建工具、优化有限的上下文窗口、设计可操作的错误信息、遵循自然任务划分,并采用评估驱动开发。整个流程分为四个阶段:深度研究与规划、实现、审查与优化、创建评估。它提供 Python 和 Node/TypeScript 两种实现路径,涉及 MCP 协议文档、SDK 文档、语言特定实现指南和评估指南等参考资料。

智能体与模型1 次安装