uv-mcp 是一个由 uv-mcp 服务器驱动的技能，用于把自然语言请求转化为精确的 uv 工作流。其重点在于诊断环境、管理依赖、控制 Python 运行时，并在保持工作区健康的前提下用 uv 构建产物。
用途
该技能面向基于 uv 的 Python 项目，帮助用户在不离开 IDE 上下文的情况下完成环境诊断、依赖管理、运行时管理与项目生命周期操作。
主要能力
环境健康与设置：diagnose_environment 用于确认 pyproject.toml、虚拟环境是否存在、锁文件同步状态，并报告修复步骤；repair_environment 可创建 .venv、安装 Python 并自动同步依赖；check_uv_installation 与 install_uv 用于检查 uv 是否可用，缺失时返回平台相关的安装步骤。
依赖管理：add_dependency 与 remove_dependency 支持 --dev、可选依赖组，并同时更新配置与环境；sync_environment 用于让环境与 uv.lock 对齐，可在锁文件更新后运行；check_outdated_packages 与 show_package_info 用于查看可升级项与包元数据。
项目检查：list_dependencies 列出已安装包，可请求树模式查看传递依赖；analyze_dependency_tree 可视化依赖图深度，便于在重构前发现过重的分支。
运行时管理：list_python_versions 显示 uv 已管理的版本；install_python_version 下载并激活指定 Python 版本；pin_python_version 更新 .python-version 以保持 CI/CD 一致。
项目生命周期：init_project 用于搭建全新的 uv 项目；export_requirements 用于生成 requirements.txt，供需要 pip 兼容清单的平台使用。
构建与分发（uv ≥ 0.6.4）：build_project 可创建 wheel 或 sdist，支持仅 wheel、仅 sdist、自定义输出目录并返回产物路径；lock_project 可在不安装的情况下刷新锁文件，适用于手动编辑 pyproject.toml 后或提交依赖变更前；clear_cache 用于修复校验和不匹配或释放磁盘空间，可针对整个缓存或单个包。
使用方式
诊断工作流模板为：先运行 diagnose_environment，查看报告的问题；再运行 repair_environment；然后再次运行 diagnose_environment。若仍未修复，则依次执行 clear_cache → lock_project → sync_environment。uv-mcp 返回结构化错误（error、error_code、suggestion），应在总结中回显这些信息，以便了解自动修复路径。常见场景包括：未安装 uv 时运行 install_uv；缺少包时运行 sync_environment；版本冲突时先 clear_cache，再 lock_project 与 sync_environment；产物损坏时对该包执行 clear_cache 并重新同步。
适用场景
适用于在不手动操作 shell 的情况下上手或修复基于 uv 的项目；通过 MCP 自动化依赖安装、移除、升级等事务；在 CI/CD 或多操作系统环境中管理 Python 运行时；准备发布所需的锁文件、构建产物与 requirements.txt 导出。
最佳实践
先诊断后修复，始终记录初始状态以便变更可审计；任何 add_dependency 或 lock_project 调用后都应跟随 sync_environment，以保持 .venv 对齐；在 CI 验证某个运行时后再用 pin_python_version 有意固定；出现校验和或损坏错误时运行 clear_cache，随后立即重新同步；build_project 之后将返回的产物列表（wheel 与 sdist 路径）记录到发布说明中。
集成模式
与 python-guidelines 配合时，可在 uv-mcp 修改依赖后应用 lint 与测试标准；与 python-cli 配合时，可用 init_project 加依赖添加快速搭建 CLI；与 mcp-servers 配合时，可在 .vscode/mcp.json 中记录 uv-mcp 的可用性并保持工具列表精简。
限制
资料未提供该技能的收费、价格、平台支持范围、性能效果等具体信息。