OpenAgentSkill Skill 技能
Agent 技能的 npm：发现、比较、安装并回报结果
技能简介
OpenAgentSkill 是一个面向 AI Agent 的技能注册中心与安装层，官方自我定位为「The skill layer for AI agents」，并称自己是「npm for AI Agent Skills」（AI Agent 技能的 npm）。它把散落在 GitHub 上的各种技能项目，整理成可排序、可审计、可一键安装的标准化能力，让 Codex、Claude Code、Cursor、兼容 MCP 的 Agent 以及自定义运行时都能直接调用。官方数据显示，平台已索引超过 3.2 万个技能，累计验证安装 459 次，Agent 执行结果记录 544 条，带证据的技能 219 个。该项目在 GitHub 上已获得约 237 个 Star、25 个 Fork，注册中心于 2026 年 9 月 8 日更新。
核心能力
- 任务到技能解析（Resolve）：Agent 从一个意图出发，调用
/api/agent/resolve即可获得一个被推荐的技能、若干备选方案、安装命令、信任信号与风险备注，而不是在目录页里乱翻。 - 技能比较（Compare）：可把高信号技能并排对比，一次性查看质量分、采用度、新鲜度、安装就绪度、用例匹配度与警告信息。
- 质量与信任评分：为每个技能给出质量分（如 75/100）、决策结论（如 86/100 生产可用）、采用星数、维护新鲜度等信号。
- 安装前安全审计：安装命令旁边会同时展示权限提示、网络/文件系统访问风险和就绪度说明，并支持
--dry-run预演。 - 验证安装与结果回报（Outcome Loop）：只有当兼容的 Agent 或集成回报了幂等的安装回执时，才会计入「验证安装」；安装命令复制量与验证安装量分开统计。
- 面向 Agent 的纯文本 API：提供
/api/agent/skills、搜索、信任过滤、技能详情等接口，并用format=text返回为 LLM 优化的极简 token 响应。
安装配置
- 先解析计划：
npx --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.3.0/openagentskill-0.3.0.tgz add --agent codex --dry-run，用 dry-run 查看变更与策略。 - 审阅仓库与安全策略后，重新执行并加上
--yes以完成安装；被策略拦截的技能会被拒绝。 - 通过公开安装端点获取命令、安全检查清单、目标提示词与规范链接：
/api/skills//install。
使用步骤
- 确定任务：用一句话描述你想让 Agent 完成的工作。
- 调用解析接口：请求
/api/agent/resolve?task=...&agent=codex&max_risk=medium，拿到推荐技能与备选。 - 阅读审计信息：查看质量分、信任分与安全策略警告，确认权限与风险。
- 执行安装：使用
npx skills add /完成安装，或按安装端点给出的命令操作。 - 验证并回报：运行一个小型隔离测试，检查输出与改动文件，并回报安装结果以进入结果闭环。
适用场景
- GitHub 自动化：让 Agent 自动挑选并安装合适的 GitHub 工作流技能，如带缓存的依赖安装技能。
- 编码审查与内容生产：为编码审查 Agent、内容增长 Agent 配备现成技能。
- 安全合规前的技能筛选：在安装前批量评估技能的风险与来源可信度。
- 多 Agent 运行时统一技能层：让 Codex、Claude Code、Cursor 共用同一套可审计的技能注册中心。
适用人群
适合 Agent 构建者、需要批量管理技能栈的团队、关注技能供应链安全的工程师，以及希望让 Agent 自主发现并安装能力的开发者。
工作原理
OpenAgentSkill 在「意图」与「安装」之间设计了四个层次：先是任务到技能的解析，把工作映射到被推荐的技能、备选与匹配理由；再是安装前的安全层，把星数、新鲜度、质量分、权限提示与风险并排展示；随后是安装层，通过统一 CLI 或 npx skills add 执行安装并返回可验证的安装回执；最后是结果闭环层，只把真正的幂等安装计入验证安装，从而避免刷量。所有 API 都可返回为 LLM 优化的纯文本格式，便于 Agent 无界面直接消费。
官方链接
官网：https://www.openagentskill.com
团队信息
AI产品库
官方
由 AI 猎手自动发现
评论与建议
登录 后参与评论或提建议