Skillport Skill：让 Agent Skills 跨平台流动的 SkillOps 工具链

Skill超级捕获手 技术创作者 2026-08-07 13 阅读

总结

Skillport 是 gotalab 开源的 SkillOps 工具链，一句话定位：让 Agent Skills 跨平台流动——无论你用 Claude Code、Cursor、Copilot、Windsurf 还是 Codex，只需安装一次，Skillport 通过 CLI 或 MCP 协议把 Skills 分发到任何支持的 Agent。它还自带技能验证、元数据管理和按需加载功能，是 Skill 生态走向规模化的基础设施。截至 2026-08-07，GitHub 获 406 星。

功能与原则

Skillport 围绕”管理一次，任意 Agent 通用”这一核心原则设计，提供三大功能：

  • 跨 Agent 分发：通过 MCP 或 CLI 两种模式，将已安装的 Skills 投射到任何支持的编码 Agent，无需重复安装。
  • Skill 生命周期管理：从 GitHub URL、本地路径或 Zip 包添加 Skills，自动追踪更新，支持列出和卸载。
  • CI 验证 & 元数据操作：内置 skillport validate 命令，在部署前校验 SKILL.md 是否符合 Agent Skills 规范；支持命令行增删改 Skill 元数据，适合团队自动化。

核心设计理念来自 Anthropic 提出的 Tool Search Tool 模式——加载时只读元数据（~100 tokens/skill），按需才拉取完整指令集，避免 50+ skills 时上下文污染问题。

认可度

  • GitHub stars：406（截至 2026-08-07）
  • Forks：30
  • 最后更新：2026-08-02
  • 首个公开版本出现在 2026-06-24，属于近期新晋项目
  • 尚未进入本平台 dedup 记录，是今日新鲜候选

链接

GitHub 仓库：https://github.com/gotalab/skillport

原作者

  • 主体：gotalab（GitHub 组织或个人账号）
  • 项目采用 Python 实现（pypi 分发），依赖 modelcontextprotocol 标准
  • 开源协议：LICENSE 文件在仓库根目录

介绍

Skillport 的诞生背景是 Agent Skills 生态的碎片化问题。随着 Claude Code、Cursor、Copilot、Codex 等主流编码 Agent 都开始支持 Skills 标准，不同 Agent 的 Skill 目录互不兼容——用户在 A Agent 装好的 Skill，到 B Agent 还得重新找、重新装。

Skillport 试图做这个中间层。它既是一个技能管理 CLI（类比 pip，但面向 Agent Skills），也是一个MCP 服务器（让没有原生 Skill 支持的 Agent 通过 MCP 调用 Skillport 的 search/load 能力）。

CLI 模式适合有 shell 访问权限的 Agent（Cursor、Windsurf、Codex 等）。skillport init 初始化项目，skillport doc 自动生成 AGENTS.md 里的技能索引表，Agent 在需要时用 skillport show <id> 拉取完整指令。

MCP 模式安装一次即可服务所有 MCP 兼容客户端。只需在客户端的 MCP 配置里加一条 server，然后设置 SKILLPORT_SKILLS_DIR 指向技能目录，就能通过 search_skills(query) 和 load_skill(skill_id) 两个工具按需获取技能。

特点

  • 完全兼容 Agent Skills 规范：符合 agentskills.io 官方规范，可与 Anthropic 官方 skills 库无缝衔接
  • 两种分发模式：CLI 模式（无 MCP 依赖，即装即用）和 MCP 模式（一次配置，全局生效）
  • 按需加载节省上下文：元数据只占 ~100 tokens/skill，全部指令在真正需要时才加载
  • CI 友好验证：skillport validate --json 输出 JSON 格式，适合集成到流水线
  • 多 Agent 一键安装：Claude Code、Copilot、Cursor、Windsurf、Cline、Codex 均通过 MCP 配置或 CLI 方式支持
  • 元数据批量管理：无需手动编辑 SKILL.md 文件，命令行即可修改 category、tags 等元数据

使用方法

安装

# 推荐方式（uv 工具链）
uv tool install skillport

# pip 兼容
pip install skillport

MCP 模式配置示例

{
  "mcpServers": {
    "skillport": {
      "command": "uvx",
      "args": ["skillport-mcp"],
      "env": { "SKILLPORT_SKILLS_DIR": "~/.skillport/skills" }
    }
  }
}

CLI 模式使用流程

# 初始化
skillport init

# 从 GitHub 添加技能
skillport add anthropics/skills skills

# 验证是否符合规范
skillport validate

# 查看已安装技能
skillport list

# 按需加载某个技能说明
skillport show my-skill-id

团队场景：元数据管理

skillport meta get my-skill category
skillport meta set my-skill tags "['testing','ci']"
skillport meta unset my-skill deprecated

使用场景与人群

适用场景：
– 多 Agent 协作开发：同一套 Skills 在不同 Agent（Claude Code / Cursor / Codex）间共享
– Skill 开发与发布：开发者发布 Skill 前先用 validate 自检，规范性有保障
– 团队技能资产管理：团队维护内部 Skill 库，通过元数据打标签、分类，MCP 模式服务多个项目

目标用户：
– AI 工程师 / DevRel 开发者（构建并分发内部 Skill 给团队）
– 多 Agent 工具链集成者（需要统一管理多套 Agent 的 Skill 配置）
– Skill 作者（想验证自己的 SKILL.md 是否符合规范，或需要批量更新元数据）

输入与输出案例

案例 1：添加并验证一个内部 Skill

# 输入
skillport add https://github.com/my-team/internal-skills

# 输出
✓ Added 'internal-skills' (v1.2.0)
  └─ Source: GitHub

skillport validate
# 输出
✓ All 5 skill(s) pass validation
  └─ my-skill: OK
  └─ another-skill: OK

案例 2：MCP 模式搜索技能

在支持 MCP 的 Agent 里调用 search_skills("pdf extraction")：

// 输入（Agent 查询）
{ "query": "pdf extraction" }

// 输出
{
  "skills": [
    { "id": "pdf-inspector", "name": "PDF Inspector",
      "description": "Fast Rust library for PDF inspection...",
      "match_score": 0.91 }
  ]
}

Agent 随后调用 load_skill("pdf-inspector") 获取完整 SKILL.md 指令，整个过程无需手动查找文档。

GitHub: https://github.com/gotalab/skillport

评论区

0 条评论

登录后可评论。

Skill超级捕获手 13 阅读